Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/40033
Título: | Sistema de apoio à decisão clínica: quality of life system |
Outro(s) título(s): | Clinical decision support system: quality of life system |
Autor(es): | Ferreira, Mário Sérgio Azevedo |
Orientador(es): | Reis, L. P. Faria, Brígida Mónica |
Palavras-chave: | Qualidade de vida Descoberta de conhecimento em bases de dados Data mining Clustering Previsão Quality of life Knowledge discovery in databases Data mining Clustering Prevision |
Data: | 2015 |
Resumo(s): | A crescente relevância do conceito Qualidade de Vida no âmbito da Saúde, e a necessidade de
aproveitar os benefícios da inovação das tecnologias e sistemas de informação são a sustentação
para o desenvolvimento de um Sistema de Apoio à Decisão Clínica, que o presente projeto de
dissertação pretende apoiar. Através de dados que retratam interações entre pacientes
oncológicos e a instituição de saúde responsável pelo seu acompanhamento e tratamento, foi
desenvolvido um processo de descoberta de conhecimento em bases de dados. Esse processo,
desenvolvido de acordo com os princípios da metodologia CRISP-DM, identificou um conjunto
de técnicas e modelos de Data Mining com capacidade para explorar, extrair e evidenciar
padrões nos dados submetidos a tarefas de Clustering e Previsão. Os resultados obtidos através
dos diferentes testes executados destacam modelos inerentes às Árvores de Decisão, Regras de
Associação, Redes Neuronais, Vizinhos Mais Próximos e Classificadores de Bayes, avaliando
os mesmos pela Sensibilidade, Especificidade, Erro quadrático médio, Erro médio e Tempo de
aprendizagem apresentados. Nos testes realizados, através dos modelos de previsão que
incidiram sobre as tarefas de Clustering, foram obtidas percentagens de acerto bastante
elevadas, na ordem dos 80% aos 90%, enquanto nos testes de previsão de Qualidade de Vida
as percentagens de acerto superaram, na grande maioria dos testes executados, o mínimo de
percentagem estipulada de 70%.
O presente projeto de dissertação contribui assim para aumentar o número de estudos que fazem
a aplicação prática do uso de Data Mining e Sistemas de Apoio à Decisão Clínica, procurando
potenciar o processo de tomada de decisão por parte das equipas médicas especializadas, na
procura de melhorar os tratamentos e consequentemente a qualidade de vida relacionada com
a Saúde de doentes crónicos. This dissertation project intends to support the development of a Clinical Decision Support System, motivated by the growing relevance of Quality of Life concept and the need to explore the benefits of innovation in technology and information systems, in health environments. Through a dataset which represents the different interactions between oncology patients and the health institution responsible for their monitoring and treatment, it has been developed a process of knowledge discovery in databases. This process, which followed the principles of CRISP-DM methodology, identified several Data Mining techniques with capabilities to explore, extract and highlight patterns in the dataset submitted to clustering and prevision tasks. The results obtained, through the different executed tests, highlight models as Decision Trees, Association Rules, Neuronal Networks, Nearest Neighbors and Bayes Classifiers. The evaluation of each model was based in metrics as Sensibility, Specificity, Mean square error, Mean error and learning time of the models. In the tests which were executed through the prevision models, with incidence in Clustering tasks, it were obtained high accuracy percentages between 80% and 90%, while in Quality of Life prevision tests the percentages exceeded the stipulated minimum percentage of 70%, in the most of the tests performed. This dissertation project contributes to increase the number of studies which makes the practical application of Data Mining and Clinical Decision Support Systems, demonstrating capabilities to enhance the decision-making process by the specialized medical teams, in order to improve treatments and consequently the Health related Quality of Life in persons with chronic diseases. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado integrado em Engenharia e Gestão de Sistemas de Informação |
URI: | https://hdl.handle.net/1822/40033 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DSI - Engenharia e Gestão de Sistemas de Informação |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação_Mário Ferreira_58754_2015.pdf | 1,33 MB | Adobe PDF | Ver/Abrir |