RESUMO:Objetivo: complementar os fatores relacionados à mortalidade infantil. Método: foram utilizados os dados do Sistema de Informação sobre Nascidos Vivos e do Sistema de Informação de Mortalidade, do período de 2010 a 2014, de um município do Estado do Paraná. Foram extraídas estatísticas descritivas, e utilizado mineração de dados, por meio dos algoritmos J48 e NPP. Resultados: foram identificadas relações entre o baixo peso ao nascer e a idade gestacional; observou-se que mães com mais de um nascido morto tiveram crianças prematuras; não foram identificadas associações entre a escolaridade materna e a mortalidade infantil; destacamse que 56,8% dos óbitos eram evitáveis, sendo a maioria reduzíveis por atenção adequada à mulher durante a gestação. Conclusão: são fatores relacionados à mortalidade infantil o baixo peso ao nascer, idade gestacional e anomalias, isso reforça a necessidade de políticas públicas voltadas à saúde materna e aos nascimentos prematuros. PALAVRAS-CHAVE: Mortalidade infantil; Mineração de dados;Inteligência artificial. FACTORS THAT CONTRIBUTE TO CHILDREN Ś MORTALIT Y ASSESSED THROUGH DATA MININGABSTRACT: To complement factors related to infant mortality. Data were retrieved from the Information System on Live Births and from the Information System of Mortality, between 2010 and 2014 in a municipality in the state of Paraná, Brazil. Descriptive statistics were taken and data mining was employed through algorithms J48 and NPP. Relationships between low weight at birth and pregnancy age were identified; it has been reported that mothers with more than one infant death had premature children; 56.8% of deaths were avoidable and lacked adequate care during pregnancy. Low weight at birth, pregnancy age and anomalies are factors related to infant mortality. Public policies towards mothers´ health and towards premature births are required.
A mortalidade infantil constitui um indicador de saúde pública e sua redução consiste em implementação de intervenções efetivas considerando variáveis associadas a este desfecho. Esta revisão integrativa objetivou identificar variáveis relacionadas à mortalidade infantil, discutindo sua importância na promoção de ações e intervenções para a redução dos óbitos. Foram selecionados 123 artigos publicados no período de 2012 a 2017, indexados nas bases: Banco de Dados em Enfermagem (BDENF), Literatura Latino-Americana e do Caribe em Ciência da Saúde (LILACS), Medical Literature Analysis and Retrieval System Online (MedLine) e Scientific Eletronic Library Online (SciELO). Dentre as 108 variáveis identificadas, destacam-se as mais frequentes: a escolaridade materna, o pré-natal e a idade gestacional, as quais refletem falha na assistência, mesmo diante das políticas públicas existentes para pré-natal, parto e puerpério. Portanto é imprescindível a qualificação dos profissionais de saúde que atuam na assistência pré-natal para melhoria na qualidade da assistência e diagnóstico adequado. Palavras-chave: mortalidade infantil, serviços de saúde materno-infantil, atenção primária à saúde.
Objetivo: relatar experiências de estratégias do uso da mineração de dados em dois cenários de práticas de Enfermagem. Descrição da experiência: em ambas as experiências foi utilizado o algoritmo Apriori para descoberta de regras de associação e identificado as situações de exceção. A primeira experiência utilizou dados provenientes de óbitos infantis da região metropolitana de Curitiba -PR. Na segunda experiência utilizaram-se prontuários de pacientes atendidos por enfermeiros na classificação de risco em um hospital particular de Curitiba -PR. O primeiro estudo identificou 374 regras gerais e o segundo, 108 regras gerais, ambos com suas respectivas regras de exceção. Conclusão: a aplicação do Knowledge Discovery in Databases pode ser demonstrada e efetivada em dois cenários distintos, a fim de contribuir para a tomada de decisão pelo gestor. Espera-se que o relato reforce a importância do ensino da informática em Enfermagem como ferramenta de apoio à decisão.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.