Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
A questão recente mais importante de saúde para as nações do mundo tem sido a pandemia do coronavírus. A COVID-19 está associada a diferentes manifestações clínicas acompanhada de uma alta taxa de mortalidade. No Brasil temos um repositório nacional de dados clínicos- o DATASUS - que entre os dados...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2024 |
| País: | Brasil |
| Institución: | Universidade do Estado do Rio de Janeiro (UERJ) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da UERJ |
| Idioma: | portugués |
| OAI Identifier: | oai:www.bdtd.uerj.br:1/23482 |
| Acceso en línea: | http://www.bdtd.uerj.br/handle/1/23482 |
| Access Level: | acceso abierto |
| Palabra clave: | Machine learning Perceptron Aprendizado de máquina Floresta Aleatória DATASUS Algoritmos computacionais Redes neurais (Computação) Random Forest DATASUS (Brazilian Health Repository) CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Sumario: | A questão recente mais importante de saúde para as nações do mundo tem sido a pandemia do coronavírus. A COVID-19 está associada a diferentes manifestações clínicas acompanhada de uma alta taxa de mortalidade. No Brasil temos um repositório nacional de dados clínicos- o DATASUS - que entre os dados de diversas patologias, estão aqueles associados a COVID-19. Prever a mortalidade por meio de preditores pode ser uma ferramenta crucial na autenticação dos pacientes acometidos pela doença. Métodos multivariados e de aprendizado de máquina podem ser usados para desenvolver modelos de previsão de mortalidade de modo a auxiliar os pro fissionais de saúde. Neste trabalho empregamos os modelos Perceptron, MLP e Floresta Aleatória para obter estes resultados em bancos segmentados por dias de internação. Entre esses métodos, o que obteve o melhor resultado foi a Floresta Aleatória, com acurácia média de 82% em pacientes com 10-14 dias de internação. Além da implementação dessas técnicas, também sugerimos um novo método de preenchimento de dados que usamos no próprio banco do DATASUS e comparamos com outras técnicas em bases já conhecidas. |
|---|