Os cartões, sejam de crédito ou débito, são meios de pagamento altamente utilizados. Esse fato desperta o interesse de fraudadores. O mercado de cartões enxerga as fraudes como custos operacionais, que são repassados para os consumidores e para a sociedade em geral. Ainda, o alto volume de transações e a necessidade de combater as fraudes abrem espaço para a aplicação de técnicas de Aprendizagem de Máquina; entre elas, os classificadores. Um tipo de classificador largamente utilizado nesse domínio é o classificador baseado em regras. Entretanto, um ponto de atenção dessa categoria de classificadores é que, na prática, eles são altamente dependentes dos especialistas no domínio, ou seja, profissionais que detectam os padrões das transações fraudulentas, os transformam em regras e implementam essas regras nos sistemas de classificação. Ao reconhecer esse cenário, o objetivo desse trabalho é propor a uma arquitetura baseada em regras de associação e regressão logística - técnicas estudadas em Aprendizagem de Máquina - para minerar regras nos dados e produzir, como resultado, conjuntos de regras de detecção de transações fraudulentas e disponibilizá-los para os especialistas no domínio. Com isso, esses profissionais terão o auxílio dos computadores para descobrir e gerar as regras que embasam o classificador, diminuindo, então, a chance de haver padrões fraudulentos ainda não reconhecidos e tornando as atividades de gerar e manter as regras mais eficientes. Com a finalidade de testar a proposta, a parte experimental do trabalho contou com cerca de 7,7 milhões de transações reais de cartões fornecidas por uma empresa participante do mercado de cartões. A partir daí, dado que o classificador pode cometer erros (falso-positivo e falso-negativo), a técnica de análise sensível ao custo foi aplicada para que a maior parte desses erros tenha um menor custo. Além disso, após um longo trabalho de análise do banco de dados, 141 características foram combinadas para, com o uso do algoritmo FP-Growth, gerar 38.003 regras que, após um processo de filtragem e seleção, foram agrupadas em cinco conjuntos de regras, sendo que o maior deles tem 1.285 regras. Cada um desses cinco conjuntos foi submetido a uma modelagem de regressão logística para que suas regras fossem validadas e ponderadas por critérios estatísticos. Ao final do processo, as métricas de ajuste estatístico dos modelos revelaram conjuntos bem ajustados e os indicadores de desempenho dos classificadores também indicaram, num geral, poderes de classificação muito bons (AROC entre 0,788 e 0,820). Como conclusão, a aplicação combinada das técnicas estatísticas - análise sensível ao custo, regras de associação e regressão logística - se mostrou conceitual e teoricamente coesa e coerente. Por fim, o experimento e seus resultados demonstraram a viabilidade técnica e prática da proposta. / Credit and debit cards are two methods of payments highly utilized. This awakens the interest of fraudsters. Businesses see fraudulent transactions as operating costs, which are passed on to consumers. Thus, the high number of transactions and the necessity to combat fraud stimulate the use of machine learning algorithms; among them, rule-based classifiers. However, a weakness of these classifiers is that, in practice, they are highly dependent on professionals who detect patterns of fraudulent transactions, transform them into rules and implement these rules in the classifier. Knowing this scenario, the aim of this thesis is to propose an architecture based on association rules and logistic regression - techniques studied in Machine Learning - for mining rules on data and produce rule sets to detect fraudulent transactions and make them available to experts. As a result, these professionals will have the aid of computers to discover the rules that support the classifier, decreasing the chance of having non-discovered fraudulent patterns and increasing the efficiency of generate and maintain these rules. In order to test the proposal, the experimental part of the thesis has used almost 7.7 million transactions provided by a real company. Moreover, after a long process of analysis of the database, 141 characteristics were combined using the algorithm FP-Growth, generating 38,003 rules. After a process of filtering and selection, they were grouped into five sets of rules which the biggest one has 1,285 rules. Each of the five sets was subjected to logistic regression, so their rules have been validated and weighted by statistical criteria. At the end of the process, the goodness of fit tests were satisfied and the performance indicators have shown very good classification powers (AUC between 0.788 and 0.820). In conclusion, the combined application of statistical techniques - cost sensitive learning, association rules and logistic regression - proved being conceptually and theoretically cohesive and coherent. Finally, the experiment and its results have demonstrated the technical and practical feasibilities of the proposal.

