Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Ferreira, Ana Cláudia Barbosa Honório, 1987-
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/7703
Resumo: Orientador: Maria Helena Baena de Moraes Lopes
id UNICAMP-30_1db834c3dbed5243258e50366ec65df4
oai_identifier_str oai::1260694
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiaisConstruction of a risk classifier for diabetic foot prevention using artificial neural networksDiabetes MellitusPé diabéticoTecnologiaGrupos de riscoRedes neurais (Computação)Diabetes MellitusDiabetic footTechnologyGroups of riskArtificial neural networkOrientador: Maria Helena Baena de Moraes LopesTese (doutorado) - Universidade Estadual de Campinas, Faculdade de EnfermagemResumo: Introdução: O Diabetes Mellitus é uma doença crônica, com prevalência elevada mundialmente e acarreta várias complicações. O pé diabético compromete a saúde e a qualidade de vida, pelo risco de amputação de membros inferiores. Objetivo: Construir um sistema de classificação de risco para prevenção do pé diabético, utilizando Redes Neurais Artificiais (RNA), a fim de estratificar as pessoas com diabetes que se encontram em risco para pé diabético. Método: Estudo metodológico realizado em seis etapas: (1) Construção do classificador automático de risco, utilizando uma RNA não supervisionada (Rede Competitiva) e um banco de dados (54 variáveis) de 250 pessoas com diabetes, sem classificação de risco por especialistas. O desempenho da rede foi validado com novos dados de 73 pessoas com diabetes, que foram classificadas por especialistas em alto e baixo risco para pé diabético; (2) Classificação, por especialistas, dos 250 indivíduos em alto ou baixo risco para pé diabético; (3) Construção do classificador automático de risco, utilizando uma RNA supervisionada (Perceptrom multi camadas - MLP) e o banco de dados das 250 pessoas com diabetes, já classificadas quanto ao risco para pé diabético. O desempenho da rede foi avaliado por meio de um novo banco de dados com 141 pessoas com diabetes, classificadas por especialistas em alto e baixo risco para pé diabético; (4) Desenvolvimento e registro de um software baseado na RNA competitiva; (5) Desenvolvimento de um aplicativo para smartphone baseado na Rede MLP e projeção de relatório personalizado indicando o autocuidado para cada usuário, (6) Avaliação da usabilidade do aplicativo, com uso da System Usability Scale (SUS). Análise dos dados: A RNA não supervisionada evidenciou dois grupos (alto e baixo risco). Para a construção da RNA supervisionada, diferentes modelos foram construídos a fim de encontrar a melhor abordagem. Foram avaliadas a especificidade, a sensibilidade, a acurácia e os valores preditivos positivos e negativos dos modelos da RNA supervisionada, bem como da RNA não supervisionada. Foi realizado o teste t de Friedman e o Pós-teste de Dunn-Bonferroni para comparar os diferentes modelos de RNA supervisionada e selecionar aquela de melhor desempenho. Resultados: O modelo de RNA não supervisionada se mostrou com boa predição de risco, porém o modelo supervisionado (MIII1) teve melhor desempenho. É um modelo simples, com menor complexidade computacional, utiliza 10 variáveis, de um total de 54, para a predição do risco. Foi construído um software para computador (CARPeDIA) que utilizou o modelo de RNA não supervisionada e um aplicativo para celular (CARPeDIA) que utilizou o modelo de RNA supervisionada MIII1. O aplicativo apresentou boa usabilidade pela SUS (93,33 pontos em uma escala de 0 a 100). Foi projetado um relatório que apresenta informações personalizadas ao usuário incentivando o autocuidado. Conclusão: A RNA supervisionada MIII1 possui boa capacidade para predição do risco para pé diabético e é uma ferramenta de fácil utilização por profissionais da saúde e usuários. Ela é menos complexa, com apenas 10 variáveis de entrada, o que facilitará seu uso por usuários e profissionais da saúde em aplicativosAbstract: Introduction: Diabetes Mellitus is a chronic disease with a high prevalence worldwide and causes several complications. Diabetic foot compromises health and quality of life, due to the risk of lower limb amputation. Objective: To develop a risk classification system for the prevention of diabetic foot, using Artificial Neural Networks (ANN), to classify people at risk for developing diabetic foot. Method: This is a methodological study that comprised six stages: (1) Construction of the automatic risk classifier, using an unsupervised ANN (Competitive Neural Layer - CNL) and a database (54 variables) of 250 people with Diabetes, without risk classification performed by specialists. The performance of the CNL was validated with data from 73 people with Diabetes, who were classified by specialists at high and low risk for diabetic foot; (2) Classification, by specialists, of 250 individuals at high or low risk for diabetic foot; (3) Construction of the automatic risk classifier, using a supervised ANN (Multi-layer Perceptrom - MLP) and the database of 250 people with Diabetes already classified as low or high risk for diabetic foot. The performance of the network was assessed using a database of 141 people with diabetes, classified by specialists at high and low risk for diabetic foot; (4) Development