Aplicação da mineração de dados para apoio à descoberta de conhecimento no contexto do estudo clínico randomizado: Projeto Florida (2021)
- Authors:
- Autor USP: SILVA, PATRICK PEDREIRA - HRAC
- Unidade: HRAC
- DOI: 10.11606/T.61.2021.tde-18022022-125501
- Subjects: FISSURA LÁBIOPALATINA; FÍSTULA; INTELIGÊNCIA ARTIFICIAL; MINERAÇÃO DE DADOS
- Keywords: Fissuras; Artificial intelligence; Cleft; Data mining; Fistula
- Language: Português
- Abstract: A quantidade de usuários da internet em todo o mundo vem aumentando de forma exponencial, alcançando cerca de 5,2 bilhões em 2021. Do mesmo modo, há um aumento significativo da velocidade de processamento e capacidade de memória dos computadores. Maior capacidade de processamento associada ao crescente aumento do número de usuários destas tecnologias têm produzido um problema de superabundância de dados, pois a capacidade de coletar e armazenar dados tem superado a habilidade de analisar e extrair conhecimento destes. A capacidade de extrair conhecimento útil e oculto nessa grande quantidade de dados e de agir com base nesse conhecimento está se tornando cada vez mais importante. Hospitais, clínicas e instituições ligados à área de saúde, de um modo geral, também ampliaram de forma significativa suas bases de dados, gerando impactos diretos na Saúde Pública uma vez que essa massa de dados fornece meios de subsidiar mecanismos de controle, procedimentos e, sobretudo, estudos clínicos que se transformem em benefícios para a sociedade. A Ciência da Computação apresenta um conjunto de técnicas e ferramentas destinadas à produção de informação relevante e à descoberta de conhecimentos em bases de dados de maneira inteligente e automática, por meio da chamada mineração de dados. Diante deste cenário, o objetivo geral deste trabalho foi aplicar técnicas de computação na área de ciências da saúde, sobretudo no escopo das fissuras labiopalatinas, buscando otimizar processos relacionados às práticas dessas ciências, por meio da aplicação de conceitos relacionados à inteligência artificial, ao aprendizado de máquina e à mineração de dados no contexto do HRAC/USP (Hospital de Reabilitação de Anomalias Craniofaciais Universidade de São Paulo).Mais especificamente, a hipótese desta investigação é de que é possível identificar correlações e padrões de dados que permitam fornecer insights ao tratamento das fissuras labiopalatinas. Deste modo, foram propostas duas tarefas de pesquisa: a) comparação de algoritmos de aprendizado de máquina para a predição de ocorrência de fístulas após a palatoplastia primária em pacientes com fissura transforame unilateral (FTU) e b) utilização de técnicas de mineração de dados para a descoberta de conhecimento sobre fatores associados à ocorrência de fístulas após a palatoplastia primária. A análise dos dados revelou que a ausência de alguns sintomas (febre,tosse, infecção) bem como características associadas à cirurgia em si (cirurgião, técnica, retalho de vômer) e ao paciente (hipernasalidade e sinais sugestivos de disfunção velofaríngea), podem ajudar a predizer o sucesso ou insucesso da palatoplastia. Também revelou que fatores associados às complicações pósoperatórias (infecção, vômito, tosse e febre) bem como às características associadas à cirurgia em si (duração, técnicas cirúrgicas, retalho de Vômer, incisão relaxante) e ao paciente (idade na época da palatoplastia), podem ajudar a predizer o sucesso ou insucesso da palatoplastia com relação à ocorrência de fístulas consideradas complicações. Quando se considera a capacidade de predição (correta e do maior número de casos) o algoritmo de melhor desempenho foi o de Máquina de VetoresSuporte (SVM), cuja métrica de f-measure dentro da classe de insucessos foi a mais alta.Além das contribuições pontuais desta pesquisa salientadas nos artigos que compõem esta tese, podem ser evidenciadas outras contribuições potenciais deste trabalho, principalmente, a ampliação das parcerias entre as áreas de ciência da computação e ciências da saúde, sobretudo no escopo das fissuras labiopalatinas, o que permite otimizar processos relacionados às práticas dessas ciências, por meio das tecnologias da informação e comunicação, fomentando projetos multidisciplinares.
- Imprenta:
- Data da defesa: 17.12.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SILVA, Patrick Pedreira. Aplicação da mineração de dados para apoio à descoberta de conhecimento no contexto do estudo clínico randomizado: Projeto Florida. 2021. Tese (Doutorado) – Universidade de São Paulo, Bauru, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/61/61132/tde-18022022-125501. Acesso em: 29 dez. 2025. -
APA
Silva, P. P. (2021). Aplicação da mineração de dados para apoio à descoberta de conhecimento no contexto do estudo clínico randomizado: Projeto Florida (Tese (Doutorado). Universidade de São Paulo, Bauru. Recuperado de https://www.teses.usp.br/teses/disponiveis/61/61132/tde-18022022-125501 -
NLM
Silva PP. Aplicação da mineração de dados para apoio à descoberta de conhecimento no contexto do estudo clínico randomizado: Projeto Florida [Internet]. 2021 ;[citado 2025 dez. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/61/61132/tde-18022022-125501 -
Vancouver
Silva PP. Aplicação da mineração de dados para apoio à descoberta de conhecimento no contexto do estudo clínico randomizado: Projeto Florida [Internet]. 2021 ;[citado 2025 dez. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/61/61132/tde-18022022-125501 - Influência de estímulos de fala na identificação perceptivo-auditiva da hipernasalidade em indivíduos com fissura labiopalatina
- Cephalometric predictors of hypernasality and nasal air emission
- Identification of hypernasality after use of reference samples
- Aplicativo móvel "Fala nova, treino fácil": inovação no tratamento de fala na fissura labiopalatina
- Aplicação de mineração de dados para extração de conhecimento sobre ocorrência de fístulas após palatoplastia
Informações sobre o DOI: 10.11606/T.61.2021.tde-18022022-125501 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