Submitted by Nadir Basilio (nadirsb@uninove.br) on 2017-08-04T21:33:38Z No. of bitstreams: 1 Priscila Cristina Silva.pdf: 2177666 bytes, checksum: a8d3c5290664fa16f138371def86fcdd (MD5) / Made available in DSpace on 2017-08-04T21:33:38Z (GMT). No. of bitstreams: 1 Priscila Cristina Silva.pdf: 2177666 bytes, checksum: a8d3c5290664fa16f138371def86fcdd (MD5) Previous issue date: 2017-02-23 / Customers with credit agreement in arrears for more than 90 days are characterized as non-performing loans and cause concerns in credit companies because the lack of guarantee of discharge debtor's amount. To treat this type of customer are applied collection scoring models that have as main objective to predict those debtors who have propensity to honor their debts, that is, this model focuses on credit recovery. Models based on statistical prediction techniques can be applied to the recovery of these credits, such as logistic regression and discriminant analysis. Therefore, the aim of this paper was to apply logistic regression and discriminant analysis models in predicting the recovery of non-performing loans credit portfolios. The database used was provided by the company Serasa Experian and contains a sample of ten thousand customers with twenty independent variables and a variable binary response (dependent) indicating whether or not the defaulting customer paid their debt. The sample was divided into training, validation and test and the models cited in the objective were applied individually. Then, two new logistic regression models and discriminant analysis were implemented from the outputs of the individually implemented models. The both models applied individually as the new models had generally good performance form, highlighting the new model of discriminant analysis that got correct classification of percentage higher than the new logistic regression model. It was concluded, then, based on the results that the models are a good option for predicting the credit portfolio recovery. / Os clientes que possuem contrato de crédito em atraso há mais de 90 dias são caracterizados como non-performing loans e preocupam as instituições financeiras fornecedoras de crédito pela falta de garantia da quitação desse montante devedor. Para tratar este tipo de cliente são aplicados modelos de collection scoring que têm como principal objetivo predizer aqueles devedores que possuem propensão em quitar suas dívidas, ou seja, esse modelo busca a recuperação de crédito. Modelos baseados em técnicas estatísticas de predição podem ser aplicados na recuperação como a regressão logística e a análise discriminante. Deste modo, o objetivo deste trabalho foi aplicar os modelos de regressão logística e análise discriminante na predição da recuperação de portfólios de crédito do tipo non-performing loans. A base de dados utilizada foi cedida pela empresa Serasa Experian e contém uma amostra de dez mil indivíduos com vinte variáveis independentes e uma variável resposta (dependente) binária indicando se o cliente inadimplente pagou ou não sua dívida. A amostra foi dividida em treinamento, validação e teste e foram aplicados os modelos citados de forma individual. Em seguida, dois novos modelos de regressão logística e análise discriminante foram implementados a partir das saídas (outputs) dos modelos aplicados individualmente. Com base nos resultados, tanto os modelos aplicados individualmente quanto os novos modelos apresentaram bom desempenho, com destaque para o novo modelo de análise discriminante que apresentou um percentual de classificações corretas superior ao novo modelo de regressão logística. Concluiu-se, então, que os modelos são uma boa opção para predição da recuperação de portfólios de crédito do tipo non-performing loans.

