Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Terra, João Pedro Marcelino
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística
Brasil
UERJ
Programa de Pós-Graduação em Ciências Computacionais
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Machine learning
Perceptron
Aprendizado de máquina
Floresta Aleatória
DATASUS
Algoritmos computacionais
Redes neurais (Computação)
Random Forest
DATASUS (Brazilian Health Repository)
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: http://www.bdtd.uerj.br/handle/1/23482
Resumo: A questão recente mais importante de saúde para as nações do mundo tem sido a pandemia do coronavírus. A COVID-19 está associada a diferentes manifestações clínicas acompanhada de uma alta taxa de mortalidade. No Brasil temos um repositório nacional de dados clínicos- o DATASUS - que entre os dados de diversas patologias, estão aqueles associados a COVID-19. Prever a mortalidade por meio de preditores pode ser uma ferramenta crucial na autenticação dos pacientes acometidos pela doença. Métodos multivariados e de aprendizado de máquina podem ser usados para desenvolver modelos de previsão de mortalidade de modo a auxiliar os pro fissionais de saúde. Neste trabalho empregamos os modelos Perceptron, MLP e Floresta Aleatória para obter estes resultados em bancos segmentados por dias de internação. Entre esses métodos, o que obteve o melhor resultado foi a Floresta Aleatória, com acurácia média de 82% em pacientes com 10-14 dias de internação. Além da implementação dessas técnicas, também sugerimos um novo método de preenchimento de dados que usamos no próprio banco do DATASUS e comparamos com outras técnicas em bases já conhecidas.
id UERJ_def4e4536e0ea7de1a93d688cc5aa27d
oai_identifier_str oai:www.bdtd.uerj.br:1/23482
network_acronym_str UERJ
network_name_str Biblioteca Digital de Teses e Dissertações da UERJ
repository_id_str
spelling Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUSMachine learning applications for predicting Covid-19 mortality using the DATASUS national databaseMachine learningPerceptronAprendizado de máquinaFloresta AleatóriaDATASUSAlgoritmos computacionaisRedes neurais (Computação)Random ForestDATASUS (Brazilian Health Repository)CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOA questão recente mais importante de saúde para as nações do mundo tem sido a pandemia do coronavírus. A COVID-19 está associada a diferentes manifestações clínicas acompanhada de uma alta taxa de mortalidade. No Brasil temos um repositório nacional de dados clínicos- o DATASUS - que entre os dados de diversas patologias, estão aqueles associados a COVID-19. Prever a mortalidade por meio de preditores pode ser uma ferramenta crucial na autenticação dos pacientes acometidos pela doença. Métodos multivariados e de aprendizado de máquina podem ser usados para desenvolver modelos de previsão de mortalidade de modo a auxiliar os pro fissionais de saúde. Neste trabalho empregamos os modelos Perceptron, MLP e Floresta Aleatória para obter estes resultados em bancos segmentados por dias de internação. Entre esses métodos, o que obteve o melhor resultado foi a Floresta Aleatória, com acurácia média de 82% em pacientes com 10-14 dias de internação. Além da implementação dessas técnicas, também sugerimos um novo método de preenchimento de dados que usamos no próprio banco do DATASUS e comparamos com outras técnicas em bases já conhecidas.An important recent health issue for the nations of the world has been the coronavirus pandemic. COVID-19 is associated with di erent clinical manifestations accompanied by a high mortality rate. In Brazil we have a national repository of clinical data - DATASUS - which, among the data on various pathologies, are those associated with COVID-19. Predicting mortality through outcome predictors may be a crucial tool in the care of patients a ected by the disease. Multivariate methods and machine learning can be used to develop prediction models mortality rate in order to assist health professionals. In this work we use the Perceptron, MLP and Random Forest models to obtain these results in databases segmented by days of hospitalization. Among these methods, the one that obtained the best result was the Random Forest, with an average accuracy of 82%. In addition to implementing these techniques, we also suggest a new method of lling missing values that we use in the DATASUS database itself, besides comparing it to other techniques on benchmark databases.Universidade do Estado do Rio de JaneiroCentro de Tecnologia e Ciências::Instituto de Matemática e EstatísticaBrasilUERJPrograma de Pós-Graduação em Ciências ComputacionaisFaria, Luerbiohttps://orcid.org/0000-0003-0000-6990http://lattes.cnpq.br/3965328361563422Oliveira, Fabiano de Souzahttps://orcid.org/0000-0002-8498-2472http://lattes.cnpq.br/7554024807062103Leite, Karla Tereza Figueiredohttps://orcid.org/0000-0001-8420-3937http://lattes.cnpq.br/2076970816486817Costa, Gilson Alexandre Ostwald Pedro dahttps://orcid.org/0000-0001-7341-9118http://lattes.cnpq.br/1321820478036793Pinto, Paulo Eustáquio Duartehttps://orcid.org/0000-0002-7393-3464http://lattes.cnpq.br/5413422509570085Benevides, Mário Roberto Folhadelahttp://lattes.cnpq.br/7279612728721005Terra, João Pedro Marcelino2025-02-21T15:20:01Z2024-02-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfTERRA, João Pedro Marcelino. Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS. 2024. 117 f. Dissertação (Mestrado em Ciências Computacionais) - Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2024.http://www.bdtd.uerj.br/handle/1/23482porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJ2025-03-13T19:38:54Zoai:www.bdtd.uerj.br:1/23482Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032025-03-13T19:38:54Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false
