Aplicação de mineração de dados em informações oriundas de prontuários de paciente
DOI:
https://doi.org/10.32810/2525-3468.ip.v3iEspecial.2018.39723.161-181Palavras-chave:
Mineração de Dados, Prontuário do Paciente, Descoberta de Conhecimento em Bases de DadosResumo
Este artigo procura investigar a aplicação da Mineração de Dados na descoberta de conhecimento oriundo de informações provenientes de prontuários do paciente. Diante disso, o objetivo foi examinar a bibliografia na busca da utilização, resultados e investimentos na área. A metodologia utilizada consistiu no levantamento bibliográfico, por meio de revisão de literatura e a aplicação de uma etapa da mineração de dados, a importação em dados provenientes da saúde. Conclui-se que a Mineração de Dados é eficiente, já existem muitas pesquisas e investimentos de grandes empresas e neste momento, possui um grande potencial de crescimento.Downloads
Referências
AMARAL, F. Aprenda Mineração de Dados: teoria e pratica. Rio de Janeiro: Alta Books, 2016a.
AMARAL, F. Introdução à Ciência de Dados: mineração de dados e big data. Rio de Janeiro: Alta Books, 2016b.
ANANIADOU, S.; KELL, D. B.; TSUJII, J. Text mining and its potential applications in systems biology. Biotechnology, [S.l.], v. 24, n. 12, p. 571-579, 2006. Disponível em: <https://bit.ly/2RaQ1Y1>. Acesso em: 07 set. 2018.
BENTES PINTO, V. Prontuário eletrônico do paciente: documento técnico de informação e comunicação do domínio da saúde. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, Florianópolis, v. 11, n. 21, 2006. Disponível em:<https://bit.ly/2QgqD5V>. Acesso em: 03 ago. 2018.
BRAGA, L. P. V. Introdução à Mineração de Dados: 2. ed. rev. ampl. Rio de Janeiro: E-papers Serviços Editoriais, 2005.
BRASIL. Resolução CFM nº 1638/02, de 10 de julho de 2002. Brasília: Diário Oficial da União; 09 de agosto de 2002.
BRASIL. Conselho Federal de Medicina. Sociedade Brasileira de Informática em Saúde. Manual de certificação para Sistemas de Registro Eletrônico em Saúde (S-RES) versão 4.2. Brasil, 2016.
BRASIL. Instituto Brasileiro de Geogradia e Estatística. Projeção da população do Brasil e das Unidades da Federação, 2018a. Disponível em: <https://bit.ly/2EIT9bH>. Acesso em: 12 set. 2018.
BRASIL. Portal brasileiro de dados abertos. Brasília, 2018b. Disponível em: <http://dados.gov.br>. Acesso em: 31 ago. 2018.
CARVALHO, D. R. et al. Mineração de Dados aplicada à fisioterapia. Fisioterapia Mov., Rio de Janeiro, v. 25, n. 3, p. 595-605, jul., 2012. Disponível em: <https://bit.ly/2Qjf2mL>. Acesso em: 26 ago. 2018.
CASTRO, L. N.; FERRARI, D. G. Introdução à Mineração de Dados. São Paulo: Saraiva, 2016.
CHIAVEGATTO FILHO, A. D. P. Uso de big data em saúde no Brasil: perspectivas para um futuro próximo. Epidemiologia e Serviços de Saúde, Brasília, v. 24, n. 2, p. 325-332, jun., 2015.
BRASIL. Conselho Federal de Medicina. PORTAL MÉDICO. 2018. Disponível em: <http://portal.cfm.org.br>. Acesso em: 12 set. 2018.
FALCÃO, A. E. J. et al. InDeCS: método automatizado de classificação de páginas Web de Saúde usando mineração de texto e Descritores em Ciências da Saúde (DeCS). Journal of Health Informatics, São Paulo, v. 1, n. 1, p. 1-6, jul. 2009. Disponível em: <https://bit.ly/2PS6Vyd>. Acesso em: 17 jun. 2018.
FERNEDA, E. Introdução aos Modelos Computacionais de Recuperação de Informação. Rio de Janeiro: Ciência Moderna, 2012.
GALVÃO, M. C. B.; RICARTE, I. L. M. Prontuário do Paciente. Rio de Janeiro: Guanabara Koogan, 2012.
