Detecção de anomalia através da comparação de modelos representativos (2021)
- Authors:
- Autor USP: GELATTI, GIOVANA JASKULSKI - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: REPRESENTAÇÃO DE CONHECIMENTO; INFERÊNCIA BAYESIANA; INTELIGÊNCIA ARTIFICIAL; TEORIA DOS GRAFOS; BIOINFORMÁTICA; GESTANTES
- Keywords: Anomaly detection; Aprendizado não supervisionado; Bayesian networks; Detecção de anomalia; Modelos representativos; Redes Bayesianas; Representative models; Unsupervised learning
- Agências de fomento:
- Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
- Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
- Financiado pala CAPES-PROEX
- Financiado pelo Programa Operacional regional do Norte (NORTE2020) através do Acordo de Parceria PORTUGAL2020
- Financiado pelo Fundo Europeu de Desenvolvimento Regional (FEDER) pela possibilidade de contribuição aos projetos Macro-to-Nano Human Sensing: Towards Integrated Multimodal Health Monitoring and Analytics (NanoSTIMA) e ObsCare WCR
- Language: Português
- Abstract: Lacuna: Regulamentos de privacidade e acesso a dados e leis de proteção de dados tornam a comparação de departamentos e identificação de padrões, em geral, tarefas difíceis. A exploração dos dados coletados, juntamente com um modelo descritivo induzido a partir desses dados, podem ajudar a identificar modelos destoantes e promover a comparação das instituições. Objetivo: O estudo propõe a criação de modelos de redes Bayesianas capazes de extrair conhecimentos novos e significativos a partir dos dados nas variáveis utilizadas no estudo de caso. Propomos a criação de modelos de seções obstétricas por meio de variáveis utilizadas para classificação de Robson (CR), utilizada para classificar gestantes em 10 grupos, estudo de possível integração de novas variáveis à CR, a recriação de dados pelos modelos e a detecção de departamentos obstétricos com comportamentos gerais muito diferentes (anômalos) pela comparação dos modelos. Métodos: Foi desenvolvido um modelo de rede Bayesiana com as variáveis utilizadas para CR por cada hospital envolvido no estudo. Propusemos e investigamos experimentalmente novas variáveis que podem melhor caracterizar e distribuir as gestantes nos grupos de Robson. As funções do pacote R \"bnlearn\" foram usadas para manipular e recriar dados no modelo. O desempenho deste modelo foi validado quanto à capacidade de recriar dados, comparando com medidas estatísticas de dados reais, e verificando se as distribuições nos grupos CR permanecem as mesmas. Nointuito de construir uma matriz de distância para identificação de dados destoantes, a distância de Hamming foi utilizada para calcular as dissimilaridades entre os modelos. As anomalias detectadas foram validadas por especialista de acordo com a escala Likert. Resultados: Os dados foram descritos e recriados através de redes Bayesianas com imputação de dados, com referência significativa aos dados reais. A comparação dos modelos sobre as seções de obstetrícia identificou padrões e anomalias. A comparação permitiu diferenciar os setores com diferentes taxas de cesárea e distribuição nos grupos de Robson, de acordo com as variáveis selecionadas, preservando o acesso aos dados reais das instituições.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 23.03.2021
-
ABNT
GELATTI, Giovana Jaskulski. Detecção de anomalia através da comparação de modelos representativos. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-24052021-171751/. Acesso em: 15 nov. 2024. -
APA
Gelatti, G. J. (2021). Detecção de anomalia através da comparação de modelos representativos (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-24052021-171751/ -
NLM
Gelatti GJ. Detecção de anomalia através da comparação de modelos representativos [Internet]. 2021 ;[citado 2024 nov. 15 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-24052021-171751/ -
Vancouver
Gelatti GJ. Detecção de anomalia através da comparação de modelos representativos [Internet]. 2021 ;[citado 2024 nov. 15 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-24052021-171751/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
