RESUMO Objetivo: Esse estudo tem como objetivo criar um modelo de Machine Learning por um oftalmologista sem experiência em programação utilizando auto Machine Learning predizendo influxo de pacientes em serviço de emergência e casos de trauma. Métodos: Um dataset de 366,610 visitas em Hospital Universitário da Universidade Federal de São Paulo de 01 de janeiro de 2014 até 31 de dezembro de 2019 foi incluído no treinamento do modelo, incluindo visitas/dia e código internacional de doenças. O treinamento e predição foram realizados com o Amazon Forecast por dois oftalmologistas sem experiência com programação. Resultados: O período de previsão estimou um volume de 206,37 pacientes/dia em p90, 180,75 em p50, 140,35 em p10 e média de 7,42 casos de trauma/dia em p90, 3,99 em p50 e 0,56 em p10. Janeiro de 2020 teve um total de 6.604 pacientes e média de 206,37 pacientes/dia, 13,5% menos do que a predição em p50. O período teve um total de 199 casos de trauma e média de 6,21 casos/dia, 55,77% mais casos do que a predição em p50. Conclusão: O desenvolvimento de modelos era restrito a cientistas de dados com experiencia em programação, porém a transferência de ensino com a tecnologia de auto Machine Learning permite o desenvolvimento de algoritmos por qualquer pessoa sem experiencia em programação. Esse estudo mostra um modelo com valores preditos próximos ao que ocorreram em janeiro de 2020. Fatores que podem ter influenciados no resultado foram feriados e tamanho do banco de dados. Esse é o primeiro estudo que aplicada auto Machine Learning em predição de visitas hospitalares com resultados próximos aos que ocorreram. Objetivo Métodos 366610 366 610 366,61 0 201 3 visitasdia dia doenças Resultados 20637 206 37 206,3 pacientesdia p90 p 18075 180 75 180,7 14035 140 35 140,3 p1 742 7 42 7,4 traumadia 399 99 3,9 p5 056 56 0,5 202 6604 6 604 6.60 135 13 5 13,5 19 621 21 6,2 casosdia casos/dia 5577 55 77 55,77 Conclusão 36661 36 61 366,6 20 2063 206, p9 1807 18 180, 1403 14 140, 74 4 7, 39 9 3, 05 0, 660 60 6.6 1 13, 62 2 6, 557 55,7 3666 366, 66 6. 55,

ABSTRACT Purpose: The emergency medical service is a fundamental part of healthcare, albeit crowded emergency rooms lead to delayed and low-quality assistance in actual urgent cases. Machine-learning algorithms can provide a smart and effective estimation of emergency patients’ volume, which was previously restricted to artificial intelligence (AI) experts in coding and computer science but is now feasible by anyone without any coding experience through auto machine learning. This study aimed to create a machine-learning model designed by an ophthalmologist without any coding experience using AutoML to predict the influx in the emergency department and trauma cases. Methods: A dataset of 356,611 visits at Hospital da Universidade Federal de São Paulo from January 01, 2014 to December 31, 2019 was included in the model training, which included visits/day and the international classification disease code. The training and prediction were made with the Amazon Forecast by 2 ophthalmologists with no prior coding experience. Results: The forecast period predicted a mean emergency patient volume of 216.27/day in p90, 180.75/day in p50, and 140.35/day in p10, and a mean of 7.42 trauma cases/ day in p90, 3.99/day in p50, and 0.56/day in p10. In January of 2020, there were a total of 6,604 patient visits and a mean of 206.37 patients/day, which is 13.5% less than the p50 prediction. This period involved a total of 199 trauma cases and a mean of 6.21 cases/day, which is 55.77% more traumas than that by the p50 prediction. Conclusions: The development of models was previously restricted to data scientists’ experts in coding and computer science, but transfer learning autoML has enabled AI development by any person with no code experience mandatory. This study model showed a close value to the actual 2020 January visits, and the only factors that may have influenced the results between the two approaches are holidays and dataset size. This is the first study to apply AutoML in hospital visits forecast, showing a close prediction of the actual hospital influx. Purpose healthcare lowquality low quality Machinelearning Machine patients (AI machinelearning Methods 356611 356 611 356,61 01 201 31 visitsday Results 21627day 216 27 p90 p 18075day 180 75 14035day 140 35 p10 742 7 42 7.4 399day 3 99 056day 0 56 6604 6 604 6,60 20637 206 37 206.3 patientsday patients/day 135 13 5 13.5 p5 19 621 21 6.2 casesday cases/day 5577 55 77 55.77 Conclusions scientists mandatory 202 size 35661 61 356,6 20 p9 18 14 p1 74 4 7. 9 660 60 6,6 2063 206. 1 13. 62 6. 557 55.7 3566 356, 66 6, 55.

