Uso de Técnicas de Mineração de Dados para a Identificação Automática de Beneficiários Propensos ao Diabetes Mellitus Tipo 2

Autores

  • Deborah Ribeiro Carvalho PUCPR
  • Marcelo Rosano Dallagassa PUCPR
  • Sandra Honorato da Silva PUCPR

DOI:

https://doi.org/10.5433/1981-8920.2015v20n3p274

Palavras-chave:

Recuperação da informação

Resumo

Introdução:As empresas de saúde armazenam uma grande quantidade de dados visando fundamentalmente o controle administrativo, pagamentos das contas médicas, etc., não havendo obrigatoriedade do preenchimento de dados clínicos epidemiológicos, entre os quais o CID – Código Internacional de Doenças. Este tipo de prática dificulta a identificação de possíveis enfermidades de seus beneficiários, a partir da utilização de técnicas de extração de informação tradicionais, e consequentemente, a implantação de programas de prevenção de doenças e de promoção da saúde.

Objetivo: Portanto, esse artigo propõe um modelo baseado em técnicas de mineração de dados para a identificação automática de beneficiários com propensão a doenças crônicas.

Metodologia: Metodologicamente esse modelo compreende as seguintes etapas: identificação inicial das variáveis e respectivas análises; seleção das variáveis a serem utilizadas e preparadas; mineração de dados e validação das regras descobertas por especialistas. Objetivando testar o modelo proposto foi realizado um experimento voltado ao reconhecimento de indivíduos com propensão ao diabetes mellitus tipo 2.

Resultados: Para o processo de mineração de dados foram selecionadas 12 variáveis, considerando um conjunto de 43.375 beneficiários, sendo descobertas 843 regras, com uma taxa de acerto de 88,9%. Dentre essas 843 regras foram selecionadas seis para serem avaliadas por quatro especialistas.

Conclusões: Essa avaliação concluiu pela eficácia do modelo, com um grau de concordância da ordem de 89,6%.

Downloads

Não há dados estatísticos.

Biografia do Autor

Deborah Ribeiro Carvalho, PUCPR

possui graduação em Processamento de Dados pela Universidade Federal do Paraná (1979), mestrado em Informática Aplicada pela Pontifícia Universidade Católica do Paraná (1999), doutorado em Informática Aplicada pela Pontifícia Universidade Católica do Paraná (2002) e doutorado em Computação de Alto Desempenho pela Universidade Federal Do Rio Janeiro (COPPE) (2005). Professor da Pontificia Universidade Católica do Paraná, Programa de Pós-Graduação em Tecnologia Aplicada em Saúde e Professor Colaborador do Mestrado Em Gestao da Informacao (UFPR).

Marcelo Rosano Dallagassa, PUCPR

Mestre Em Tecnologia Aplicada em Saúde

Sandra Honorato da Silva, PUCPR

Programa de Pos-Graduação em Tecnologa em Saúde

Downloads

Publicado

2015-12-21

Como Citar

Carvalho, D. R., Dallagassa, M. R., & da Silva, S. H. (2015). Uso de Técnicas de Mineração de Dados para a Identificação Automática de Beneficiários Propensos ao Diabetes Mellitus Tipo 2. Informação & Informação, 20(3), 274–296. https://doi.org/10.5433/1981-8920.2015v20n3p274

Edição

v. 20 n. 3 (2015)

Seção

Artigos

Licença

A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores. Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário.

O conteúdo dos textos e a citação e uso de imagens submetidas são de inteira responsabilidade dos autores.

Em todas as citações posteriores, deverá ser consignada a fonte original de publicação, no caso a Informação & Informação.

Crossref
Scopus
Google Scholar
Europe PMC