Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/42849 |
Resumo: | A pandemia do novo coronavirus trouxe a tona o terceiro surto mundial de Síndrome Respiratória Aguda Grave (SRAG) causado pela sua família de vírus, mostrando ter uma alta taxa de trans-missão e letalidade, aliando esse fato ao crescente avanço tecnológico, bem como a quantidade absurda de dados geradas a todo momento, inclusive na área da saúde, a capacidade de análise humana tende a ficar defasada. Havendo uma necessidade urgente para uma nova geração de teorias computacionais e ferramentas para auxiliar os indivíduos na extração de informações relevantes dos volumes de dados digitais em rápido crescimento. Assim sendo, o trabalho em questão propôs o uso da mineração de dados para predição e análise de recuperação de pacientes infectados por SRAGs, com maior interesse no atributo óbito, com o uso de três modelos de predição, através dos algoritmos de Árvore de Decisão, Regressão Logística e Máquina de Vetor de Suporte. A análise foi feita usando um conjunto de dados de pacientes infectados que contemplam a região nordeste do país, disponibilizados através da Plataforma Integrada de Vigilância em Saúde do Ministério da Saúde (IVIS)1. No presente estudo o algoritmo de Árvore de Decisão se mostrou sendo o mais eficaz na previsão de possibilidades de recuperação dos pacientes com SRAGs, ficando a frente dos modelos construídos com base nos algoritmos de Regressão Logística e Máquina de Vetor de Suporte, respectivamente. |
id |
UFRN_17d90ebc6d856f47d98d999e921c089c |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/42849 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Silva, Bruno Borges daCunha, Josiane Araújo daFerreira, Almir MirandaGuerra, Fabrício ValeRabelo, Humberto2021-08-19T16:49:05Z2021-10-05T15:38:57Z2021-08-19T16:49:05Z2021-10-05T15:38:57Z2021-05-062014064175SILVA, Bruno Borges da. Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG. 2021. 43f. TCC (Graduação) - Curso de Sistemas de Informação, Departamento de Computação e Tecnologia, Universidade Federal do Rio Grande do Norte, Caicó, 2021.https://repositorio.ufrn.br/handle/123456789/42849A pandemia do novo coronavirus trouxe a tona o terceiro surto mundial de Síndrome Respiratória Aguda Grave (SRAG) causado pela sua família de vírus, mostrando ter uma alta taxa de trans-missão e letalidade, aliando esse fato ao crescente avanço tecnológico, bem como a quantidade absurda de dados geradas a todo momento, inclusive na área da saúde, a capacidade de análise humana tende a ficar defasada. Havendo uma necessidade urgente para uma nova geração de teorias computacionais e ferramentas para auxiliar os indivíduos na extração de informações relevantes dos volumes de dados digitais em rápido crescimento. Assim sendo, o trabalho em questão propôs o uso da mineração de dados para predição e análise de recuperação de pacientes infectados por SRAGs, com maior interesse no atributo óbito, com o uso de três modelos de predição, através dos algoritmos de Árvore de Decisão, Regressão Logística e Máquina de Vetor de Suporte. A análise foi feita usando um conjunto de dados de pacientes infectados que contemplam a região nordeste do país, disponibilizados através da Plataforma Integrada de Vigilância em Saúde do Ministério da Saúde (IVIS)1. No presente estudo o algoritmo de Árvore de Decisão se mostrou sendo o mais eficaz na previsão de possibilidades de recuperação dos pacientes com SRAGs, ficando a frente dos modelos construídos com base nos algoritmos de Regressão Logística e Máquina de Vetor de Suporte, respectivamente.The new coronavirus pandemic brought to light the third worldwide outbreak of SRAG caused by its family of viruses, showing a high rate of transmission and lethality, combining this fact with increasing technological advancement, as well as the absurd amount of data generated at all times, including in the health area, the capacity for human analysis tends to lag. There is an urgent need for a new generation of computational theories and tools to assist individuals in extracting useful information (knowledge) from rapidly growing digital data volumes. Therefore, the work in question proposed the use of data mining for prediction and analysis of recovery of patients infected by SRAGs with the use of three prediction models, through the Decision Tree, Logistic Regression and Support Vector Machine algorithms. . The analysis was carried out using a set of data from infected patients that contemplate the northeastern region of the country, made available through the Ministry of Health’s Integrated Health Surveillance Platform (IVIS)2.In the present study, the Decision Tree algorithm proved to be the most effective in predicting recovery possibilities for patients with SRAGs, staying ahead of the models built based on the Logistic Regression and Support Vector Machine algorithms, respectively.Universidade Federal do Rio Grande do NorteUFRNBrasilSistemas de InformaçãoAttribution 3.0 Brazilhttp://creativecommons.org/licenses/by/3.0/br/info:eu-repo/semantics/openAccessMineração de DadosPandemiaSíndrome Respiratória Aguda GraveTarefa de PrediçãoUso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAGUse of data mining for prediction and analysis of recovery of patients infected with Severe Acute Respiratory Syndrome - SARSinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALUsoDeMineraçãoDeDados_Silva_2021Arquivo final do TCCapplication/octet-stream961942https://repositorio.ufrn.br/bitstream/123456789/42849/1/UsoDeMinera%c3%a7%c3%a3oDeDados_Silva_20219825297e7c0b1a85b6be8239eca10c66MD51CC-LICENSElicense_rdfapplication/octet-stream914https://repositorio.ufrn.br/bitstream/123456789/42849/2/license_rdf4d2950bda3d176f570a9f8b328dfbbefMD52LICENSElicense.txttext/plain714https://repositorio.ufrn.br/bitstream/123456789/42849/3/license.txt7278bab9c5c886812fa7d225dc807888MD53123456789/428492021-10-05 12:38:57.194oai:https://repositorio.ufrn.br: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ório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2021-10-05T15:38:57Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG |
dc.title.alternative.pt_BR.fl_str_mv |
Use of data mining for prediction and analysis of recovery of patients infected with Severe Acute Respiratory Syndrome - SARS |
title |
Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG |
spellingShingle |
Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG Silva, Bruno Borges da Mineração de Dados Pandemia Síndrome Respiratória Aguda Grave Tarefa de Predição |
title_short |
Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG |
title_full |
Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG |
title_fullStr |
Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG |
title_full_unstemmed |
Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG |
title_sort |
Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG |
author |
Silva, Bruno Borges da |
author_facet |
Silva, Bruno Borges da |
author_role |
author |
dc.contributor.referees1.none.fl_str_mv |
Cunha, Josiane Araújo da |
dc.contributor.referees2.none.fl_str_mv |
Ferreira, Almir Miranda |
dc.contributor.referees3.none.fl_str_mv |
Guerra, Fabrício Vale |
dc.contributor.author.fl_str_mv |
Silva, Bruno Borges da |
dc.contributor.advisor1.fl_str_mv |
Rabelo, Humberto |
contributor_str_mv |
Rabelo, Humberto |
dc.subject.por.fl_str_mv |
Mineração de Dados Pandemia Síndrome Respiratória Aguda Grave Tarefa de Predição |
topic |
Mineração de Dados Pandemia Síndrome Respiratória Aguda Grave Tarefa de Predição |
description |
A pandemia do novo coronavirus trouxe a tona o terceiro surto mundial de Síndrome Respiratória Aguda Grave (SRAG) causado pela sua família de vírus, mostrando ter uma alta taxa de trans-missão e letalidade, aliando esse fato ao crescente avanço tecnológico, bem como a quantidade absurda de dados geradas a todo momento, inclusive na área da saúde, a capacidade de análise humana tende a ficar defasada. Havendo uma necessidade urgente para uma nova geração de teorias computacionais e ferramentas para auxiliar os indivíduos na extração de informações relevantes dos volumes de dados digitais em rápido crescimento. Assim sendo, o trabalho em questão propôs o uso da mineração de dados para predição e análise de recuperação de pacientes infectados por SRAGs, com maior interesse no atributo óbito, com o uso de três modelos de predição, através dos algoritmos de Árvore de Decisão, Regressão Logística e Máquina de Vetor de Suporte. A análise foi feita usando um conjunto de dados de pacientes infectados que contemplam a região nordeste do país, disponibilizados através da Plataforma Integrada de Vigilância em Saúde do Ministério da Saúde (IVIS)1. No presente estudo o algoritmo de Árvore de Decisão se mostrou sendo o mais eficaz na previsão de possibilidades de recuperação dos pacientes com SRAGs, ficando a frente dos modelos construídos com base nos algoritmos de Regressão Logística e Máquina de Vetor de Suporte, respectivamente. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-08-19T16:49:05Z 2021-10-05T15:38:57Z |
dc.date.available.fl_str_mv |
2021-08-19T16:49:05Z 2021-10-05T15:38:57Z |
dc.date.issued.fl_str_mv |
2021-05-06 |
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.pt_BR.fl_str_mv |
2014064175 |
dc.identifier.citation.fl_str_mv |
SILVA, Bruno Borges da. Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG. 2021. 43f. TCC (Graduação) - Curso de Sistemas de Informação, Departamento de Computação e Tecnologia, Universidade Federal do Rio Grande do Norte, Caicó, 2021. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/42849 |
identifier_str_mv |
2014064175 SILVA, Bruno Borges da. Uso de mineração de dados para predição e análise de recuperação de pacientes infectados por Síndrome Respiratória Aguda Grave - SRAG. 2021. 43f. TCC (Graduação) - Curso de Sistemas de Informação, Departamento de Computação e Tecnologia, Universidade Federal do Rio Grande do Norte, Caicó, 2021. |
url |
https://repositorio.ufrn.br/handle/123456789/42849 |
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.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Sistemas de Informação |
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/123456789/42849/1/UsoDeMinera%c3%a7%c3%a3oDeDados_Silva_2021 https://repositorio.ufrn.br/bitstream/123456789/42849/2/license_rdf https://repositorio.ufrn.br/bitstream/123456789/42849/3/license.txt |
bitstream.checksum.fl_str_mv |
9825297e7c0b1a85b6be8239eca10c66 4d2950bda3d176f570a9f8b328dfbbef 7278bab9c5c886812fa7d225dc807888 |
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_ |
1802117581464666112 |