RESUMO Objetivos: A pandemia de COVID-19 foi iniciada em março de 2020 e mudou o sistema de saúde. Mudanças na alocação de recursos, sobrecarga de unidades de terapia intensiva, apreensão dos pacientes em procurar atendimento médico não relacionado ao COVID-19 e redução abrupta de todas as consultas e cirurgias não urgentes. Este estudo avalia o impacto em um pronto-socorro oftalmológico após 1 ano de pandemia, avaliando a correlação entre as fases de lockdown, a mortalidade do COVID-19 e as visitas ao pronto-socorro. Métodos: Estudo observacional retrospectivo que incluiu todos os pacientes admitidos no serviço de emergência oftalmológica do Hospital São Paulo, vinculado a UNIFESP/EPM, entre 1º de janeiro de 2019 e 28 de março de 2021. As visitas foram classificadas e comparadas em um grupo pré-pandemia e pandemia. Resultados: No período pré-pandemia, o hospital registrou um total de 71.485 atendimentos com média de 194,78 ± 49,74 atendimentos diários, e no grupo pandemia, um total de 41.791 com média de 114,18 ± 43,12 atendimentos diários, redução de 41,4%. Uma diminuição significativa de 16,4% (p<0,001) foi observada na prevalência de conjuntivite aguda e um aumento significativo de 6,4% (p<0,01) na prevalência de corpo estranho da córnea. Foi identificada uma correlação negativa entre a taxa de mortalidade do COVID-19 e as taxas de visita ao pronto-socorro. Conclusão: Esta análise de um ano mostrou uma redução de 41,4% nas visitas ao pronto-socorro, e uma diminuição significativa nas conjuntivites agudas. A mudança nos hábitos de higiene e o distanciamento social poderiam explicar essa redução, e o aumento da prevalência de traumas corneanos. Achados destacam a necessidade de medidas preventivas e educativas durante os períodos restritivos. Objetivos COVID19 COVID 19 COVID-1 202 saúde recursos intensiva urgentes prontosocorro pronto socorro lockdown prontosocorro. socorro. Métodos Paulo UNIFESPEPM UNIFESP EPM UNIFESP/EPM º 201 2 2021 prépandemia pré Resultados prépandemia, 71485 71 485 71.48 19478 194 78 194,7 4974 49 74 49,7 diários 41791 41 791 41.79 11418 114 18 114,1 4312 43 12 43,1 414 4 164 16 16,4 p<0,001 p0001 p 0 001 (p<0,001 64 6 6,4 p<0,01 p001 01 (p<0,01 córnea Conclusão 41,4 prontosocorro, socorro, agudas corneanos restritivos COVID1 COVID- 20 7148 7 48 71.4 1947 194, 497 49, 4179 79 41.7 1141 11 114, 431 43, 16, p<0,00 p000 00 (p<0,00 6, p<0,0 p00 (p<0,0 41, 714 71. 417 41. p<0, p0 (p<0, p<0 (p<0 p< (p< (p

