Mineração de Dados aplicada à fisioterapia

Carvalho, Déborah Ribeiro; Moser, Auristela Duarte de Lima; Silva, Verônica Andrade da; Dallagassa, Marcelo Rosano

doi:10.1590/s0103-51502012000300015

Cited by 12 publications

(15 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The method used for identification of determinants comprised the three steps of the Knowledge Discovery in Databases process: pre-processing, data mining, and post-processing. 7 The first step was to integrate the social data with the EHR and calculate the postoperative mortality rate; the second step was to use the Apriori 8 algorithm to discover the association rules, and the third was to use the algorithm for discovery of exception rules 9 to identify the exception scenarios. An exception rule is intended to identify, among the rules discovered, those that are most likely to be of use to the specialist.…”

Section: Methodsmentioning

confidence: 99%

“…One way of identifying these relationships is by applying data mining (DM) techniques. 7 The objective of this study was to identify associations between determinants of the postoperative mortality rate after amputation surgery, using DM techniques. The results of this study will improve understanding of the risk of postoperative death after amputation and help to identify its major determinants, providing a foundation for prophylactic planning and, consequently, for improvement of the services provided by the Brazilian National Health Service (SUS -Sistema Único de Saúde).…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Mineração de dados na avaliação de óbitos após cirurgia de amputação

et al. 2018

Self Cite

View full text Add to dashboard Cite

Resumo Contexto A amputação e a desarticulação objetivam melhorar a saúde de um indivíduo, mas esses tratamentos apresentam taxas significantes de mortalidade que variam de acordo com os fatores relacionados. Objetivo Identificar as associações entre os determinantes da mortalidade pós-operatória da amputação. Métodos Estudo do tipo caso-controle (óbito versus não óbito) em que foi adotada a descoberta de regras de associação (abordagem da mineração de dados) e métricas epidemiológicas sobre 173 registros de pacientes amputados em um hospital público de Santa Catarina em 2014. Resultados Os principais determinantes foram: idade > 60 anos [odds ratio (OR) = 3,0], sexo feminino (OR = 2,0), baixa escolaridade, hipertensão (OR = 3,0), diabetes (OR = 1,6) e tabagismo (OR = 1,8). Dos pacientes com idade entre 60 a 69 anos (38%), 87,9% evoluíram para alta, estando o óbito associado a doença vascular periférica. Quando a idade foi > 70 anos, embolia e trombose de artérias dos membros inferiores foram o fator de exceção (óbito). As patologias com maior associação ao óbito foram doença vascular (47,0%), diabetes (29,4%), doença cardíaca (razão de risco = 11,4), doença renal (OR = 10,4) e doença pulmonar (OR = 5,2). As cirurgias proximais estiveram mais associadas ao óbito do que as distais. Entre os pacientes que foram a óbito, 76,0% foram submetidos a raquianestesia e 24,0% a anestesia geral. Conclusão A mineração de dados permitiu identificar as associações vinculadas ao óbito entre as diferentes variáveis e diagnósticos, como por exemplo, entre idade > 70 anos e diagnóstico de embolia e trombose de artérias dos membros inferiores.

show abstract

Section: Methodsmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Mineração de dados na avaliação de óbitos após cirurgia de amputação

et al. 2018

Self Cite

View full text Add to dashboard Cite

show abstract

“…This access to this information can be favored using Information Technology (IT), which favors the greater use of information electronically recorded by health professionals (20), which can be done on paper charts or in the Electronic Patient Record (EPR), allowing professionals not only to store information, but also to share them (21). Overall, IT offers a wide range of alternatives aiming to facilitate the decisionmaking in different areas of knowledge, particularly in healthcare, and one of the means of doing this is using an Expert System (ES).…”

Section: Methodsmentioning

confidence: 99%

Expert support system for occupational therapist in the identification of sensory profile

2014

Self Cite

View full text Add to dashboard Cite

Introduction: Based on the increasing usability of technology in healthcare, this paper discusses the use of an expert system (ES) to identify the sensory profile of patients starting Occupational Therapy, allowing the professional to make assertive decisions in establishing priorities in the therapeutic plan. Objective: To develop a decision support system from the Infant/Toddler Sensory Profile. Method: Structuring of an ES based on Infant/Toddler Sensory Profile, from terms translation into Portuguese, identification of variables and domain values involved, and construction of production rules. Results: Twelve variables were registered for the construction of the ES, 6 of these were treated as goal-variables, 20 rules being built. Conclusion: This ES is an important support to the occupational therapist in the decision-making process of treatment plans, determining priorities and respecting the sensory profile of each child. In addition, it must be noted that there is no equivalent system.

show abstract

“… lsj é o número de aparições das sequencias dentro da janela de tempo dentro das transações;  Ias é o total de aparições da sequência na base de dados. O pós-processamento permite, assim, facilitar a avaliação e obter outros padrões a partir dos padrões originalmente obtidos, aumentando as chances de identificar aqueles que venham a ser úteis e agreguem conhecimento para o especialista (CARVALHO et al, 2012).…”

Section: (8)unclassified

“…Também pode ocorrer a necessidade de pós-processar os padrões obtidos originalmente, depurando-os ou sintetizando-os (CARVALHO et al, 2012) ou descobrindo exceções aos padrões obtidos (HUSSAIN et al, 2000).…”

Section: Introductionunclassified

Descoberta de padrões para identificação de casos de alto custo em operadoras de planos de saúde

Escobar

Dallagassa

Sokoloski

et al. 2019

RSS

Self Cite

View full text Add to dashboard Cite

ResumoApresenta-se a construção de um modelo para a identificação de casos de alto custo, aplicando o processo de Knowledge Discovery in Databases apoiados na literatura sobre a necessidade de aplicações sobre técnicas e algoritmos para a identificação de itens de interesse em grande volume de dados para o apoio à tomada de decisões em saúde. Como método propõe-se algoritmos de regra de associação com derivações em relação a medidas de interesses sequencial e temporal. Para validação e teste da técnica aplica-se um experimento sobre 16.355 liberações de procedimentos médicos, tendo sido descobertas 12.992 regras de associação, sendo 12.305 regras sequenciais e 5.554 padrões na medida temporal. O protótipo desenvolvido foi validado por seis especialistas, entre eles profissionais da enfermagem, analistas de sistemas e um médico, que foram capacitados para o seu uso, avaliando os padrões descobertos e a própria ferramenta, então, responderam a um questionário. As respostas foram tabuladas e o resultado foi obtido mediante ao índice de validade de conteúdo. O modelo alcançou uma aceitação geral na ordem de 78% indicando uma aceitação parcial pelos especialistas. Palavras-chave: inteligência artificial, mineração de dados, sistemas de apoio a decisões administrativas, sistemas de identificação de pacientes. AbstractGrupo de Pesquisa em Avaliação da qualidade de vida e qualidade de vida no trabalho Ponta Grossa -PR -Brasil v

show abstract

Mineração de Dados aplicada à fisioterapia

Cited by 12 publications

References 5 publications

Mineração de dados na avaliação de óbitos após cirurgia de amputação

Mineração de dados na avaliação de óbitos após cirurgia de amputação

Expert support system for occupational therapist in the identification of sensory profile

Descoberta de padrões para identificação de casos de alto custo em operadoras de planos de saúde

Contact Info

Product

Resources

About