Orientador: Maria Márcia Pereira Sartori / Resumo: O estudo da longevidade é uma ferramenta importante na análise da qualidade fisiológica em sementes. A modelagem da curva de sobrevivência em sementes permite a predição do seu período de vida, que baliza os mais variados estudos em conservação e tecnologia de sementes. O modelo de Probit foi inicialmente proposto como o modelo ideal para predição da longevidade das sementes, contudo, estudos têm reportado certa dificuldade de predição do modelo em diferentes condições de estresse e armazenagem a que as sementes são submetidas. A equação da viabilidade em sementes a partir do modelo de Probit permite calcular o valor do P50, que é o período em que um lote de sementes leva para perder 50% da sua viabilidade. O modelo de Logit é similar ao de Probit, com a vantagem de ser mais simples, e de se adequar melhor ao comportamento dos dados com caudas pesadas. Assim, o objetivo deste estudo foi avaliar os modelos de Probit e Logit quanto a sua robustez na predição da longevidade das sementes. Para tanto, sementes de soja foram selecionadas quanto ao seu vigor, em delineamento inteiramente casualizado, e armazenadas à 35°C e 75% de umidade relativa, até que fosse constatada sua morte, por meio de testes de germinação realizados periodicamente. A construção das curvas de sobrevivência, após o experimento encerrado, permitiu a análise dos modelos de Probit e Logit, por meio dos parâmetros R2, Rajustado, e do coeficiente de correlação de Pearson. O estudo da normalidade dos resíduos tamb... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The study of longevity is an important tool in the analysis of physiological quality in seeds. The modeling of the survival curve in seeds allows the prediction of their half time life, which could be used to reference for the most varied studies on conservation and seed technology. The Probit model was initially proposed as the ideal model for seed longevity prediction, however, studies have reported about some errors found after applying the model under different stress and storage conditions in which seeds are submitted. The seed viability equation from the Probit model allows to calculate the value of P50, which is the period in which a seed lot loss 50% of its viability. The Logit model is similar to the Probit model, with the advantage of being simpler and better suited to heavy tails data, as occurs in seed longevity data. The aim of this study was to evaluate the Probit and Logit models for their robustness in predicting seed longevity. For this purpose, soybean seeds were selected according to their vigor, in a completely randomized design, and stored in 35 °C and 75% relative humidity until their death was verified by periodic germination tests. The construction of survival curves, after the experiment ended, allowed the analysis of Probit and Logit models, through the parameters R2 , Radjusted, and the Pearson correlation coefficient. The study of the normality of the residues was also performed to evaluate the models. The results showed the superiority of the Logi... (Complete abstract click electronic access below) / Doutor

O presente estudo tem o objetivo de analisar os padrões espaciais das ocorrências de suicídio no município de São Paulo, no período de 1996 a 2005, e verificar a sua associação com variávies socioeconômico-culturais (estado civil, renda, instrução, religião, migração). A escolha das variáveis analíticas foi baseada nos fatores de risco ao suicídio levantados pela OMS, OPAS e na teoria sobre o suicídio de Durkheim. Os dados socioeconômicos utilizados foram provenientes do IBGE e os dados de mortalidade do PRO-AIM. Para a identificação do padrão espacial das taxas de suicídio foi utilizado o teste de varredura espacial. Para a verificação da associação com as variáveis socioeconômicas e culturais foi utilizada análise de regressão logísica. No período estudado ocorreram 4275 óbitos por suicídio no município de São Paulo, com uma taxa média de 4,1/100 mil hab/ano. O primeiro teste de varredura espacial, considerando-se 50% da população total como tamanho máximo do agrupamento, identificou 2 agrupamentos significativos, um de risco (RR = 1,66) composto por 18 distritos da região central, centro-sul e centrooeste da cidade (Alto de Pinheiros, Barra Funda, Bela Vista, Bom Retiro, Brás, Cambuci, Consolação, Itaim Bibi, Jardim Paulista, Liberdade, Moema, Morumbi, Pinheiros, Perdizes, República, Santa Cecília, Sé, Vila Mariana) e um de proteção (RR = 0,78) formado por 14 distritos da região sul (Campo Grande, Campo Limpo, Capão Redondo, Cidade Ademar, Cidade Dutra, Grajaú, Jardim Ângela, Jardim São Luís, Santo Amaro, Socorro, Pedreira, Raposo Tavares, Vila Andrade, Vila Sônia). O teste considerando-se 5% da população total como tamanho máximo do agrupamento, encontrou 2 agrupamentos significativos. Nesse teste, o agrupamento de risco do primeiro teste foi desmembrado em dois agrupamentos menores, ambos de risco. O agrupamento primário apresentou RR = 1,92 em 9 distritos centrais, o agrupamento secundário RR = 1,58 em 6 distritos da região centro-sul. Para a análise de regressão logística, o agrupamento de risco identificado no primeiro teste de varredura espacial (18 distritos) e os demais 78 distritos (contraste) foram