ABSTRACT Purpose: The COVID-19 pandemic began in March 2020 and changed the healthcare system overall. The pandemic led to resource allocation changes, overloading of intensive care units, apprehensiveness of patients to seek medical care not related to COVID-19, and an abrupt reduction in all nonurgent consultations and surgeries. This study evaluated the impact on an ophthalmological emergency room for one year by assessing the correlation between societal lockdown phases and COVID-19 mortality. Methods: An observational, retrospective study was conducted that included all patients admitted to the Ophthalmology Emergency Department between January 1, 2019, and March 28, 2021. The visits were classified into prepandemic and pandemic groups that were then compared. Results: In the prepandemic period, the hospital registered a total of 71,485 visits with a mean of 194.78 ± 49.74 daily visits. In the pandemic group, there was a total of 41,791 visits with a mean of 114.18 ± 43.12 daily visits, which was a 41.4% decrease. A significant decrease (16.4 p<0.001) was observed in the prevalence of acute conjunctivitis, and a significant increase (6.4%; p<0.01) was observed in the prevalence of corneal foreign body disorders. A negative correlation was identified between the COVID-19 death rate and the ophthalmological inflow rates. Conclusion: This one-year analysis showed a reduction of 41.4% in emergency department visits and a significant decrease in infectious conditions. A change in hygiene habits and social distancing could explain this reduction, and the increased prevalence of trauma consultations highlighted the need for preventive and educative measures during these types of restrictive periods. Purpose COVID19 COVID 19 COVID-1 202 overall changes units COVID19, 19, surgeries mortality Methods observational 1 2019 28 2021 compared Results period 71485 71 485 71,48 19478 194 78 194.7 4974 49 74 49.7 group 41791 41 791 41,79 11418 114 18 114.1 4312 43 12 43.1 414 4 41.4 16.4 164 16 (16. p<0.001 p0001 p 0 001 conjunctivitis 6.4% 64 6 (6.4% p<0.01 p001 01 disorders rates Conclusion oneyear conditions periods COVID1 COVID- 20 201 2 7148 7 48 71,4 1947 194. 497 49. 4179 79 41,7 1141 11 114. 431 43. 41. 16. (16 p<0.00 p000 00 6.4 (6.4 p<0.0 p00 714 71, 417 41, (1 6. (6. p<0. p0 ( (6 p<0 p<

RESUMO Objetivos: O objetivo do estudo é avaliar o perfil das visitas ao Pronto-Socorro de Oftalmologia (PS) do Hospital São Paulo, serviço público de atendimento terciário aberto 24 horas em São Paulo - Brasil, pertencente à Universidade Federal de São Paulo, nos últimos 11 anos. Métodos: Foi realizado um estudo transversal retrospectivo, com base em todos os pacientes (n=634.726) admitidos no pronto-socorro de oftalmologia do Hospital São Paulo entre janeiro de 2009 e dezembro de 2019. Resultados: De 2009 a 2019, houve um aumento no influxo de 39,2% com importante variação nos atendimentos ao longo dos anos, a mediana de idade foi de 38 ± 20,4 anos, o sexo masculino representou 53,3% e os pacientes únicos representaram 53,1%. Verificou-se que 79,5% das visitas ocorreram das 7h às 17h e 80,8% nos dias da semana. Os diagnósticos mais frequentes foram conjuntivite aguda seguida de blefarite, ceratite, hordéolo / calázio e corpo estranho corneano. Conclusão: Ao longo do período de análise do estudo, houve importante aumento nas apresentações, com predominância de atendimentos não urgentes e baixa proporção de pacientes com uma única visita. Nossos resultados evidenciam o perfil das consultas oftalmológicas, podendo gerar mudanças no sistema público de saúde visando a melhoria da qualidade do atendimento e acesso às emergências oftalmológicas na cidade de São Paulo. Objetivos ProntoSocorro Pronto Socorro PS (PS 2 Brasil 1 anos Métodos retrospectivo n=634.726 n634726 n 634 726 (n=634.726 prontosocorro pronto socorro 200 2019 Resultados 392 39 39,2 3 204 20 4 20, 533 53 53,3 531 53,1% Verificouse Verificou se 795 79 5 79,5 h 808 80 8 80,8 semana blefarite ceratite corneano Conclusão apresentações visita n=634.72 n63472 63 72 (n=634.72 201 39, 53, 53,1 7 79, 80, n=634.7 n6347 6 (n=634.7 n=634. n634 (n=634. n=634 n63 (n=634 n=63 n6 (n=63 n=6 (n=6 n= (n= (n