dc.title.none.fl_str_mv Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
Machine learning applications for predicting Covid-19 mortality using the DATASUS national database
title Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
spellingShingle Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
Terra, João Pedro Marcelino
Machine learning
Perceptron
Aprendizado de máquina
Floresta Aleatória
DATASUS
Algoritmos computacionais
Redes neurais (Computação)
Random Forest
DATASUS (Brazilian Health Repository)
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
title_full Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
title_fullStr Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
title_full_unstemmed Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
title_sort Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS
author Terra, João Pedro Marcelino
author_facet Terra, João Pedro Marcelino
author_role author
dc.contributor.none.fl_str_mv Faria, Luerbio
https://orcid.org/0000-0003-0000-6990
http://lattes.cnpq.br/3965328361563422
Oliveira, Fabiano de Souza
https://orcid.org/0000-0002-8498-2472
http://lattes.cnpq.br/7554024807062103
Leite, Karla Tereza Figueiredo
https://orcid.org/0000-0001-8420-3937
http://lattes.cnpq.br/2076970816486817
Costa, Gilson Alexandre Ostwald Pedro da
https://orcid.org/0000-0001-7341-9118
http://lattes.cnpq.br/1321820478036793
Pinto, Paulo Eustáquio Duarte
https://orcid.org/0000-0002-7393-3464
http://lattes.cnpq.br/5413422509570085
Benevides, Mário Roberto Folhadela
http://lattes.cnpq.br/7279612728721005
dc.contributor.author.fl_str_mv Terra, João Pedro Marcelino
dc.subject.por.fl_str_mv Machine learning
Perceptron
Aprendizado de máquina
Floresta Aleatória
DATASUS
Algoritmos computacionais
Redes neurais (Computação)
Random Forest
DATASUS (Brazilian Health Repository)
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic Machine learning
Perceptron
Aprendizado de máquina
Floresta Aleatória
DATASUS
Algoritmos computacionais
Redes neurais (Computação)
Random Forest
DATASUS (Brazilian Health Repository)
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description A questão recente mais importante de saúde para as nações do mundo tem sido a pandemia do coronavírus. A COVID-19 está associada a diferentes manifestações clínicas acompanhada de uma alta taxa de mortalidade. No Brasil temos um repositório nacional de dados clínicos- o DATASUS - que entre os dados de diversas patologias, estão aqueles associados a COVID-19. Prever a mortalidade por meio de preditores pode ser uma ferramenta crucial na autenticação dos pacientes acometidos pela doença. Métodos multivariados e de aprendizado de máquina podem ser usados para desenvolver modelos de previsão de mortalidade de modo a auxiliar os pro fissionais de saúde. Neste trabalho empregamos os modelos Perceptron, MLP e Floresta Aleatória para obter estes resultados em bancos segmentados por dias de internação. Entre esses métodos, o que obteve o melhor resultado foi a Floresta Aleatória, com acurácia média de 82% em pacientes com 10-14 dias de internação. Além da implementação dessas técnicas, também sugerimos um novo método de preenchimento de dados que usamos no próprio banco do DATASUS e comparamos com outras técnicas em bases já conhecidas.
publishDate 2024
dc.date.none.fl_str_mv 2024-02-27
2025-02-21T15:20:01Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv TERRA, João Pedro Marcelino. Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS. 2024. 117 f. Dissertação (Mestrado em Ciências Computacionais) - Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2024.
http://www.bdtd.uerj.br/handle/1/23482
identifier_str_mv TERRA, João Pedro Marcelino. Aplicações de aprendizado de máquina para previsão de mortalidade da Covid-19 usando o banco de dados nacional DATASUS. 2024. 117 f. Dissertação (Mestrado em Ciências Computacionais) - Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2024.
url http://www.bdtd.uerj.br/handle/1/23482
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística
Brasil
UERJ
Programa de Pós-Graduação em Ciências Computacionais
publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística
Brasil
UERJ
Programa de Pós-Graduação em Ciências Computacionais
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UERJ
instname:Universidade do Estado do Rio de Janeiro (UERJ)
instacron:UERJ
instname_str Universidade do Estado do Rio de Janeiro (UERJ)
instacron_str UERJ
institution UERJ
reponame_str Biblioteca Digital de Teses e Dissertações da UERJ
collection Biblioteca Digital de Teses e Dissertações da UERJ
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)
repository.mail.fl_str_mv bdtd.suporte@uerj.br
_version_ 1829133750697459712

Registros relacionados