Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho (2019)
- Authors:
- USP affiliated authors: CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO - FSP ; FERNANDES, FERNANDO TIMOTEO - FSP
- Unidade: FSP
- DOI: 10.1590/2317-6369000019418
- Subjects: SAÚDE OCUPACIONAL; APRENDIZADO COMPUTACIONAL; MINERAÇÃO DE DADOS; SEGURANÇA DO TRABALHO
- Language: Português
- Abstract: Introdução: a variedade, volume e velocidade de geração de dados (big data) possibilitam novas e mais complexas análises. Objetivo: discutir e apresentar técnicas de mineração de dados (data mining) e de aprendizado de máquina (machine learning) para auxiliar pesquisadores de Saúde e Segurança no Trabalho (SST) na escolha da técnica adequada para lidar com big data. Métodos: revisão bibliográfica com foco em data mining e no uso de análises preditivas com machine learning e suas aplicações para auxiliar diagnósticos e predição de riscos em SST. Resultados: a literatura indica que aplicações de data mining com algoritmos de machine learning para análises preditivas em saúde pública e em SST apresentam melhor desempenho em comparação com análises tradicionais. São sugeridas técnicas de acordo com o tipo de pesquisa almejada. Discussão: data mining tem se tornado uma alternativa cada vez mais comum para lidar com bancos de dados de saúde pública, possibilitando analisar grandes volumes de dados de morbidade e mortalidade. Tais técnicas não visam substituir o fator humano, mas auxiliar em processos de tomada de decisão, servir de ferramenta para a análise estatística e gerar conhecimento para subsidiar ações que possam melhorar a qualidade de vida do trabalhador
- Imprenta:
- Source:
- Título: Revista Brasileira de Saúde Ocupacional
- ISSN: 0303-7657
- Volume/Número/Paginação/Ano: v.44, art. e13 [12p.], 2019
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
FERNANDES, Fernando Timoteo e CHIAVEGATTO FILHO, Alexandre Dias Porto. Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho. Revista Brasileira de Saúde Ocupacional, v. 44, p. art. e13 [12], 2019Tradução . . Disponível em: https://doi.org/10.1590/2317-6369000019418. Acesso em: 31 mar. 2026. -
APA
Fernandes, F. T., & Chiavegatto Filho, A. D. P. (2019). Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho. Revista Brasileira de Saúde Ocupacional, 44, art. e13 [12]. doi:10.1590/2317-6369000019418 -
NLM
Fernandes FT, Chiavegatto Filho ADP. Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho [Internet]. Revista Brasileira de Saúde Ocupacional. 2019 ;44 art. e13 [12].[citado 2026 mar. 31 ] Available from: https://doi.org/10.1590/2317-6369000019418 -
Vancouver
Fernandes FT, Chiavegatto Filho ADP. Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho [Internet]. Revista Brasileira de Saúde Ocupacional. 2019 ;44 art. e13 [12].[citado 2026 mar. 31 ] Available from: https://doi.org/10.1590/2317-6369000019418 - Predição de absenteísmo docente na rede pública com machine learning
- 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
- Inteligência artificial e saúde
- Desigualdade de renda e doenças cardiovasculares no Brasil: uma análise multinível
- The epidemiology of personality disorders in the Sao Paulo Megacity general population
- Inteligência artificial pode melhorar decisões clínicas sobre tratamento no Brasil
- Determinants of the use of health care services: multilevel analysis in the Metropolitan Region of Sao Paulo
- Neighbourhood characteristics and mental disorders in three Chinese cities: multilevel models from the World Mental Health Surveys
- Partos cesáreos e a escolha da data de nascimento no Município de São Paulo
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
HEP_52_2019.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