ABSTRACT Purpose: This study aimed to describe the visits profile to Hospital São Paulo’s ophthalmology emergency department, a 24-hour public open-access tertiary-care service in São Paulo, Brazil, that belongs to Federal University of São Paulo, over the last 11 years. Methods: A cross-sectional retrospective study was conducted, including all patients (n=634,726) admitted to the ophthalmology emergency department of Hospital São Paulo between January 2009 and December 2019. Results: From 2009 to 2019, the number of patients’ presentations increased to 39.2%, with considerable visits variation across the period. The median age was 38 ± 20.4 years. Males represented 53.3%, and single-visit patients represented 53.1%. A total of 79.5% of patients’ presentations occurred from 7 am to 5 pm, and 80.8% of patients’ presentations occurred during regular weekdays. The most frequent diagnoses were conjunctivitis, blepharitis, keratitis, hordeolum/chalazion, and corneal foreign body. Conclusions: Over the study period, presentations significantly increased in number, with nonurgent visits predominance, and a low number of single-visit patients. Our results demonstrate the ophthalmic visits profile and can lead to changes in the public health system to improve the quality of care and ophthalmology emergency access in São Paulo city. Purpose Paulos s 24hour hour 24 openaccess open tertiarycare tertiary Brazil 1 years Methods crosssectional cross sectional conducted n=634,726 n634726 n 634 726 (n=634,726 200 2019 Results 392 39 2 39.2% period 3 204 20 4 20. 533 53 53.3% singlevisit single visit 531 53.1% 795 79 79.5 pm 808 80 8 80.8 weekdays conjunctivitis blepharitis keratitis hordeolumchalazion hordeolum chalazion hordeolum/chalazion body Conclusions predominance city n=634,72 n63472 63 72 (n=634,72 201 39.2 53.3 53.1 79. 80. n=634,7 n6347 6 (n=634,7 39. 53. n=634, n634 (n=634, n=634 n63 (n=634 n=63 n6 (n=63 n=6 (n=6 n= (n= (n

RESUMO Objetivos: O objetivo do estudo é avaliar o perfil das visitas ao Pronto-Socorro de Oftalmologia (PS) do Hospital São Paulo, serviço público de atendimento terciário aberto 24 horas em São Paulo - Brasil, pertencente à Universidade Federal de São Paulo, nos últimos 11 anos. Métodos: Foi realizado um estudo transversal retrospectivo, com base em todos os pacientes (n=634.726) admitidos no pronto-socorro de oftalmologia do Hospital São Paulo entre janeiro de 2009 e dezembro de 2019. Resultados: De 2009 a 2019, houve um aumento no influxo de 39,2% com importante variação nos atendimentos ao longo dos anos, a mediana de idade foi de 38 ± 20,4 anos, o sexo masculino representou 53,3% e os pacientes únicos representaram 53,1%. Verificou-se que 79,5% das visitas ocorreram das 7h às 17h e 80,8% nos dias da semana. Os diagnósticos mais frequentes foram conjuntivite aguda seguida de blefarite, ceratite, hordéolo / calázio e corpo estranho corneano. Conclusão: Ao longo do período de análise do estudo, houve importante aumento nas apresentações, com predominância de atendimentos não urgentes e baixa proporção de pacientes com uma única visita. Nossos resultados evidenciam o perfil das consultas oftalmológicas, podendo gerar mudanças no sistema público de saúde visando a melhoria da qualidade do atendimento e acesso às emergências oftalmológicas na cidade de São Paulo.

