ArvoAgentHub

Painel Geral

Quantidade excessiva de luvas

Overview

Agent for detecting excessive glove usage based on hospitalization time limits. This agent implements custom logic to calculate glove quantity limits based on tempo_internacao and tempo_internacao_uti, identifying violations where qt_paga exceeds the calculated limits.

Architecture

Field Value
Name Quantidade excessiva de luvas
Agent ID C063
Version 0.0.0
Nature audit
Layer —

Inheritance

ExcessiveProcedureGlovesAmountRule → BaseAgent → BaseAgent

Core Functionality

  1. aplica_glosa_parcial
  2. load_artifacts
  3. prepare_data
  4. rule_assessment
  5. get_max_surgical_gloves
  6. get_max_non_surgical_gloves

Business Rules

Pertinência da cobrança

Consultar código-fonte para regras de negócio detalhadas.

Usage

from agents.excessiveprocedureglovesamountrule import ExcessiveProcedureGlovesAmountRule

rule = ExcessiveProcedureGlovesAmountRule()
violations_df = rule.rule_assessment(claims_df)

Configuration

rule = ExcessiveProcedureGlovesAmountRule(
    estrategia="mais_baratas") -> None:,
    estrategia=estrategia,
    qtd_cumulativa=luvas_ordenadas["qt_paga"].cumsum(),
    glosa_cumulativa=np.minimum(excedente,
    qtd_glosa=glosa_cumulativa.diff().fillna(glosa_cumulativa.iloc[0])  # The diff is used to get the glosa quantity for each row,
    min_qty_per_day=6,
    dias_cirurgia=fatura[fatura["is_surgery"] == 1]["dt_atendimento"].unique(),
    glosado_por_dia_cirurgico={dia: 0 for dia in dias_cirurgia},
)

Input Requirements

Column Type Description
EVENT_COLUMNS.id - -
EVENT_COLUMNS.id_fatura - -
EVENT_COLUMNS.id_evento - -
EVENT_COLUMNS.vl_pago - -
EVENT_COLUMNS.qt_paga - -
EVENT_COLUMNS.categoria - -
EVENT_COLUMNS.regime_atendimento - -
EVENT_COLUMNS.dt_atendimento - -

Output Format

Glosa DataFrame Columns

Column Description
agent_id C063
version 0.0.0
id_arvo Original record ID
vl_glosa_arvo Glosa value
qt_glosa_arvo Glosa quantity
score_arvo Confidence score
motivo_glosa_arvo Detailed reason in Portuguese
motivo_glosa_ANS ANS standard code
data_dict JSON metadata with calculation details

Error Handling

  • DataFrames vazios retornam estrutura vazia com colunas obrigatórias.
  • Colunas ausentes geram warning mas não causam crash.
  • Conversões numéricas usam errors="coerce" para evitar falhas.