definidos como variáveis dependentes e as variáveis socioeconômicoculturais independentes. O primeiro modelo ajustado na regressão multivariada identificou as seguintes variáveis como risco: solteiros (OR = 2,36); migrantes (OR = 1,49); católicos (OR = 1,36); elevada renda (OR = 1,05). O segundo modelo multivariado identificou as seguintes variáveis como proteção: casados (OR = 0,48); evangélicos (0,60). Os resultados podem ser explicados pelos fatores de risco da literatura, pela teoria de Durkheim adaptada à realidade paulistana e pela diferença entre suicídio e homicídio. / The present study aims to analyse the space patterns of suicide occurence in the city of São Paulo, in the period from 1996 to 2005, and check its association with the socioeconomic-cultural variables (marital status, income, education, religion, migration). The choice of the analytical variables was based on the suicide risk factors lifted by the WHO and OPAS, and in the Durkheim´s suicide theory. The socioeconomic data used were originated from the IBGE and the mortality data from the PRO-AIM. The spatial scan test was applied to identify space patterns of suicide rates. In order to check the association with the socioeconomic-cultural variables, the logistic regression analysis was used. In the studied period, 4275 suicide deaths took place in the city of São Paulo, with a mean rate of 4,1/100 thousand inhabitant/year. The first spatial scan test, considering 50% of the total population as the maximum cluster size, identified 2 significant clusters, one of risk (RR = 1,66) composed by 18 districts of the central region, south-center and western-center of the city (Alto de Pinheiros, Barra Funda, Bela Vista, Bom Retiro, Brás, Cambuci, Consolação, Itaim Bibi, Jardim Paulista, Liberdade, Moema, Morumbi, Pinheiros, Perdizes, República, Santa Cecília, Sé, Vila Mariana) and one of protection (RR = 0,78) formed by 14 districts of the south region (Campo Grande, Campo Limpo, Capão Redondo, Cidade Ademar, Cidade Dutra, Grajaú, Jardim Ângela, Jardim São Luís, Santo Amaro, Socorro, Pedreira, Raposo Tavares, Vila Andrade, Vila Sônia). The test considering 5% of the total population as the maximum cluster size, found 2 significant clusters. In this test, the risk cluster of the first test was dismembered in two minor clusters, both of risk. The primary cluster presented RR = 1,92 in 9 central districts the secondary cluster RR = 1,58 in 6 districts of the south-centre. To the logistic regression analysis, the risk cluster identified in the first spatial scan test (18 districts) and the others 78 districts (contrast) were defined as dependent variables and the socioeconomic-cultural variables as independent. The first adjusted model in the multivaried regression identified these variables like risk: singles (OR = 2,36); migrant (OR = 1,49); catholics (OR = 1,36); high income (OR = 1,05). The second multivaried model identified these variables like protection: married (OR = 0,48); evangelic (0,60). The results can be explained by the literature risk factors, the Durkheim´s theory well-adjusted for the reality of São Paulo and by the difference between suicide and homicide.

Neste trabalho estudamos o modelo de regressão logística com erro de medida nas covariáveis. Abordamos as metodologias de estimação de máxima pseudoverossimilhança pelo algoritmo EM-Monte Carlo, calibração da regressão, SIMEX e naïve (ingênuo), método este que ignora o erro de medida. Comparamos os métodos em relação à estimação, através do viés e da raiz do erro quadrático médio, e em relação à predição de novas observações, através das medidas de desempenho sensibilidade, especificidade, verdadeiro preditivo positivo, verdadeiro preditivo negativo, acurácia e estatística de Kolmogorov-Smirnov. Os estudos de simulação evidenciam o melhor desempenho do método de máxima pseudoverossimilhança na estimação. Para as medidas de desempenho na predição não há diferença entre os métodos de estimação. Por fim, utilizamos nossos resultados em dois conjuntos de dados reais de diferentes áreas: área médica, cujo objetivo está na estimação da razão de chances, e área financeira, cujo intuito é a predição de novas observações. / We study the logistic model when explanatory variables are measured with error. Three estimation methods are presented, namely maximum pseudo-likelihood obtained through a Monte Carlo expectation-maximization type algorithm, regression calibration, SIMEX and naïve, which ignores the measurement error. These methods are compared through simulation. From the estimation point of view, we compare the different methods by evaluating their biases and root mean square errors. The predictive quality of the methods is evaluated based on sensitivity, specificity, positive and negative predictive values, accuracy and the Kolmogorov-Smirnov statistic. The simulation studies show that the best performing method is the maximum pseudo-likelihood method when the objective is to estimate the parameters. There is no difference among the estimation methods for predictive purposes. The results are illustrated in two real data sets from different application areas: medical area, whose goal is the estimation of the odds ratio, and financial area, whose goal is the prediction of new observations.

