Aplicando regras de associação para encontrar regras dos sintomas de Covid-19 em diferentes períodos da pandemia

Detalhes bibliográficos
Autor(a) principal: Borges, Joanderson Lucas Laurentino
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:123456789/53520Tk9OLUVYQ0xVU0lWRSBESVNUUklCVVRJT04gTElDRU5TRQoKCkJ5IHNpZ25pbmcgYW5kIGRlbGl2ZXJpbmcgdGhpcyBsaWNlbnNlLCBNci4gKGF1dGhvciBvciBjb3B5cmlnaHQgaG9sZGVyKToKCgphKSBHcmFudHMgdGhlIFVuaXZlcnNpZGFkZSBGZWRlcmFsIFJpbyBHcmFuZGUgZG8gTm9ydGUgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgb2YKcmVwcm9kdWNlLCBjb252ZXJ0IChhcyBkZWZpbmVkIGJlbG93KSwgY29tbXVuaWNhdGUgYW5kIC8gb3IKZGlzdHJpYnV0ZSB0aGUgZGVsaXZlcmVkIGRvY3VtZW50IChpbmNsdWRpbmcgYWJzdHJhY3QgLyBhYnN0cmFjdCkgaW4KZGlnaXRhbCBvciBwcmludGVkIGZvcm1hdCBhbmQgaW4gYW55IG1lZGl1bS4KCmIpIERlY2xhcmVzIHRoYXQgdGhlIGRvY3VtZW50IHN1Ym1pdHRlZCBpcyBpdHMgb3JpZ2luYWwgd29yaywgYW5kIHRoYXQKeW91IGhhdmUgdGhlIHJpZ2h0IHRvIGdyYW50IHRoZSByaWdodHMgY29udGFpbmVkIGluIHRoaXMgbGljZW5zZS4gRGVjbGFyZXMKdGhhdCB0aGUgZGVsaXZlcnkgb2YgdGhlIGRvY3VtZW50IGRvZXMgbm90IGluZnJpbmdlLCBhcyBmYXIgYXMgaXQgaXMKdGhlIHJpZ2h0cyBvZiBhbnkgb3RoZXIgcGVyc29uIG9yIGVudGl0eS4KCmMpIElmIHRoZSBkb2N1bWVudCBkZWxpdmVyZWQgY29udGFpbnMgbWF0ZXJpYWwgd2hpY2ggZG9lcyBub3QKcmlnaHRzLCBkZWNsYXJlcyB0aGF0IGl0IGhhcyBvYnRhaW5lZCBhdXRob3JpemF0aW9uIGZyb20gdGhlIGhvbGRlciBvZiB0aGUKY29weXJpZ2h0IHRvIGdyYW50IHRoZSBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkbyBSaW8gR3JhbmRlIGRvIE5vcnRlIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdCB0aGlzIG1hdGVyaWFsIHdob3NlIHJpZ2h0cyBhcmUgb2YKdGhpcmQgcGFydGllcyBpcyBjbGVhcmx5IGlkZW50aWZpZWQgYW5kIHJlY29nbml6ZWQgaW4gdGhlIHRleHQgb3IKY29udGVudCBvZiB0aGUgZG9jdW1lbnQgZGVsaXZlcmVkLgoKSWYgdGhlIGRvY3VtZW50IHN1Ym1pdHRlZCBpcyBiYXNlZCBvbiBmdW5kZWQgb3Igc3VwcG9ydGVkIHdvcmsKYnkgYW5vdGhlciBpbnN0aXR1dGlvbiBvdGhlciB0aGFuIHRoZSBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkbyBSaW8gR3JhbmRlIGRvIE5vcnRlLCBkZWNsYXJlcyB0aGF0IGl0IGhhcyBmdWxmaWxsZWQgYW55IG9ibGlnYXRpb25zIHJlcXVpcmVkIGJ5IHRoZSByZXNwZWN0aXZlIGFncmVlbWVudCBvciBhZ3JlZW1lbnQuCgpUaGUgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZG8gUmlvIEdyYW5kZSBkbyBOb3J0ZSB3aWxsIGNsZWFybHkgaWRlbnRpZnkgaXRzIG5hbWUgKHMpIGFzIHRoZSBhdXRob3IgKHMpIG9yIGhvbGRlciAocykgb2YgdGhlIGRvY3VtZW50J3MgcmlnaHRzCmRlbGl2ZXJlZCwgYW5kIHdpbGwgbm90IG1ha2UgYW55IGNoYW5nZXMsIG90aGVyIHRoYW4gdGhvc2UgcGVybWl0dGVkIGJ5CnRoaXMgbGljZW5zZQo=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

Registros relacionados