Emprego de técnicas de data mining na identificação de padrões relacionados às doenças oculares em pacientes pediátricos atendidos em um Hospital Universitário de uma cidade do sudoeste do Brasil

Palavras-chave: Mineração de Dados, Doenças oculares, Saúde infantil

Resumo

Objetivo: Empregar técnicas de data mining no tratamento de dados coletados de prontuários de pacientes, identificando atributos mais relevantes e ferramentas de data mining mais adequadas para análise de dados na área da saúde. Métodos: Estudo transversal realizado com dados secundários de pacientes pediátricos atendidos no setor de oftalmologia de um Hospital Universitário, localizado no sudeste do Brasil, de janeiro de 2018 a dezembro de 2019. O programa IBM SPSS Statistics v.25 foi utilizado para caracterizar a amostra quanto às características demográficas e consulta oftalmológica dos pacientes. Utilizou-se a ferramenta R versão 4.0.0 para criação de um modelo de classificação pelo algoritmo Naves Bayes, cuja função era avaliar as variáveis para prever o diagnóstico de cada paciente. Resultados: A amostra foi de 196 olhos. A média de idade dos pacientes foi de 10,04 anos. 53% eram do sexo masculino e 66,7% eram pardos. As principais queixas que levaram os pacientes a procurar atendimento oftalmológico foram: Olho torto (26,9%) e Baixa Acuidade Visual (25,3%). O modelo de classificação criado obteve uma taxa de acerto do diagnóstico de 73%. Conclusões: Foi identificada a importância da informatização do sistema hospitalar e da formação de profissionais de saúde na área de ciência de dados.

Downloads

Não há dados estatísticos.

Biografia do Autor

Adriana Faria Gappo Prata, Universidade Federal Fluminense

Adriana Faria Gappo Prata é Mestre em Saúde Materno Infantil pela UFF. Graduada em Medicina (1999) e em Medicina Veterinária (1994) pela Universidade Federal Fluminense (UFF). Especializou-se em Oftalmologia pela UFF (2003). Atuou por 26 anos na Vigilância Sanitária da Cidade do Rio de Janeiro. Atualmente é Oftalmopediatra no Hospital Memorial Fuad Chidid (RJ). Autora do livro Emprego de técnicas de data mining em prontuários médicos (Novas Ediçoes Acadêmicas).

Martius Vicente Rodriguez y Rodriguez, Universidade Federal Fluminense

Martius Vicente Rodriguez y Rodriguez é Pós-Doutor em Gestão Empresarial pela UFRJ/Harvard Business School, Doutor em Gestão Tecnológica pela COPPE/UFRJ e Mestre em Ciências em Computação de Alto Desempenho por essa mesma instituição. Atualmente é Diretor da Faculdade de Administração da Universidade Federal Fluminense, Professor Titular da Faculdade de Administração, Professor no Mestrado Profissional  e em MBAs da UFF. Autor e coautor de mais de 60 artigos publicados no país e no exterior, e de vários livros, como Redes para redes (Aduaneiras), Gestão Empresarial: organizações que aprendem (Qualitymark), Gestão do conhecimento (IBPI), Tecnologia da Informação e Gestão Empresarial (E-papers/UFF), Information Technology in the 21st century: managing the change (WIT - Inglaterra), Tecnologia de Informação e Mudanças organizacionais (IBPI/COPPE-UFRJ) e editor do livro Sustainable City, publicado pela WIT. Organizador e revisor de várias obras da Harvard Business Review (Campus). Co-organizador do Smart Cities (livro digital).

Adauto Dutra Moraes Barbosa, Universidade Federal Fluminense

Adauto Dutra Moraes Barbosa é Professor Titular de Pediatria da Faculdade de Medicina da Universidade Federal Fluminense, Mestre em Medicina pela Universidade Federal do Rio de Janeiro, Doutor em Medicina pela Escola Paulista de Medicina - UNIFESP. Diretor da Faculdade de medicina da Universidade Federal Fluminense.