Objetivos: Este estudo é parte do Projeto Saúde, Bem-estar e Envelhecimento (SABE), com o objetivo de identificar as desigualdades no acesso e uso de serviços de saúde entre idosos no município de São Paulo, Brasil. Métodos: Em 2000, foram entrevistados, 2143 indivíduos com 60 anos ou mais, utilizando-se o questionário padronizado do SABE. A amostra foi obtida em dois estágios, utilizando-se setores censitários com reposição, probabilidade proporcional à população e complementação da amostra de pessoas de 75 anos. Os dados finais foram ponderados, de forma a serem expandidos. Foi mensurado o uso de serviços hospitalares (internações) e ambulatoriais (consultas médicas) nos últimos quatro meses e o não uso de serviços de saúde (mesmo precisando), relacionando-os com fatores de capacidade, necessidade e predisposição (renda total, escolaridade, seguro saúde, morbidade referida, auto-percepção, sexo e idade). Resultados: A proporção dos entrevistados que referiu ter utilizado algum serviço de saúde, nos últimos quatro meses, foi de 4,7 por cento com relação à internação hospitalar e 64, 4 por cento com referência ao atendimento ambulatorial. Dos atendimentos ambulatoriais, 24,7 por cento ocorreu em hospital público e 24,1 por cento em serviço ambulatorial público sendo que nos serviços privados, 14,5 por cento ocorreu em hospital e 33,7 por cento em clínicas. A não utilização foi relacionada à pouca gravidade da doença, qualidade e distância dos serviços e custo. Na regressão logística multivariada, observou-se associação entre a utilização de serviços e sexo, presença de doenças, auto-percepção de saúde, interação da renda e escolaridade e posse de seguro saúde, sendo que a escolaridade isoladamente apresentou efeito inverso. Conclusão: Foram observadas desigualdades no uso e acesso aos serviços de saúde e inadequação do modelo de atenção, indicando necessidade de políticas públicas que levem em conta as especificidades dessa população, facilitem o acesso e possam reduzir essas desigualdades / Objectives: This research is part of a project called Health, Well-being and Aging in Latin America and the Caribbean, “SABE study", and aims to study the inequalities in use and access to health care services among the elderly persons in the Municipality of São Paulo, Brazil. Methods: In 2000, 2.143 individuals aged 60 or older, dwelling in the urban area of São Paulo, were interviewed using census sectors with replacement and probability proportional to population. To achieve the desired number of respondents 75 or older, additional homes close to the selected census sector were used, with weighting of the final results. The use and access to health services were measured for outpatient medical services and hospital admission in the context of the personal characteristics of the subjects, context and need for health care. Results: Considering the elderly who needed healthcare assistance in the four months prior to the interview, 4,7% were hospitalized and 64,4% needed ambulatory care, being 24,7% in public hospitals and 24,1% in public ambulatory health services. As for the private services, this number was 14, 5% for hospitals and 33, 7% for medical clinics. In the multivariate analysis, there is an association between use of health services, sex, diseases, wealth quintiles and health insurance. However, the opposite effect was found for the variable “educational level". Conclusions: The results demonstrate inequalities in use and access to health services and a problematic health care system. Public policies should take into account the different needs of this older population, in order to facilitate access to health care services and reduce inequalities.

