Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp®
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | http://app.uff.br/riuff/handle/1/26692 |
Resumo: | Introdução: O tema de estudo trata da viabilidade de desenvolvimento de um método de aprendizado de máquina mediante o conteúdo das conversas obtidas via WhatsApp® dos pacientes submetidos à cirurgia cardíaca acompanhados da alta hospitalar até 30 dias. Hipótese: Há viabilidade de desenvolvimento de um modelo preditivo de aprendizado de máquina para o seguimento de pacientes submetidos a cirurgia cardíaca. Objetivo: Propor um modelo de aprendizagem de máquina para prever o prognóstico de Recuperação do paciente cirúrgico a partir do conteúdo das conversas obtidas via WhatsApp® e alertar profissional da saúde. Método: Trata-se de uma pesquisa metodológica, de desenvolvimento de tecnologias. Foram utilizados dados dos pacientes submetidos à cirurgia cardíaca após a alta hospitalar, no sétimo (D7), décimo quinto (D15) e trigésimo (D30) dias via WhatsApp® ou, quando não havia resposta, por chamada telefônica. Foi construído um banco de dados no Microsoft Excel 2016, os modelos foram implementados fazendo-se uso da biblioteca Scikit-Learn da linguagem de programação Python, utilizado a arquitetura de rede neural chamada de Multilayer Feedforward Networks que consiste no algoritmo de rede que possui uma ou mais camadas e unidades ocultas. Com isso realizou-se o processo de escolha, idealização, desenvolvimento e treinamento que resultou em métricas de precisão, acurácia e recall, que significaram a qualidade do modelo em acertar o desfecho de recuperação cirúrgica dos pacientes, o qual foi proposto. Essa pesquisa está vinculada ao projeto “Validação do Diagnóstico de Enfermagem de Recuperação Cirúrgica Retardada (RCR)” aprovado pelo Conselho de Ética e Pesquisa do Hospital Universitário Antônio Pedro (HUAP) e pela instituição coparticipante Instituto Nacional de Cardiologia (INC) pelo parecer nº 1.759.757 e CAAE: 36683714.9.3001.5272. Resultados: Os pacientes eram majoritariamente do sexo masculino (56,8%), tinham média de idade de 58,1 anos (desvio padrão ± 9,9) e a cirurgia mais realizada foi a de revascularização do miocárdio com CEC (45,7%), seguida por troca valvar múltipla ou combinada com plastia (17,3%) e troca/plastia de aorta (14,8%). Foram criadas três nuvens da análise textual destacam-se: hospital; cicatriz; consulta; tudo bem; alimentando bem; agradeço a atenção; bem cicatriz; sinto dores; voltei hospital; exame de sangue; tirei os pontos; cicatriz fechada; caminhado sim; cicatriz boa; ainda sinto dores; tudo bem comigo; alimentado bem cicatriz; fazer exame de sangue; cicatriz cirurgia fechada; muita falta de ar; e vou voltar hospital. O modelo proposto demonstrou as seguintes métricas: acurácia de 72,8%, a precisão de 80,6% e recall de 83,3%. Conclusão: As nuvens de palavras demonstram a recuperação dos pacientes em seu tempo estimado, suas queixas e necessidades de intervenção para evitar complicações. O modelo de aprendizagem de máquina proposto poderá auxiliar na predição prognóstica dos pacientes se desenvolvido a próxima etapa com o conteúdo e testado novamente. As tecnologias são ferramentas de auxílio ao exercício profissional de enfermagem e carecem de implementação na prática com tecnologias já empregadas pelos pacientes para incluir a saúde no cotidiano diário da pessoas |
id |
UFF-2_9d426bb7ff1d5b9aa42863e917dec82a |
---|---|
oai_identifier_str |
oai:app.uff.br:1/26692 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp®Enfermagem perioperatóriaEnfermagem cardiovascularInteligência artificialCuidados de enfermagemCirurgia torácicaIntrodução: O tema de estudo trata da viabilidade de desenvolvimento de um método de aprendizado de máquina mediante o conteúdo das conversas obtidas via WhatsApp® dos pacientes submetidos à cirurgia cardíaca acompanhados da alta hospitalar até 30 dias. Hipótese: Há viabilidade de desenvolvimento de um modelo preditivo de aprendizado de máquina para o seguimento de pacientes submetidos a cirurgia cardíaca. Objetivo: Propor um modelo de aprendizagem de máquina para prever o prognóstico de Recuperação do paciente cirúrgico a partir do conteúdo das conversas obtidas via WhatsApp® e alertar profissional da saúde. Método: Trata-se de uma pesquisa metodológica, de desenvolvimento de tecnologias. Foram utilizados dados dos pacientes submetidos à cirurgia cardíaca após a alta hospitalar, no sétimo (D7), décimo quinto (D15) e trigésimo (D30) dias via WhatsApp® ou, quando não havia resposta, por chamada telefônica. Foi construído um banco de dados no Microsoft Excel 2016, os modelos foram implementados fazendo-se uso da biblioteca Scikit-Learn da linguagem de programação Python, utilizado a arquitetura de rede neural chamada de Multilayer Feedforward Networks que consiste no algoritmo de rede que possui uma ou mais camadas e unidades ocultas. Com isso realizou-se o processo de escolha, idealização, desenvolvimento e treinamento que resultou em métricas de precisão, acurácia e recall, que significaram a qualidade do modelo em acertar o desfecho de recuperação cirúrgica dos pacientes, o qual foi proposto. Essa pesquisa está vinculada ao projeto “Validação do Diagnóstico de Enfermagem de Recuperação Cirúrgica Retardada (RCR)” aprovado pelo Conselho de Ética e Pesquisa do Hospital Universitário Antônio Pedro (HUAP) e pela instituição coparticipante Instituto Nacional de Cardiologia (INC) pelo parecer nº 1.759.757 e CAAE: 36683714.9.3001.5272. Resultados: Os pacientes eram majoritariamente do sexo masculino (56,8%), tinham média de idade de 58,1 anos (desvio padrão ± 9,9) e a cirurgia mais realizada foi a de revascularização do miocárdio com CEC (45,7%), seguida por troca valvar múltipla ou combinada com plastia (17,3%) e troca/plastia de aorta (14,8%). Foram criadas três nuvens da análise textual destacam-se: hospital; cicatriz; consulta; tudo bem; alimentando bem; agradeço a atenção; bem cicatriz; sinto dores; voltei hospital; exame de sangue; tirei os pontos; cicatriz fechada; caminhado sim; cicatriz boa; ainda sinto dores; tudo bem comigo; alimentado bem cicatriz; fazer exame de sangue; cicatriz cirurgia fechada; muita falta de ar; e vou voltar hospital. O modelo proposto demonstrou as seguintes métricas: acurácia de 72,8%, a precisão de 80,6% e recall de 83,3%. Conclusão: As nuvens de palavras demonstram a recuperação dos pacientes em seu tempo estimado, suas queixas e necessidades de intervenção para evitar complicações. O modelo de aprendizagem de máquina proposto poderá auxiliar na predição prognóstica dos pacientes se desenvolvido a próxima etapa com o conteúdo e testado novamente. As tecnologias são ferramentas de auxílio ao exercício profissional de enfermagem e carecem de implementação na prática com tecnologias já empregadas pelos pacientes para incluir a saúde no cotidiano diário da pessoas44 p.Santana, Rosimere Ferreirahttp://lattes.cnpq.br/7325445135879520Carmo, Thalita Gomes dohttp://lattes.cnpq.br/0707938810867611Carvalho, Aline Marins Paeshttp://lattes.cnpq.br/0506389215528790Flores, Paula Vanessa Peclathttp://lattes.cnpq.br/0232661366734847http://lattes.cnpq.br/4246081922240109Hercules, Ana Beatriz Serra2022-10-27T12:17:38Z2022-10-27T12:17:38Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfHercules, Ana Beatriz Serra. Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp®. 2019. 44 f. Trabalho de Conclusão de Curso (Graduação e Licenciatura em Enfermagem) - Escola de Enfermagem Aurora de Afonso Costa, Universidade Federal Fluminense, Niterói, 2019.http://app.uff.br/riuff/handle/1/26692CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-10-27T12:17:42Zoai:app.uff.br:1/26692Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:07:09.019922Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp® |
title |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp® |
spellingShingle |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp® Hercules, Ana Beatriz Serra Enfermagem perioperatória Enfermagem cardiovascular Inteligência artificial Cuidados de enfermagem Cirurgia torácica |
title_short |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp® |
title_full |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp® |
title_fullStr |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp® |
title_full_unstemmed |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp® |
title_sort |
Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp® |
author |
Hercules, Ana Beatriz Serra |
author_facet |
Hercules, Ana Beatriz Serra |
author_role |
author |
dc.contributor.none.fl_str_mv |
Santana, Rosimere Ferreira http://lattes.cnpq.br/7325445135879520 Carmo, Thalita Gomes do http://lattes.cnpq.br/0707938810867611 Carvalho, Aline Marins Paes http://lattes.cnpq.br/0506389215528790 Flores, Paula Vanessa Peclat http://lattes.cnpq.br/0232661366734847 http://lattes.cnpq.br/4246081922240109 |