ABSTRACT Purpose: This study aimed to describe the visits profile to Hospital São Paulo’s ophthalmology emergency department, a 24-hour public open-access tertiary-care service in São Paulo, Brazil, that belongs to Federal University of São Paulo, over the last 11 years. Methods: A cross-sectional retrospective study was conducted, including all patients (n=634,726) admitted to the ophthalmology emergency department of Hospital São Paulo between January 2009 and December 2019. Results: From 2009 to 2019, the number of patients’ presentations increased to 39.2%, with considerable visits variation across the period. The median age was 38 ± 20.4 years. Males represented 53.3%, and single-visit patients represented 53.1%. A total of 79.5% of patients’ presentations occurred from 7 am to 5 pm, and 80.8% of patients’ presentations occurred during regular weekdays. The most frequent diagnoses were conjunctivitis, blepharitis, keratitis, hordeolum/chalazion, and corneal foreign body. Conclusions: Over the study period, presentations significantly increased in number, with nonurgent visits predominance, and a low number of single-visit patients. Our results demonstrate the ophthalmic visits profile and can lead to changes in the public health system to improve the quality of care and ophthalmology emergency access in São Paulo city.

RESUMO Objetivos: A pandemia de COVID-19 foi iniciada em março de 2020 e mudou o sistema de saúde. Mudanças na alocação de recursos, sobrecarga de unidades de terapia intensiva, apreensão dos pacientes em procurar atendimento médico não relacionado ao COVID-19 e redução abrupta de todas as consultas e cirurgias não urgentes. Este estudo avalia o impacto em um pronto-socorro oftalmológico após 1 ano de pandemia, avaliando a correlação entre as fases de lockdown, a mortalidade do COVID-19 e as visitas ao pronto-socorro. Métodos: Estudo observacional retrospectivo que incluiu todos os pacientes admitidos no serviço de emergência oftalmológica do Hospital São Paulo, vinculado a UNIFESP/EPM, entre 1º de janeiro de 2019 e 28 de março de 2021. As visitas foram classificadas e comparadas em um grupo pré-pandemia e pandemia. Resultados: No período pré-pandemia, o hospital registrou um total de 71.485 atendimentos com média de 194,78 ± 49,74 atendimentos diários, e no grupo pandemia, um total de 41.791 com média de 114,18 ± 43,12 atendimentos diários, redução de 41,4%. Uma diminuição significativa de 16,4% (p<0,001) foi observada na prevalência de conjuntivite aguda e um aumento significativo de 6,4% (p<0,01) na prevalência de corpo estranho da córnea. Foi identificada uma correlação negativa entre a taxa de mortalidade do COVID-19 e as taxas de visita ao pronto-socorro. Conclusão: Esta análise de um ano mostrou uma redução de 41,4% nas visitas ao pronto-socorro, e uma diminuição significativa nas conjuntivites agudas. A mudança nos hábitos de higiene e o distanciamento social poderiam explicar essa redução, e o aumento da prevalência de traumas corneanos. Achados destacam a necessidade de medidas preventivas e educativas durante os períodos restritivos.

ABSTRACT Purpose: The COVID-19 pandemic began in March 2020 and changed the healthcare system overall. The pandemic led to resource allocation changes, overloading of intensive care units, apprehensiveness of patients to seek medical care not related to COVID-19, and an abrupt reduction in all nonurgent consultations and surgeries. This study evaluated the impact on an ophthalmological emergency room for one year by assessing the correlation between societal lockdown phases and COVID-19 mortality. Methods: An observational, retrospective study was conducted that included all patients admitted to the Ophthalmology Emergency Department between January 1, 2019, and March 28, 2021. The visits were classified into prepandemic and pandemic groups that were then compared. Results: In the prepandemic period, the hospital registered a total of 71,485 visits with a mean of 194.78 ± 49.74 daily visits. In the pandemic group, there was a total of 41,791 visits with a mean of 114.18 ± 43.12 daily visits, which was a 41.4% decrease. A significant decrease (16.4 p<0.001) was observed in the prevalence of acute conjunctivitis, and a significant increase (6.4%; p<0.01) was observed in the prevalence of corneal foreign body disorders. A negative correlation was identified between the COVID-19 death rate and the ophthalmological inflow rates. Conclusion: This one-year analysis showed a reduction of 41.4% in emergency department visits and a significant decrease in infectious conditions. A change in hygiene habits and social distancing could explain this reduction, and the increased prevalence of trauma consultations highlighted the need for preventive and educative measures during these types of restrictive periods.