GALVÃO, M. C. B.; RICARTE, I. L. M.. Prontuário eletrônico do paciente. 2015. 203 slides. Disponível em:
<https://bit.ly/2PR8A6V>. Acesso em: 10 jul. 2018.
GREGORY, G.; PRETTO, F. Mineração de Dados para Descoberta de Conhecimento em Dados de Promoção à Saúde. Revista Destaques Acadêmicos, [S.l.], v. 8, n. 4, p. 51-65, 2016.
HOBBS, G. R. Data mining and healthcare informatics. American journal of health behavior, [S.l.], v. 25, n. 3, p. 285-289, 2001.
INTERNATIONAL BUSINESS MACHINES. IBM Watson Health. 2016. Disponível em:
<https://ibm.co/2R9sBCj>. Acesso em: 14 maio. 2018.
INTERNATIONAL BUSINESS MACHINES. Watson Health. 2018. Disponível em:
<https://ibm.co/2bHwY2s>. Acesso em: 10 set. 2018.
INTERNATIONAL BUSINESS MACHINES. Watson and Cancer: Get the Facts. 2017. Disponível em: <https://ibm.co/2wbxuzK>. Acesso em: 19 set. 2017.
INTERNATIONAL DATA CORPORATION. The Digital Universe of Opportunities: Rich Data and the Increasing Value of the Internet of Things. 2014. Disponível em: <http://idcdocserv.com/1678>. Acesso em: 15 ago. 2018.
ISOTANI, S.; BITTENCOURT, I. Dados Abertos Conectados. São Paulo: Novatec Editora, 2015. Disponível em: <https://bit.ly/2L5Wctr>. Acesso em: 10 jun. 2018.
LOPES, V. J.; CARVALHO, D. R.; LAHM, J. V. KDD na Avaliação da Usabilidade do Prontuário Eletrônico do Paciente por Profissionais da Enfermagem. Revista Brasileira de Inovação Tecnológica em Saúde, Rio Grande do Norte, v. 6, n. 3, p. 20-31, 2017.
MACIEL, T. V. et al. Mineração de Dados em triagem de risco de saúde. Revista Brasileira de Computação Aplicada, [S.l.], v. 7, n. 2, p. 26-40, 2015.
MOOERS, C. N. Zatocoding applied to mechanical organization of knowledge. American documentation, [S.l], v. 2, n. 1, p. 20-32, 1951.
ORGANIZAÇÃO MUNDIAL DA SAÚDE. Evaluación de los programas de salud: normas fundamentales para su aplicación en el procesode gestion para el desarollo nacional de la salud. Genebra, 1981. p. 49.
PENG, R. D. R Programming for Data Science. Online: Leanpub, 2015. Disponível em: <https://bit.ly/1JIouGj>. Acesso em: 03 ago. 2018.
QUILICI-GONZALEZ, J. A.; ZAMPIROLLI, F. A. Sistemas Inteligentes e Mineração de Dados. Santo André: Triunfa Gráfica e Editora, 2015.
R CORE TEAM. Comprehensive R Archive Network. R Data Import/Export. 2015. Disponível em: <https://bit.ly/2KtBc0j>. Acesso em: 10 ago. 2018.
RSTUDIO. Take control of your R code. 2018. Disponível em: <https://bit.ly/1VLmlgA>. Acesso em: 13 ago. 2018.
SCHEFFER, M. et al., Demografia Médica no Brasil 2015. Departamento de Medicina Preventiva, Faculdade de Medicina da USP. Conselho Regional de Medicina do Estado de São Paulo. Conselho Federal de Medicina. São Paulo, 2015, 284 p.
SILVA, L. A.; PERES, S. M.; BOSCARIOLI, C. Introdução à Mineração de Dados: com Aplicações em R. São Paulo: Elsevier, 2016.
SONG, M. Opinion: Text Mining in the Clinic. The Scientist. Midland, abr. 2013. Opinion. Disponível em: <https://bit.ly/2FEPYTd>. Acesso em: 14 jun. 2018.
SPASIĆ, I. et al. Text mining and ontologies in biomedicine: Making sense of raw text. Briefings in Bioinformatics, Oxford: University Press, v. 6, n. 3, p. 239-251, 2005.
ZWEIGENBAUM, P. et al. Frontiers of biomedical text mining: current progress. Briefings in Bioinformatics, Oxford University, v. 8, n. 5, p. 358-375, 2007.
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
a. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License que permitindo o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista.
b. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
