In this study we propose the use of text mining and machine learning methods to predict and detect Surgical Site Infections (SSIs) using textual descriptions of surgeries and post-operative patients’ records, mined from the database of a high complexity University hospital. SSIs are among the most common adverse events experienced by hospitalized patients; preventing such events is fundamental to ensure patients’ safety. Knowledge on SSI occurrence rates may also be useful in preventing future episodes. We analyzed 15,479 surgery descriptions and post-operative records testing different preprocessing strategies and the following machine learning algorithms: Linear SVC, Logistic Regression, Multinomial Naive Bayes, Nearest Centroid, Random Forest, Stochastic Gradient Descent, and Support Vector Classification (SVC). For prediction purposes, the best result was obtained using the Stochastic Gradient Descent method (79.7% ROC-AUC); for detection, Logistic Regression yielded the best performance (80.6% ROC-AUC).
<p>Este artigo apresenta um método para calibração de simuladores microscópicos de tráfego, implementado através de projetos de experimentos com otimização multivariada. O estudo de caso foi desenvolvido em Porto Alegre, utilizando-se o modelo microscópico de simulação DRACULA. Nesse estudo, os parâmetros comportamentais do DRACULA são calibrados para que o modelo reproduza os valores de indicadores de desempenho, como fluxos, tempos de viagem e comprimentos de fila, observados em campo. Os resultados obtidos foram satisfatórios e o método de calibração aplicado apresentou-se eficiente.</p>
Este trabalho relata um estudo de caso envolvendo a otimização experimental de uma receita química. O estudo abrange as etapas de identificação do problema, planejamento do experimento, modelagem individual das variáveis de resposta, definição de uma função objetivo e otimização. Na identificação do problema e no planejamento do experimento foi utilizada uma estrutura matricial para reunir e organizar as informações. O experimento contemplou cinco fatores controláveis e dez variáveis de resposta. Na etapa de modelagem individual, foram construídos modelos para a média e a variabilidade de cada uma das variáveis de resposta. A função objetivo utilizada no estudo de otimização foi a Função de Perda Quadrática Multivariada, proposta por Ribeiro & Elsayed, acrescida dos custos de matéria prima e energia. Assim, a otimização foi conduzida levando em conta tanto os custos decorrentes da má qualidade (capturados pela função de perda) como os custos de matéria prima e energia. A otimização permitiu definir o melhor ajuste para os fatores controláveis. Ao final é feita uma análise de sensibilidade e é sugerido um envelope de operação para o controle do processo.
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.