RESUMO Objetivo: Esse estudo tem como objetivo criar um modelo de Machine Learning por um oftalmologista sem experiência em programação utilizando auto Machine Learning predizendo influxo de pacientes em serviço de emergência e casos de trauma. Métodos: Um dataset de 366,610 visitas em Hospital Universitário da Universidade Federal de São Paulo de 01 de janeiro de 2014 até 31 de dezembro de 2019 foi incluído no treinamento do modelo, incluindo visitas/dia e código internacional de doenças. O treinamento e predição foram realizados com o Amazon Forecast por dois oftalmologistas sem experiência com programação. Resultados: O período de previsão estimou um volume de 206,37 pacientes/dia em p90, 180,75 em p50, 140,35 em p10 e média de 7,42 casos de trauma/dia em p90, 3,99 em p50 e 0,56 em p10. Janeiro de 2020 teve um total de 6.604 pacientes e média de 206,37 pacientes/dia, 13,5% menos do que a predição em p50. O período teve um total de 199 casos de trauma e média de 6,21 casos/dia, 55,77% mais casos do que a predição em p50. Conclusão: O desenvolvimento de modelos era restrito a cientistas de dados com experiencia em programação, porém a transferência de ensino com a tecnologia de auto Machine Learning permite o desenvolvimento de algoritmos por qualquer pessoa sem experiencia em programação. Esse estudo mostra um modelo com valores preditos próximos ao que ocorreram em janeiro de 2020. Fatores que podem ter influenciados no resultado foram feriados e tamanho do banco de dados. Esse é o primeiro estudo que aplicada auto Machine Learning em predição de visitas hospitalares com resultados próximos aos que ocorreram.

ABSTRACT Purpose: The emergency medical service is a fundamental part of healthcare, albeit crowded emergency rooms lead to delayed and low-quality assistance in actual urgent cases. Machine-learning algorithms can provide a smart and effective estimation of emergency patients’ volume, which was previously restricted to artificial intelligence (AI) experts in coding and computer science but is now feasible by anyone without any coding experience through auto machine learning. This study aimed to create a machine-learning model designed by an ophthalmologist without any coding experience using AutoML to predict the influx in the emergency department and trauma cases. Methods: A dataset of 356,611 visits at Hospital da Universidade Federal de São Paulo from January 01, 2014 to December 31, 2019 was included in the model training, which included visits/day and the international classification disease code. The training and prediction were made with the Amazon Forecast by 2 ophthalmologists with no prior coding experience. Results: The forecast period predicted a mean emergency patient volume of 216.27/day in p90, 180.75/day in p50, and 140.35/day in p10, and a mean of 7.42 trauma cases/ day in p90, 3.99/day in p50, and 0.56/day in p10. In January of 2020, there were a total of 6,604 patient visits and a mean of 206.37 patients/day, which is 13.5% less than the p50 prediction. This period involved a total of 199 trauma cases and a mean of 6.21 cases/day, which is 55.77% more traumas than that by the p50 prediction. Conclusions: The development of models was previously restricted to data scientists’ experts in coding and computer science, but transfer learning autoML has enabled AI development by any person with no code experience mandatory. This study model showed a close value to the actual 2020 January visits, and the only factors that may have influenced the results between the two approaches are holidays and dataset size. This is the first study to apply AutoML in hospital visits forecast, showing a close prediction of the actual hospital influx.