Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/16937
Title: Modelo preditivo de mineração de dados para sucesso de redução de peso na cirurgia bariátrica
Authors: SOUZA, Starch Melo de
Keywords: Inteligência computacional;Mineração de dados;Aprendizagem de máquina
Issue Date: 4-Sep-2014
Publisher: Universidade Federal de Pernambuco
Abstract: A Cirurgia Bariátrica é um dos recursos de melhor efetividade para redução de peso nos casos de Obesidade, controle e resolução nos casos das comorbidades associadas que encontram-se sem controle terapêutico, como a Diabetes. Para aumentar as chances de sucesso terapêutico deste procedimento de grande porte, pode ser realizada uma avaliação prévia do paciente através de um modelo preditivo utilizando-se de variáveis de controle, clínicas, de comorbidades e laboratoriais. O objetivo geral desta pesquisa foi desenvolver um modelo preditivo de mineração de dados para apoio na tomada de decisão do cirurgião ao submeter pacientes com excesso de peso à cirurgia bariátrica, a partir dos dados históricos visando à sua redução de peso. A pesquisa foi do tipo clínica aplicada, transversal, retrospectiva, de caráter analítico. A amostra do estudo foi de 540 pacientes que realizaram seguimento clínico após 1 ano do procedimento cirúrgico. As cinco primeiras fases da metodologia CRISP-DM foram aplicadas na construção do modelo preditivo, e na modelagem foram aplicadas as técnicas de indução de regras, árvore de decisão e regressão logística. A variável independente (o ALVO) considerada foi o IMC ideal, entre 18,5 e 24,9 Kg/m2. O modelo preditivo de mineração de dados para pacientes submetidos à cirurgia bariátrica e com seguimento clínico de um ano, apontou que os preditores de sucesso para redução de peso foram, ser do sexo feminino, ser mais jovem, e apresentar no pré-operatório menor valor de índice de massa corpórea (IMC). O estudo apresentou regras explicativas e o modelo preditivo como auxílio na tomada de decisão, maximizando os que possuem maior expectativa de redução de peso.
URI: https://repositorio.ufpe.br/handle/123456789/16937
Appears in Collections:Dissertações de Mestrado - Ciência da Computação

Files in This Item:
File Description SizeFormat 
_dissertacao_StarchSouza_versaoCorrigida_VF.pdf1.6 MBAdobe PDFView/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons