Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/53520 |
Resumo: | O objetivo deste trabalho é analisar quais foram os sintomas mais frequentes dos pacientes de Covid-19 e se houve mudança na prevalência desses sintomas ao longo da pandemia. Para isto, foi utilizada a técnica de geração de regras de associação, que é uma abordagem de aprendizagem de máquina não supervisionada que busca encontrar relacionamento entre elementos que ocorrem em comum dentro de um determinado conjunto de dados. No caso, os sintomas como febre, dor de cabeça e falta de ar foram modelados como os elementos e serem associados. Para realização das análises foram utilizados algoritmo Apriori, para a geração das regras de associação, e dados de casos confirmados de Covid-19, disponíveis no sistema OpenDataSus do portal de dados abertos do Ministério da Saúde. Foram analisados dados de casos confirmados de Covid-19 no estado de São Paulo, Brasil, em três períodos diferentes entre os anos de 2020 e 2021. Também foi analisada a influência dos hiper-parâmetros Suporte, Confiança e Lift do algoritmo Apriori sobre a quantidade e qualidade das regras de associação geradas. |
id |
UFRN_0c087bb5d34ef5586fc5ed5df0d1f7a0 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/53520 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Borges, Joanderson Lucas Laurentinohttp://lattes.cnpq.br/6162803724326132http://lattes.cnpq.br/7987212907837941Silva, Julliana Caroline Gonçalves de Araújohttp://lattes.cnpq.br/5554033822360657Gendriz, Ignacio Sánchezhttp://lattes.cnpq.br/6338710569530857Oliveira, Luiz Affonso Henderson Guedes de2023-07-17T18:58:30Z2023-07-17T18:58:30Z2023-07-03BORGES, Joanderson Lucas Laurentino Borges. Aplicando regras de associação para encontrar regras dos sintomas de covid-19 em diferentes períodos da pandemia. 2023. 22f. Trabalho de Conclusão de Curso(Graduação em Engenharia de Computação) - Departamento de Engenharia de Computação, Universidade Federal do Rio Grande do Norte, Natal, 2023.https://repositorio.ufrn.br/handle/123456789/53520O objetivo deste trabalho é analisar quais foram os sintomas mais frequentes dos pacientes de Covid-19 e se houve mudança na prevalência desses sintomas ao longo da pandemia. Para isto, foi utilizada a técnica de geração de regras de associação, que é uma abordagem de aprendizagem de máquina não supervisionada que busca encontrar relacionamento entre elementos que ocorrem em comum dentro de um determinado conjunto de dados. No caso, os sintomas como febre, dor de cabeça e falta de ar foram modelados como os elementos e serem associados. Para realização das análises foram utilizados algoritmo Apriori, para a geração das regras de associação, e dados de casos confirmados de Covid-19, disponíveis no sistema OpenDataSus do portal de dados abertos do Ministério da Saúde. Foram analisados dados de casos confirmados de Covid-19 no estado de São Paulo, Brasil, em três períodos diferentes entre os anos de 2020 e 2021. Também foi analisada a influência dos hiper-parâmetros Suporte, Confiança e Lift do algoritmo Apriori sobre a quantidade e qualidade das regras de associação geradas.The aim of this study is to analyze the most prevalent symptoms among Covid-19 patients and investigate if there have been changes in the occurrence of these symptoms over the course of the pandemic. To achieve this, we employed the technique of association rule mining, an unsupervised machine learning approach that seeks to uncover relationships between elements that commonly co-occur within a given dataset. In this study, symptoms such as fever, headache, and shortness of breath were considered as the elements to be associated. The Apriori algorithm was utilized to generate the association rules, and we utilized confirmed Covid-19 cases data from the OpenDataSus system, which is part of the Ministry of Health’s open data portal. We analyzed data from confirmed Covid-19 cases in the state of São Paulo, Brazil, across three distinct periods spanning from 2020 to 2021. Furthermore, we examined the impact of the Apriori algorithm’s hyperparameters, namely Support, Confidence, and Lift, on both the quantity and quality of the generated association rules.Universidade Federal do Rio Grande do NorteENGENHARIA DE COMPUTACAOUFRNBrasilDEPARTAMENTO DE ENGENHARIA DE COMPUTACAOAttribution 3.0 Brazilhttp://creativecommons.org/licenses/by/3.0/br/info:eu-repo/semantics/openAccessMineração de dadosCovid-19Aprendizagem de máquinaRegras de associaçãoPythonAprendizagem não supervisionadaAplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemiainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALJoanderson_Lucas_TCC.pdfJoanderson_Lucas_TCC.pdfapplication/pdf767183https://repositorio.ufrn.br/bitstream/123456789/53520/1/Joanderson_Lucas_TCC.pdf26e47e45e8ebaa4d9b7cd8b974c69030MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.ufrn.br/bitstream/123456789/53520/2/license_rdf4d2950bda3d176f570a9f8b328dfbbefMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81484https://repositorio.ufrn.br/bitstream/123456789/53520/3/license.txte9597aa2854d128fd968be5edc8a28d9MD53123456789/535202023-07-17 15:58:30.736oai:https://repositorio.ufrn.br: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Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2023-07-17T18:58:30Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia |
title |
Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia |
spellingShingle |
Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia Borges, Joanderson Lucas Laurentino Mineração de dados Covid-19 Aprendizagem de máquina Regras de associação Python Aprendizagem não supervisionada |
title_short |
Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia |
title_full |
Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia |
title_fullStr |
Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia |
title_full_unstemmed |
Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia |
title_sort |
Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia |
author |
Borges, Joanderson Lucas Laurentino |
author_facet |
Borges, Joanderson Lucas Laurentino |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6162803724326132 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/7987212907837941 |
dc.contributor.referees1.none.fl_str_mv |
Silva, Julliana Caroline Gonçalves de Araújo |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5554033822360657 |
dc.contributor.referees2.none.fl_str_mv |
Gendriz, Ignacio Sánchez |
dc.contributor.referees2Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6338710569530857 |
dc.contributor.author.fl_str_mv |
Borges, Joanderson Lucas Laurentino |
dc.contributor.advisor1.fl_str_mv |
Oliveira, Luiz Affonso Henderson Guedes de |
contributor_str_mv |
Oliveira, Luiz Affonso Henderson Guedes de |
dc.subject.por.fl_str_mv |
Mineração de dados Covid-19 Aprendizagem de máquina Regras de associação Python Aprendizagem não supervisionada |
topic |
Mineração de dados Covid-19 Aprendizagem de máquina Regras de associação Python Aprendizagem não supervisionada |
description |
O objetivo deste trabalho é analisar quais foram os sintomas mais frequentes dos pacientes de Covid-19 e se houve mudança na prevalência desses sintomas ao longo da pandemia. Para isto, foi utilizada a técnica de geração de regras de associação, que é uma abordagem de aprendizagem de máquina não supervisionada que busca encontrar relacionamento entre elementos que ocorrem em comum dentro de um determinado conjunto de dados. No caso, os sintomas como febre, dor de cabeça e falta de ar foram modelados como os elementos e serem associados. Para realização das análises foram utilizados algoritmo Apriori, para a geração das regras de associação, e dados de casos confirmados de Covid-19, disponíveis no sistema OpenDataSus do portal de dados abertos do Ministério da Saúde. Foram analisados dados de casos confirmados de Covid-19 no estado de São Paulo, Brasil, em três períodos diferentes entre os anos de 2020 e 2021. Também foi analisada a influência dos hiper-parâmetros Suporte, Confiança e Lift do algoritmo Apriori sobre a quantidade e qualidade das regras de associação geradas. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-07-17T18:58:30Z |
dc.date.available.fl_str_mv |
2023-07-17T18:58:30Z |
dc.date.issued.fl_str_mv |
2023-07-03 |
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.citation.fl_str_mv |
BORGES, Joanderson Lucas Laurentino Borges. Aplicando regras de associação para encontrar regras dos sintomas de covid-19 em diferentes períodos da pandemia. 2023. 22f. Trabalho de Conclusão de Curso(Graduação em Engenharia de Computação) - Departamento de Engenharia de Computação, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/53520 |
identifier_str_mv |
BORGES, Joanderson Lucas Laurentino Borges. Aplicando regras de associação para encontrar regras dos sintomas de covid-19 em diferentes períodos da pandemia. 2023. 22f. Trabalho de Conclusão de Curso(Graduação em Engenharia de Computação) - Departamento de Engenharia de Computação, Universidade Federal do Rio Grande do Norte, Natal, 2023. |
url |
https://repositorio.ufrn.br/handle/123456789/53520 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution 3.0 Brazil http://creativecommons.org/licenses/by/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution 3.0 Brazil http://creativecommons.org/licenses/by/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
ENGENHARIA DE COMPUTACAO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
DEPARTAMENTO DE ENGENHARIA DE COMPUTACAO |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/53520/1/Joanderson_Lucas_TCC.pdf https://repositorio.ufrn.br/bitstream/123456789/53520/2/license_rdf https://repositorio.ufrn.br/bitstream/123456789/53520/3/license.txt |
bitstream.checksum.fl_str_mv |
26e47e45e8ebaa4d9b7cd8b974c69030 4d2950bda3d176f570a9f8b328dfbbef e9597aa2854d128fd968be5edc8a28d9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117755234680832 |