Publicação
Simplificação de modelos através do uso de Data Mining : aplicação à área de medicina intensiva
| Resumo: | O percurso que as ciências médicas têm efectuado nos últimos 30 anos está estreitamente vinculado ao desenvolvimento tecnológico. A evolução, aperfeiçoamento e mesmo o despontar de novas técnicas de Inteligência Artificial (IA) funcionam como impulsionador vital para a criação de novos métodos de investigação aplicada às mais variadas áreas da medicina. Pelas suas características muito próprias, quer a nível da constituição das equipas de intervenção (médicos, enfermeiros e auxiliares) quer pela vanguarda tecnológica, as Unidades de Cuidados Intensivos (UCI) são locais perfeitos para a implementação e realização de estudos com vista à implementação de novos modelos e métodos de investigação. O presente trabalho pretende apresentar um método complementar ou alternativo ao actual modelo Simplified Acute Physiology Score (SAPSII) para determinação do índice de gravidade hospitalar em doentes de UCI baseado em Eventos Clínicos Adversos (ECA). Por último, os modelos gerados foram confrontados e analisados recorrendo a técnicas de clustering e reamonstragem (resampling), constatando–se que os modelos gerados poderão servir de suporte alternativo para a determinação dos índices de gravidade hospitalar. |
|---|---|
| Autores principais: | Martins, Rui Pedro Sobral |
| Assunto: | Modelos de Previsão de Mortalidade Baseado em outcomes intermédios Descoberta de Conhecimento em Bases de Dados Data Mining Bases de Dados Redes Neuronais Artificiais e Inteligência Artificial Mortality Predicting Models based on Intermediate Outcomes Knowledge Discovery from Databases Data Mining Databases Artificial Neuronal Networks, Artificial Intelligence |
| Ano: | 2006 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso restrito |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | O percurso que as ciências médicas têm efectuado nos últimos 30 anos está estreitamente vinculado ao desenvolvimento tecnológico. A evolução, aperfeiçoamento e mesmo o despontar de novas técnicas de Inteligência Artificial (IA) funcionam como impulsionador vital para a criação de novos métodos de investigação aplicada às mais variadas áreas da medicina. Pelas suas características muito próprias, quer a nível da constituição das equipas de intervenção (médicos, enfermeiros e auxiliares) quer pela vanguarda tecnológica, as Unidades de Cuidados Intensivos (UCI) são locais perfeitos para a implementação e realização de estudos com vista à implementação de novos modelos e métodos de investigação. O presente trabalho pretende apresentar um método complementar ou alternativo ao actual modelo Simplified Acute Physiology Score (SAPSII) para determinação do índice de gravidade hospitalar em doentes de UCI baseado em Eventos Clínicos Adversos (ECA). Por último, os modelos gerados foram confrontados e analisados recorrendo a técnicas de clustering e reamonstragem (resampling), constatando–se que os modelos gerados poderão servir de suporte alternativo para a determinação dos índices de gravidade hospitalar. |
|---|