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

Autores

DOI:

https://doi.org/10.36517/resdite.v5.n3.2020.a1

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

Downloads

Publicado

2020-12-22