Modelo computacional para apoio à decisão clínica no diagnóstico de transtornos psicóticos (2020)
- Authors:
- Autor USP: CARVALHO, ISABELLE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: MINERAÇÃO DE DADOS; DIAGNÓSTICO CLÍNICO; SAÚDE MENTAL; TRANSTORNO BIPOLAR; TRANSTORNOS PSICÓTICOS
- Keywords: Clinical decision Support; Data mining; Psychotic disorders
- Agências de fomento:
- Language: Português
- Abstract: Atualmente, um dos grandes gargalos em saúde mental é a busca por fatores causais multifatoriais para auxílio na identificação e diferenciação do diagnóstico de transtornos mentais. Este trabalho tem como objetivo identificar, modelar e avaliar, com base em algoritmos de extração de regras, um conjunto mínimo relevante e suas relações entre variáveis de sinais e sintomas, variáveis relacionadas a fatores de risco socioambientais e propriedades de material biológico a fim de caracterizar transtornos psicóticos em primeiro episódio, em particular esquizofrenia, transtorno bipolar e transtorno depressivo. Os métodos consistem de 4 principais etapas [1] Pré-processamento; [2] Extração de padrões; [3] Avaliação e [4] Desenvolvimento de uma ferramenta web. O conjunto de dados inicial era composto por 488 indivíduos descritos por 357 atributos e envolvendo 9 diferentes grupos de características. Para classificação de transtornos psicóticos (caso e controle), foram apresentadas 6 regras finais descritas por 10 características em 2 grupos distintos de dados; nessa análise, o algoritmo de indução de regras RIPPER se destacou dos demais, tendo maior desempenho geral e regras majoritárias com alto valor de suporte (acima de 80%). Para classificação de identificação de diagnósticos (esquizofrenia, transtorno bipolar, transtorno depressivo e controle), foram apresentadas 14 regras finais, descritas por 31 características em 5 grupos distintos de dados; nessa análise, os algoritmos PART eRIPPER mostraram-se bons candidatos para exploração desse tipo de conjunto de dados, em sua maioria, obtiveram performances satisfatórias (acima de 70%). Por fim, viabilizou-se uma ferramenta web - a PEP HELP - para apoio à decisão clínica no diagnóstico de esquizofrenia, transtorno depressivo e transtorno bipolar em primeiro episódio psicótico, que incorpora os modelos de decisão construídos. Dessa maneira, os algoritmos de extração de regras mostraram-se ferramentas promissoras para exploração de variáveis clínicas no contexto de transtornos psicóticos, obtendo características e relações relevantes, com boa acurácia e com alinhamento na literatura clínica da área. Os achados do trabalho poderão apoiar o processo diagnóstico em saúde mental.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2020
- Data da defesa: 25.09.2020
-
ABNT
CARVALHO, Isabelle. Modelo computacional para apoio à decisão clínica no diagnóstico de transtornos psicóticos. 2020. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23102020-164048/. Acesso em: 27 dez. 2025. -
APA
Carvalho, I. (2020). Modelo computacional para apoio à decisão clínica no diagnóstico de transtornos psicóticos (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23102020-164048/ -
NLM
Carvalho I. Modelo computacional para apoio à decisão clínica no diagnóstico de transtornos psicóticos [Internet]. 2020 ;[citado 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23102020-164048/ -
Vancouver
Carvalho I. Modelo computacional para apoio à decisão clínica no diagnóstico de transtornos psicóticos [Internet]. 2020 ;[citado 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23102020-164048/ - Estudo do risco de óbito por meio da análise de comorbidade nos pacientes internados nos hospitais gerais do DRS XIII em 2011
- Socially responsible hate speech detection: can classifiers reflect social stereotypes?
- Availability of genetic tests in public health services in Brazil: data from the Brazilian Rare Diseases Network
- NoHateBrazil: a brazilian portuguese text offensiveness analysis system
- A tool to support the clinical decision based on risk of death in hospital admissions
- HateBR: a large expert annotated corpus of brazilian Instagram comments for offensive language and hate speech detection
- Contextual-lexicon approach for abusive language detection
- Proposal of an integrated decision support system for tuberculosis based on semantic web
- Mapping, infrastructure, and data analysis for the brazilian network of rare diseases: protocol for the RARASnet observational cohort study
- Brazil: the emerging epicenter of COVID-19 pandemic
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
