Predição de absenteísmo docente na rede pública com machine learning (2021)
- Authors:
- USP affiliated authors: CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO - FSP ; FERNANDES, FERNANDO TIMOTEO - FSP
- Unidade: FSP
- DOI: 10.11606/s1518-8787.2021055002677
- Subjects: ABSENTEÍSMO; FATORES DE RISCO; MORBIDADE; EDUCAÇÃO INFANTIL; ESTUDOS TRANSVERSAIS
- Language: Português
- Abstract: 1https://doi.org/10.11606/s1518-8787.2021055002677Artigo Original Rev Saude Publica. 2021;55:23Predição de absenteísmo docente na rede pública com machine learningFernando Timoteo FernandesI,II, Alexandre Dias Porto Chiavegatto FilhoIIIIUniversidade de São Paulo. Faculdade de Saúde Pública. Programa de Pós-Graduação em Saúde Pública. São Paulo, SP, BrasilIIFundacentro. São Paulo, SP, Brasil IIIUniversidade de São Paulo. Faculdade de Saúde Pública. São Paulo, SP, BrasilRESUMOOBJETIVO: Predizer o risco de ausência laboral decorrente de morbidades dos docentes que atuam na educação infantil na rede pública municipal, com o uso de algoritmos de machine learning.MÉTODOS: Trata-se de um estudo transversal utilizando dados secundários, públicos e anônimos da Relação Anual de Informações Sociais, selecionando professores da educação infantil que atuaram na rede pública municipal do estado de São Paulo entre 2014 e 2018 (n = 174.294). Foram também vinculados dados da média de alunos por turma e número de habitantes no município. Os dados foram separados em treinamento e teste, utilizando os registros de 2014 a 2016 (n = 103.357) para treinar cinco modelos preditivos e os dados de 2017 a 2018 (n = 70.937) para testar seus desempenhos em dados novos. A performance preditiva dos algoritmos foi avaliada por meio do valor da área abaixo da curva ROC (AUROC).RESULTADOS: Todos os cinco algoritmos testados apresentaram área abaixo da curva acima de 0,76. O algoritmo com melhor performance preditiva (redes neurais artificiais) obteve 0,79 de área abaixo da curva, com acurácia de 71,52%, sensibilidade de 72,86%, especificidade de 70,52% e kappa de 0,427 nos dados de teste.CONCLUSÃO : É possível predizer casos de afastamentos por morbidade em docentes da rede pública com machine learning usando dados públicos. O melhor algoritmo apresentou melhor resultado da área abaixo da curva quando comparado ao modelo de referência(regressão logística). Os algoritmos podem contribuir para predições mais assertivas na área da saúde pública e da saúde do trabalhador, permitindo acompanhar e ajudar a prevenir afastamentos por morbidade desses trabalhadores
- Imprenta:
- Source:
- ISSN: 1518-8787
- Volume/Número/Paginação/Ano: v.55, art.23 [11p.], 2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
FERNANDES, Fernando Timoteo e CHIAVEGATTO FILHO, Alexandre Dias Porto. Predição de absenteísmo docente na rede pública com machine learning. v. 55, p. art.23 [11], 2021Tradução . . Disponível em: https://doi.org/10.11606/s1518-8787.2021055002677. Acesso em: 19 set. 2024. -
APA
Fernandes, F. T., & Chiavegatto Filho, A. D. P. (2021). Predição de absenteísmo docente na rede pública com machine learning, 55, art.23 [11]. doi:10.11606/s1518-8787.2021055002677 -
NLM
Fernandes FT, Chiavegatto Filho ADP. Predição de absenteísmo docente na rede pública com machine learning [Internet]. 2021 ;55 art.23 [11].[citado 2024 set. 19 ] Available from: https://doi.org/10.11606/s1518-8787.2021055002677 -
Vancouver
Fernandes FT, Chiavegatto Filho ADP. Predição de absenteísmo docente na rede pública com machine learning [Internet]. 2021 ;55 art.23 [11].[citado 2024 set. 19 ] Available from: https://doi.org/10.11606/s1518-8787.2021055002677 - Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho
- A multipurpose machine learning approach to predict COVID-19 negative prognosis in São Paulo, Brazil
- Machine learning em saúde e segurança do trabalhador : perspectivas, desafios e aplicações
- The Impact of Time, Region, and Income Level on Stillbirth and Neonatal Mortality in Brazil from 2000-2019
- Inteligência artificial pode melhorar decisões clínicas sobre tratamento no Brasil
- Patterns and predictors of health service use among people with mental disorders in São Paulo metropolitan area, Brazil
- Standardization of the food composition database used in the Latin American nutrition and health study (ELANS)
- The epidemiology of personality disorders in the Sao Paulo Megacity general population
- Partos cesáreos e a escolha da data de nascimento no Município de São Paulo
- Determinants of the use of health care services: multilevel analysis in the Metropolitan Region of Sao Paulo
Informações sobre o DOI: 10.11606/s1518-8787.2021055002677 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