dc.contributor.author.fl_str_mv |
Hercules, Ana Beatriz Serra |
dc.subject.por.fl_str_mv |
Enfermagem perioperatória Enfermagem cardiovascular Inteligência artificial Cuidados de enfermagem Cirurgia torácica |
topic |
Enfermagem perioperatória Enfermagem cardiovascular Inteligência artificial Cuidados de enfermagem Cirurgia torácica |
description |
Introdução: O tema de estudo trata da viabilidade de desenvolvimento de um método de aprendizado de máquina mediante o conteúdo das conversas obtidas via WhatsApp® dos pacientes submetidos à cirurgia cardíaca acompanhados da alta hospitalar até 30 dias. Hipótese: Há viabilidade de desenvolvimento de um modelo preditivo de aprendizado de máquina para o seguimento de pacientes submetidos a cirurgia cardíaca. Objetivo: Propor um modelo de aprendizagem de máquina para prever o prognóstico de Recuperação do paciente cirúrgico a partir do conteúdo das conversas obtidas via WhatsApp® e alertar profissional da saúde. Método: Trata-se de uma pesquisa metodológica, de desenvolvimento de tecnologias. Foram utilizados dados dos pacientes submetidos à cirurgia cardíaca após a alta hospitalar, no sétimo (D7), décimo quinto (D15) e trigésimo (D30) dias via WhatsApp® ou, quando não havia resposta, por chamada telefônica. Foi construído um banco de dados no Microsoft Excel 2016, os modelos foram implementados fazendo-se uso da biblioteca Scikit-Learn da linguagem de programação Python, utilizado a arquitetura de rede neural chamada de Multilayer Feedforward Networks que consiste no algoritmo de rede que possui uma ou mais camadas e unidades ocultas. Com isso realizou-se o processo de escolha, idealização, desenvolvimento e treinamento que resultou em métricas de precisão, acurácia e recall, que significaram a qualidade do modelo em acertar o desfecho de recuperação cirúrgica dos pacientes, o qual foi proposto. Essa pesquisa está vinculada ao projeto “Validação do Diagnóstico de Enfermagem de Recuperação Cirúrgica Retardada (RCR)” aprovado pelo Conselho de Ética e Pesquisa do Hospital Universitário Antônio Pedro (HUAP) e pela instituição coparticipante Instituto Nacional de Cardiologia (INC) pelo parecer nº 1.759.757 e CAAE: 36683714.9.3001.5272. Resultados: Os pacientes eram majoritariamente do sexo masculino (56,8%), tinham média de idade de 58,1 anos (desvio padrão ± 9,9) e a cirurgia mais realizada foi a de revascularização do miocárdio com CEC (45,7%), seguida por troca valvar múltipla ou combinada com plastia (17,3%) e troca/plastia de aorta (14,8%). Foram criadas três nuvens da análise textual destacam-se: hospital; cicatriz; consulta; tudo bem; alimentando bem; agradeço a atenção; bem cicatriz; sinto dores; voltei hospital; exame de sangue; tirei os pontos; cicatriz fechada; caminhado sim; cicatriz boa; ainda sinto dores; tudo bem comigo; alimentado bem cicatriz; fazer exame de sangue; cicatriz cirurgia fechada; muita falta de ar; e vou voltar hospital. O modelo proposto demonstrou as seguintes métricas: acurácia de 72,8%, a precisão de 80,6% e recall de 83,3%. Conclusão: As nuvens de palavras demonstram a recuperação dos pacientes em seu tempo estimado, suas queixas e necessidades de intervenção para evitar complicações. O modelo de aprendizagem de máquina proposto poderá auxiliar na predição prognóstica dos pacientes se desenvolvido a próxima etapa com o conteúdo e testado novamente. As tecnologias são ferramentas de auxílio ao exercício profissional de enfermagem e carecem de implementação na prática com tecnologias já empregadas pelos pacientes para incluir a saúde no cotidiano diário da pessoas |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-10-27T12:17:38Z 2022-10-27T12:17:38Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Hercules, Ana Beatriz Serra. Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp®. 2019. 44 f. Trabalho de Conclusão de Curso (Graduação e Licenciatura em Enfermagem) - Escola de Enfermagem Aurora de Afonso Costa, Universidade Federal Fluminense, Niterói, 2019. http://app.uff.br/riuff/handle/1/26692 |
identifier_str_mv |
Hercules, Ana Beatriz Serra. Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp®. 2019. 44 f. Trabalho de Conclusão de Curso (Graduação e Licenciatura em Enfermagem) - Escola de Enfermagem Aurora de Afonso Costa, Universidade Federal Fluminense, Niterói, 2019. |
url |
http://app.uff.br/riuff/handle/1/26692 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823665404182528 |