SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas

Detalhes bibliográficos
Autor(a) principal: Oliveira, André Santaló de
Data de Publicação: 2019
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/198563
Resumo: Sistemas de apoio a decisão clínicos (SADCs) são uma importante ferramenta para a minimização de erros de diagnóstico por profissionais de saúde e na busca por maior segurança para os pacientes. Sistemas desse tipo podem possuir mecanismos de inferência fundamentados em redes probabilísticas, como redes bayesianas (RBs), uma vez que elas se mostram adequadas para a representação de elementos de incerteza presentes no domínio clínico. Esses mecanismos de inferência podem ser modelados teoricamente por especialistas na área da saúde, mas a aplicação efetiva desses mecanismos em um sistema exige habilidades técnicas de desenvolvimento de software, muitas vezes pouco acessíveis a esses especialistas. Em vista de simplificar esse processo, esse trabalho apresenta o frameworkSRBayeS, que possibilita a aplicação prática de um SADC em ambiente mobilea partir de uma base de conhecimento modelada por um especialista. A base de conhecimento deve ser composta por uma RB e por metadados especificados pelo especialista que caracterizam os elementos de interação do SADC com o profissional alvo. O SR-BayeS define a estrutura dos metadados e oferece uma ferramenta para sua modelagem. As funcionalidades implementadas neste trabalho foram fortemente guiadas pelas necessidades presentes no trabalho de Bykowski (2019), que propõe a modelagem de uma RB com vistas a projetar um SADC que gera recomendações para a reabilitação fisioterapêutica de pacientes oncológicos. Esse SADC foi implementado através do SR-BayeS e seu uso avaliado por profissionais da área, com recepção positiva.
id UFRGS-2_af2cf3e91216ac5b92e6ef4fe8b5458e
oai_identifier_str oai:www.lume.ufrgs.br:10183/198563
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Oliveira, André Santaló deGalante, Renata de MatosFlores, Cecilia Dias2019-08-29T02:34:57Z2019http://hdl.handle.net/10183/198563001098441Sistemas de apoio a decisão clínicos (SADCs) são uma importante ferramenta para a minimização de erros de diagnóstico por profissionais de saúde e na busca por maior segurança para os pacientes. Sistemas desse tipo podem possuir mecanismos de inferência fundamentados em redes probabilísticas, como redes bayesianas (RBs), uma vez que elas se mostram adequadas para a representação de elementos de incerteza presentes no domínio clínico. Esses mecanismos de inferência podem ser modelados teoricamente por especialistas na área da saúde, mas a aplicação efetiva desses mecanismos em um sistema exige habilidades técnicas de desenvolvimento de software, muitas vezes pouco acessíveis a esses especialistas. Em vista de simplificar esse processo, esse trabalho apresenta o frameworkSRBayeS, que possibilita a aplicação prática de um SADC em ambiente mobilea partir de uma base de conhecimento modelada por um especialista. A base de conhecimento deve ser composta por uma RB e por metadados especificados pelo especialista que caracterizam os elementos de interação do SADC com o profissional alvo. O SR-BayeS define a estrutura dos metadados e oferece uma ferramenta para sua modelagem. As funcionalidades implementadas neste trabalho foram fortemente guiadas pelas necessidades presentes no trabalho de Bykowski (2019), que propõe a modelagem de uma RB com vistas a projetar um SADC que gera recomendações para a reabilitação fisioterapêutica de pacientes oncológicos. Esse SADC foi implementado através do SR-BayeS e seu uso avaliado por profissionais da área, com recepção positiva.Clinical decision support systems (CDSS) are an important tool for minimization of diagnostic errors by healthcare professionals and in search for greater patient safety. These kinds of systems may have inference engines based on probabilistic networks, such as Bayesian networks (BN), since they are well suited for representing uncertainty elements present in the clinical domain. These inference engines may be theoretically modeled by healthcare experts, but the actual application of these engines in a system demands technical expertise for software development, often not easily accessible by these experts. Seeking the simplification of this process, this work introduces the SR-BayeS framework, which allows the practical application of a mobile CDSS from a knowledge base modeled by a healthcare expert. The knowledge base must be composed by a BN and by metadata specified by the expert which define the interaction elements of the CDSS with the target professional user. SR-BayeS defines the metadata structure and a tool for its modelling. The functionalities implemented in this work were heavily guided by the demands