Referências

1. Pereira J. Modelos de data mining para multi-previsão: aplicação à medicina intensiva [Internet] [Dissertação de mestrado]. [Braga - Portugal]: Universidade do Minho; 2005 [citado 14 de março de 2019]. Disponível em: https://core.ac.uk/download/pdf/55626354.pdf
2. Fayyad U, Piatetsky-Shapiro G, Smyth P. The KDD process for extracting useful knowledge from volumes of data. Commun ACM. 1996;39(11):27–34.
3. Ristevski B, Chen M. Big Data Analytics in Medicine and Healthcare. J Integr Bioinforma [Internet]. 25 de setembro de 2018 [citado 3 de julho de 2019];15(3). Disponível em: http://www.degruyter.com/view/j/jib.2018.15.issue-3/jib-2017-0030/jib-2017-0030.xml
4. Raghupathi W, Raghupathi V. Big data analytics in healthcare: promise and potential. Health Inf Sci Syst. dezembro de 2014;2(1):3.
5. Carvalho LAV de. Data mining. A mineração de dados no marketing, medicina, economia. 1a ed. Rio de Janeiro: Ciência Moderna; 2005. 256 p.
6. Rodriguez MVRY. Gestão empresarial em oranizações aprendizes: a arte de gerir mudanças. Rio de Janeiro: Qualitymark; 2002. 352 p.
7. Fayyad U, Piatetsky-Shapiro G, Smyth P. From data mining to knowledge discovery in databases. AI Mag. 1996;17(3):37–54.
8. Côrtes S da C, Porcaro RM, Lifschitz S. Mineração de Dados – Funcionalidades, Técnicas e Abordagens. Internet Rio Jan PUC. 2002;34.
9. Amaral F. Introdução à ciência de dados: mineração de dados e Big Data. Rio de Janeiro: Alta Books; 2016. 320 p.
10. Clésio F. Mineração de Dados com Software Livre [Internet]. Data Mining / Machine Learning / Data Analysis. 2012 [citado 21 de fevereiro de 2020]. Disponível em: https://mineracaodedados.wordpress.com/2012/07/12/mineracao-de-dados-com-software-livre/
11. Brasil. Dispõe sobre o Estatuto da Criança e do Adolescente e dá outras providências [Internet]. Lei no 8.069 jul 13, 1990. Disponível em: http://www.planalto.gov.br/ccivil_03/leis/L8069.htm
12. Pyle D. Data Preparation for Data Mining. Morgan Kaufmann; 1999. 564 p.
13. Sharma A, Mansotra V. Emerging applications of data mining for healthcare management - A critical review. In: 2014 International Conference on Computing for Sustainable Global Development (INDIACom) [Internet]. New Delhi, India: IEEE; 2014 [citado 14 de março de 2019]. p. 377–82. Disponível em: http://ieeexplore.ieee.org/document/6828163/
14. Koh HC, Tan G. Data mining applications in healthcare. J Healthc Inf Manag. 2005;19(2):64–72.
15. Fialho FA, Dias IMÁV, Salvador M, Pacheco ZML, Nascimento L. A enfermagem avaliando a acuidade visual de estudantes do ensino fundamental. Rev Baiana Enfermagem‏. 2012;25(1):33–40.
16. Rocha MNAM, Ávila MP de, Isaac DLC, Mendonça LS de M, Nakanishi L, Auad LJ. Prevalence of eye diseases and refractive errors in children seen at a referral center for ophthalmology in the central-west region, Brazil. Rev Bras Oftalmol. 2014;73(4):7.
17. Brasil. Manual de Certificação para Sistemas de Registro Eletrônico em Saúde (S-RES) versão 4.2 [Internet]. 2016 [citado 13 de março de 2019]. Disponível em: http://www.sbis.org.br/certificacao/Manual_Certificacao_SBIS-CFM_2016_v4-2.pdf
Publicado
2020-12-22