Os benefícios de obter uma boa estimativa para o tempo de permanência em unidades de terapia intensiva podem ser divididos em níveis, como assistenciais, operacionais e estratégicos. No nível assistencial, uma melhor estimativa permite otimizar a implementação de protocolos de atendimento (como sedação e mobilização), uma melhor discussão dos casos em cada round multiprofissional, e uma melhor preparação de trânsito de cuidados. No nível operacional, permite um melhor planejamento das altas de UTI, a priorização de pacientes a serem avaliados diariamente, e uma melhor comunicação entre familiares, equipes e gestores. No nível estratégico, permite mais subsídios para discussão com as operadoras de saúde, um melhor dimensionamento de fluxo e de leitos, e uma melhor análise de benchmarking entre UTIs. Portanto, o objetivo deste estudo foi propor e aplicar uma metodologia para predizer o tempo de permanência em UTI a partir de uma abordagem data-driven e com a utilização de técnicas de machine learning.