Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11624/3440
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorKolling, Maikel Luis-
dc.typeDissertação de Mestradopt_BR
dc.language.isopt_BRpt_BR
dc.titleMineração de dados aplicada á predição de casos de abandono no tratamento de tuberculose em populações privadas de liberdade.pt_BR
dc.date.issued2021-
dc.degree.localSanta Cruz do Sulpt_BR
dc.contributor.advisorTedesco, Leonel Pablo-
dc.degree.departmentPrograma de Pós-Graduação em Sistemas e Processos Industriaispt_BR
dc.description.abstractAccording to the Brazilian Ministry of Health (MS, 2021), tuberculosis (TB) is an infectious disease that registers approximately 70 thousand new cases each year in Brazil, leading to the death of approximately 4.5 thousand people per year. A large number of these deaths are due to the high rate of abandonment of treatment, with an aggravating factor being the high rates of abandonment of treatment in cases involving populations deprived of their liberty (PPLs). In view of this problem and with the evolution of data mining algorithms, this work proposes the application of the stages of the KDD process (Knowledge Discovery in Databases) in the search for the best computational model for predicting cases of abandonment of TB treatment of PPLs. To perform these steps, the SEMMA methodology was used (Sample, Explore, Modify, Model, Assess) through cleaning techniques, pre-processing, attribute selection and application of data mining algorithms on a data set containing the records history of patients affected by TB registered in the Notifiable Diseases Information System (SINAN). The results obtained were evaluated according to their accuracy, precision, sensitivity and specificity. The main result was presented by the Random Forest algorithm, which obtained 97.07% accuracy in predicting abandonment in the treatment of TB in PPLs. To achieve the objective of this study, two manuscripts were written, the first being a systematic review of the bibliography related to the topic of data mining in the health area and the second the detailed description of the application of the SEMMA methodology adopted for the construction of the prediction models of TB treatment dropout in PPLs.pt_BR
dc.description.notaInclui bibliografia.pt_BR
dc.subject.otherBrasil. Ministério da Saúdept_BR
dc.subject.otherExploração de dados (Computação)pt_BR
dc.subject.otherTuberculosept_BR
dc.subject.otherDoenças transmissíveispt_BR
dc.subject.otherPrisioneirospt_BR
dc.subject.otherAlgoritmos de computadorpt_BR
dc.identifier.urihttp://hdl.handle.net/11624/3440-
dc.date.accessioned2022-09-09T18:02:35Z-
dc.degree.grantorUniversidade de Santa Cruz do Sulpt_BR
dc.description.resumoSegundo o Ministério da Saúde Brasileiro (MS, 2021) a tuberculose (TB) é uma doença infectocontagiosa que registra aproximadamente 70 mil novos casos a cada ano no Brasil, levando à morte cerca de 4,5 mil pessoas por ano. Um grande número destas mortes se deve ao alto índice de abandono do tratamento, sendo um agravante os altos índices de abandono do tratamento nos casos incidentes em populações privadas de liberdade (PPLs). Diante deste problema e com a evolução dos algoritmos de mineração de dados, este trabalho propõe a aplicação das etapas do processo de KDD (Knowledge Discovery in Databases) na busca do melhor modelo computacional para previsão de casos de abandono do tratamento de TB de PPLs. Para a realização destas etapas foi utilizada a metodologia SEMMA (Sample, Explore, Modify, Model, Assess) através de técnicas de limpeza, pré-processamento, seleção de atributos e aplicação de algoritmos de mineração de dados sobre um conjunto de dados contendo os registros históricos de pacientes acometidos pela TB registrados no Sistema de Informação de Agravos de Notificação (SINAN). Os resultados obtidos foram avaliados de acordo com a sua acurácia, precisão, sensibilidade e especificidade. Sendo que o principal resultado foi apresentado pelo algoritmo Florestas Aleatórias, o qual obteve 97,07% de acurácia na previsão de abandono no tratamento de TB em PPLs. Para atingir o objetivo deste estudo, foi realizada a escrita de dois manuscritos, sendo o primeiro uma revisão sistemática da literatura, relacionada ao tema de mineração de dados na área da saúde e o segundo a descrição detalhada da aplicação da metodologia SEMMA adotada para a construção dos modelos de predição de abandono de tratamento de TB em PPLs.pt_BR
dc.description.embargo2023-05-05-
Aparece nas coleções:Programa de Pós-Graduação em Sistemas e Processos Industriais – Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Maikel Luis Kolling.pdf537.17 kBAdobe PDFVisualizar/Abrir    Solicitar uma cópia


Este item está licenciado sob uma Licença Creative Commons Creative Commons