Desenvolvimento de modelos preditivos com Machine Learning - Análise de dados para saúde de gestantes e puérperas
| dc.contributor.author | Bezerra, Jackson Henrique da Silva | |
| dc.contributor.author | Almeida, Fabrício Moraes de | |
| dc.date.accessioned | 2024-11-04T13:00:54Z | |
| dc.date.available | 2024-11-04T13:00:54Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | 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. | |
| dc.description.abstract2 | Machine Learning (ML) 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. The present research aimed to develop predictive models for death due to Severe Acute Respiratory Syndrome (SARS) in vulnerable population groups in the Northern region of Brazil. To achieve this objective, the study used data from pregnant and postpartum women made available by the Brazilian Ministry of Health. As a methodological procedure, applied research was carried out using the CRISP-DM methodology, which guided the entire process of selection, processing, transformation, application of ML algorithms and evaluation of predictive models. The Random Forest, Logistic Regression, K-Nearest Neighbors and XGBoost algorithms were used through the Weka software and R code library, where the Random Forest models had superior performance. To ensure the confidence of the models, cross-validation was used. The models were evaluated according to the metrics of sensitivity, specificity, accuracy, precision, F1-Score and AUC-ROC, the latter being the primary evaluation metric. Finally, a software application prototype for using the models was developed in the Java language so that the knowledge generated by the model reaches healthcare professionals. The results ofthis study contribute to the reduction of deaths from SARS in the maternal population in the Northern region of Brazil, contributing to the achievement of Brazil's goals in reducing maternal mortality. | |
| dc.identifier.citation | BEZERRA, Jackson Henrique da Silva; ALMEIDA, Fabrício Moraes de. Desenvolvimento de modelos preditivos com Machine Learning - Análise de dados para saúde de gestantes e puérperas. InterSciencePlace, v. 19, n. 16, jan./dez, p. 304-335. 2024. Disponível em: https://www.interscienceplace.org/index.php/isp/article/view/763 | |
| dc.identifier.issn | 1679-9844 | |
| dc.identifier.uri | http://repositorio.ifro.edu.br/handle/123456789/1396 | |
| dc.language.iso | pt_BR | |
| dc.lattes | http://lattes.cnpq.br/6697503745360818 | |
| dc.lattes | http://lattes.cnpq.br/5959143194142131 | |
| dc.publisher | InterSciencePlace–International Scientific Journal | |
| dc.publisher.campi | Campus Ji-Paraná | |
| dc.subject | Machine Learning(ML | |
| dc.subject | Banco de dados | |
| dc.subject | Síndrome Respiratória Aguda Grave (SRAG) | |
| dc.subject | Modelos Preditivos | |
| dc.subject.keyword | Machine Learning (ML) | |
| dc.subject.keyword | Database | |
| dc.subject.keyword | Severe Acute Respiratory Syndrome (SARS) | |
| dc.subject.keyword | Predictive Models | |
| dc.title | Desenvolvimento de modelos preditivos com Machine Learning - Análise de dados para saúde de gestantes e puérperas | |
| dc.title.alternative | Development of predictive models with machine learning - Data analysis for the health of pregnant and postpartum women | |
| dc.type | Article |