and registration of software based on CNL; (5) Development of a smartphone app based on the MLP Network and design of a custom report indicating the recommended selfcare by user, (6) Evaluation of the app usability, using the System Usability Scale (SUS). Data Analysis: The unsupervised ANN showed two groups (high and low risk). For the construction of the supervised ANN, different models were built to find the best approach. Specificity, sensitivity, accuracy, and positive and negative predictive values of both supervised and unsupervised ANN models were evaluated. Statistical tests (Friedman's t test e Dunn-Bonferroni) were performed to compare the different models of supervised ANN and selecting the one with the best performance. Results: Despite the unsupervised ANN model has presented a good risk prediction, the supervised model (MIII1) performed better. This is a simple model, using 10 variables, out of a total of 54, to predict risk. A software (CARPeDIA) that implements the CNL model and an app (CARPeDIA) that implements the supervised ANN model MIII1 were built. The app showed good usability by SUS (93.33 points in a scale from 0 to 100). It was created a report presenting custom information for the user to encourage self-care. Conclusion: The supervised ANN MIII1 presented a good ability to predict risk for diabetic foot and showed to be an easy tool for health professionals and users. It is less complex, with only 10 input variables, which will facilitate its use in Health Units and appsDoutoradoCuidado e Inovação Tecnológica em Saúde e EnfermagemDoutora em Ciências da Saúde[s.n.]Lopes, Maria Helena Baena de Moraes, 1959-Gamba, Mônica AntarVitor, Giovani BernardesAraujo, Eliana Pereira deRodrigues, Demostenes ZegarraUniversidade Estadual de Campinas (UNICAMP). Faculdade de EnfermagemPrograma de Pós-Graduação em EnfermagemUNIVERSIDADE ESTADUAL DE CAMPINASFerreira, Ana Cláudia Barbosa Honório, 1987-20202020-12-02T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf1 recurso online (161 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/7703FERREIRA, Ana Cláudia Barbosa Honório. Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais. 2020. 1 recurso online (161 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Enfermagem, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/7703. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1260694porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2023-03-02T16:26:25Zoai::1260694Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2023-03-02T16:26:25Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais
Construction of a risk classifier for diabetic foot prevention using artificial neural networks
title Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais
spellingShingle Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais
Ferreira, Ana Cláudia Barbosa Honório, 1987-
Diabetes Mellitus
Pé diabético
Tecnologia
Grupos de risco
Redes neurais (Computação)
Diabetes Mellitus
Diabetic foot
Technology
Groups of risk
Artificial neural network
title_short Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais
title_full Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais
title_fullStr Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais
title_full_unstemmed Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais
title_sort Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais
author Ferreira, Ana Cláudia Barbosa Honório, 1987-
author_facet Ferreira, Ana Cláudia Barbosa Honório, 1987-
author_role author
dc.contributor.none.fl_str_mv Lopes, Maria Helena Baena de Moraes, 1959-
Gamba, Mônica Antar
Vitor, Giovani Bernardes
Araujo, Eliana Pereira de
Rodrigues, Demostenes Zegarra
Universidade Estadual de Campinas (UNICAMP). Faculdade de Enfermagem
Programa de Pós-Graduação em Enfermagem
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Ferreira, Ana Cláudia Barbosa Honório, 1987-
dc.subject.por.fl_str_mv Diabetes Mellitus
Pé diabético
Tecnologia
Grupos de risco
Redes neurais (Computação)
Diabetes Mellitus
Diabetic foot
Technology
Groups of risk
Artificial neural network
topic Diabetes Mellitus
Pé diabético
Tecnologia
Grupos de risco
Redes neurais (Computação)
Diabetes Mellitus
Diabetic foot
Technology
Groups of risk
Artificial neural network
description Orientador: Maria Helena Baena de Moraes Lopes
publishDate 2020
dc.date.none.fl_str_mv 2020
2020-12-02T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/7703
FERREIRA, Ana Cláudia Barbosa Honório. Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais. 2020. 1 recurso online (161 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Enfermagem, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/7703. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/7703
identifier_str_mv FERREIRA, Ana Cláudia Barbosa Honório. Construção de um classificador de risco para prevenção do pé diabético usando redes neurais artificiais. 2020. 1 recurso online (161 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Enfermagem, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/7703. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1260694
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (161 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189187328409600