Artigos de Periódicos

URI Permanente para esta coleção

http://repositorio.ifro.edu.br/handle/123456789/445

Navegar

Navegando Artigos de Periódicos por Autor "Bezerra, Jackson Henrique da Silva"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Artificial intelligence applied to health - Data analysis for children's health
    (InterSciencePlace – International Scientific Journal, 2024) Bezerra, Jackson Henrique da Silva; Almeida, Fabrício Moraes de; Oliveira, Fabio Machado de
    Machine Learning (ML) is asubset of Artificial Intelligence plays an important role in healthcare, providing predictive models created from algorithms and large databases. These models can classify patients for diagnostic or prognostic purposes in various diseases. This research aimed to develop a predictive model for death due to Severe Acute Respiratory Syndrome (SARS) for children aged 0 to 3 years in the North region of Brazil, using data provided by the Brazilian Ministry of Health. An applied research was carried out using the CRISP-DM methodology that guided the entire process of selection, processing, transformation, application of ML algorithms and evaluation of the model. The Random Forest, Logistic Regression, K-Nearest Neighbors and XGBoost algorithms were used through the Weka software, where the model with Random Forest had superior performance. The model was generated with cross-validation and evaluated according to the metrics of sensitivity, specificity, accuracy, precision, F1-Score and AUC-ROC, the latter being theprimary evaluation metric. Finally, a software application prototype for using the model was developed in the Java language so that the knowledge generated by the model reaches healthcare professionals.
  • Imagem de Miniatura
    Item
    Desenvolvimento de modelos preditivos com Machine Learning - Análise de dados para saúde de gestantes e puérperas
    (InterSciencePlace–International Scientific Journal, 2024) Bezerra, Jackson Henrique da Silva; Almeida, Fabrício Moraes de
    O Machine Learning(ML) tem um papel importante na área da saúde, fornecendo modelos preditivos criados a partir de algoritmos e grandes bases de dados. Estes modelos podem classificar pacientes para fins de diagnóstico ou prognósticos em diversas doenças. A presente pesquisa teve como objetivo o desenvolvimento de modelos preditivos de óbito por Síndrome Respiratória Aguda Grave (SRAG) em grupos populacionaisvulneráveis na região Norte do Brasil. Para atingir este objetivo o estudo utilizou dados de gestantes e puérperas disponibilizados pelo Ministério da Saúde do Brasil. Como procedimento metodológico, foi realizado uma pesquisa aplicada através da metodologia CRISP-DM, que guiou todo o processo de seleção, processamento, transformação, aplicação dos algoritmos de ML e avaliação dos modelos preditivos. Os algoritmos Random Forest, Regression Logistic, K-Nearest NeighborseXGBoostforam utilizadosatravés do software Weka e biblioteca de código R, onde os modelos com Random Foresttiveram desempenho superior. Para garantir a confiança dos modelos foi utilizada a validação cruzada. Os modelos foram avaliados conforme as métricas de sensibilidade, especificidade, acurácia, precisão, F1-Score e AUC-ROC, sendo esta última a métrica primária de avaliação. Por fim, um protótipo de aplicação de software para uso dos modelos foi desenvolvido na linguagem Java para que o conhecimento gerado pelo modelo chegueaos profissionais da área da saúde. Os resultados deste estudo contribuem para a redução de óbitos por SRAG no público materno da região Norte do Brasil, contribuindo para o cumprimento das metas do Brasil na redução da mortalidade materna.