present in Bykowski (2019) work, which proposes the modelling of a BN with the objective of projecting a CDSS that generates recommendations for the physiotherapeutic rehabilitation of cancer patients. This CDSS was implemented using SR-BayeS and its use were evaluated by physiotherapy professionals to positive reception.application/pdfporBanco : DadosRedes bayesianasClinical decision support systemFrameworkBayesian networkSR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianasSR-Bayes: A framework for mobile application of clinical decision support systems based on bayesian networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2019Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001098441.pdf.txt001098441.pdf.txtExtracted Texttext/plain93561http://www.lume.ufrgs.br/bitstream/10183/198563/2/001098441.pdf.txt29476b634d31ce11dcfc7c85fe7d1091MD52ORIGINAL001098441.pdfTexto completoapplication/pdf3843784http://www.lume.ufrgs.br/bitstream/10183/198563/1/001098441.pdf590b3a9b058db07aaaf062126c17bbaaMD5110183/1985632019-08-30 02:35:01.815836oai:www.lume.ufrgs.br:10183/198563Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2019-08-30T05:35:01Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas
dc.title.alternative.en.fl_str_mv SR-Bayes: A framework for mobile application of clinical decision support systems based on bayesian networks
title SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas
spellingShingle SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas
Oliveira, André Santaló de
Banco : Dados
Redes bayesianas
Clinical decision support system
Framework
Bayesian network
title_short SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas
title_full SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas
title_fullStr SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas
title_full_unstemmed SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas
title_sort SR-BayeS : um framework para aplicação mobile de sistemas de apoio a decisão clínicos baseados em redes bayesianas
author Oliveira, André Santaló de
author_facet Oliveira, André Santaló de
author_role author
dc.contributor.author.fl_str_mv Oliveira, André Santaló de
dc.contributor.advisor1.fl_str_mv Galante, Renata de Matos
dc.contributor.advisor-co1.fl_str_mv Flores, Cecilia Dias
contributor_str_mv Galante, Renata de Matos
Flores, Cecilia Dias
dc.subject.por.fl_str_mv Banco : Dados
Redes bayesianas
topic Banco : Dados
Redes bayesianas
Clinical decision support system
Framework
Bayesian network
dc.subject.eng.fl_str_mv Clinical decision support system
Framework
Bayesian network
description Sistemas de apoio a decisão clínicos (SADCs) são uma importante ferramenta para a minimização de erros de diagnóstico por profissionais de saúde e na busca por maior segurança para os pacientes. Sistemas desse tipo podem possuir mecanismos de inferência fundamentados em redes probabilísticas, como redes bayesianas (RBs), uma vez que elas se mostram adequadas para a representação de elementos de incerteza presentes no domínio clínico. Esses mecanismos de inferência podem ser modelados teoricamente por especialistas na área da saúde, mas a aplicação efetiva desses mecanismos em um sistema exige habilidades técnicas de desenvolvimento de software, muitas vezes pouco acessíveis a esses especialistas. Em vista de simplificar esse processo, esse trabalho apresenta o frameworkSRBayeS, que possibilita a aplicação prática de um SADC em ambiente mobilea partir de uma base de conhecimento modelada por um especialista. A base de conhecimento deve ser composta por uma RB e por metadados especificados pelo especialista que caracterizam os elementos de interação do SADC com o profissional alvo. O SR-BayeS define a estrutura dos metadados e oferece uma ferramenta para sua modelagem. As funcionalidades implementadas neste trabalho foram fortemente guiadas pelas necessidades presentes no trabalho de Bykowski (2019), que propõe a modelagem de uma RB com vistas a projetar um SADC que gera recomendações para a reabilitação fisioterapêutica de pacientes oncológicos. Esse SADC foi implementado através do SR-BayeS e seu uso avaliado por profissionais da área, com recepção positiva.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-08-29T02:34:57Z
dc.date.issued.fl_str_mv 2019
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 http://hdl.handle.net/10183/198563
dc.identifier.nrb.pt_BR.fl_str_mv 001098441
url http://hdl.handle.net/10183/198563
identifier_str_mv 001098441
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/198563/2/001098441.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/198563/1/001098441.pdf
bitstream.checksum.fl_str_mv 29476b634d31ce11dcfc7c85fe7d1091
590b3a9b058db07aaaf062126c17bbaa
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224579608215552