Neste trabalho estudamos o modelo de regressão logística com erro de medida nas covariáveis. Abordamos as metodologias de estimação de máxima pseudoverossimilhança pelo algoritmo EM-Monte Carlo, calibração da regressão, SIMEX e naïve (ingênuo), método este que ignora o erro de medida. Comparamos os métodos em relação à estimação, através do viés e da raiz do erro quadrático médio, e em relação à predição de novas observações, através das medidas de desempenho sensibilidade, especificidade, verdadeiro preditivo positivo, verdadeiro preditivo negativo, acurácia e estatística de Kolmogorov-Smirnov. Os estudos de simulação evidenciam o melhor desempenho do método de máxima pseudoverossimilhança na estimação. Para as medidas de desempenho na predição não há diferença entre os métodos de estimação. Por fim, utilizamos nossos resultados em dois conjuntos de dados reais de diferentes áreas: área médica, cujo objetivo está na estimação da razão de chances, e área financeira, cujo intuito é a predição de novas observações. / We study the logistic model when explanatory variables are measured with error. Three estimation methods are presented, namely maximum pseudo-likelihood obtained through a Monte Carlo expectation-maximization type algorithm, regression calibration, SIMEX and naïve, which ignores the measurement error. These methods are compared through simulation. From the estimation point of view, we compare the different methods by evaluating their biases and root mean square errors. The predictive quality of the methods is evaluated based on sensitivity, specificity, positive and negative predictive values, accuracy and the Kolmogorov-Smirnov statistic. The simulation studies show that the best performing method is the maximum pseudo-likelihood method when the objective is to estimate the parameters. There is no difference among the estimation methods for predictive purposes. The results are illustrated in two real data sets from different application areas: medical area, whose goal is the estimation of the odds ratio, and financial area, whose goal is the prediction of new observations.

Made available in DSpace on 2015-03-26T13:32:17Z (GMT). No. of bitstreams: 1 texto completo.pdf: 764829 bytes, checksum: 8dbd03463c4800428f75900ca1340eb0 (MD5) Previous issue date: 2012-07-23 / The use of logistic regression modeling as a tool for modeling statistical probability of an event as a function of one or more independents variables, has grown among researchers in several areas, including Phytopathology. At about the dichotomous logistic regression in which the dependent variable is the type binary or dummy, is the extensive number of studies in the literature that discuss the modeling assumptions and the interpretation of the analyzes, as well as alternatives for implementation in statistical packages. However, when the variable response requires the use three or more categories, the number of publications is scarce. This is not only due to the scarcity of relevant publications on the subject, but also the inherent difficulty of coverage on the subject. In this paper we address the applicability of the model polytomous ordinal logistic regression, as well as differences between the proportional odds models, nonproportional and partial proportional odds. For this, we analyzed data from an experiment in which we evaluated the potential antagonistic fungus Clonostachys rosea in biocontrol of the disease called "gray mold", caused by Botrytis cinerea in strawberry and tomato. The partial proportional odds models and nonproportional were adjusted and compared, since the proportionality test score accused rejection of the proportional odds assumption. The estimates of the model coefficients as well as the odds ratios were interpreted in practical terms for Phytopathology. The polytomous ordinal logistic regression is introduced as an important statistical tool for predicting values, showing the potential of C. rosea in becoming a commercial product to be developed and used in the biological control of the disease, because the application of C. rosea was as or more effective than the use of fungicides in the control of gray mold. / O uso da regressão logística como uma ferramenta estatística para modelar a probabilidade de um evento em função de uma ou mais variáveis explicativas, tem crescido entre pesquisadores em várias áreas, inclusive na Fitopatologia. À respeito da regressão logística dicotômica, na qual a variável resposta é do tipo binária ou dummy, é extenso o número de trabalhos na literatura que abordam a modelagem, as pressuposições e a interpretação das análises, bem como alternativas de implementação em pacotes estatísticos. No entanto, quando a variável resposta requer que se utilize três ou mais categorias, o número de publicações é escasso. Isso devido não somente à escassez de publicações relevantes sobre o assunto, mas também à inerente dificuldade de abrangência sobre o tema. No presente trabalho aborda-se a aplicabilidade do modelo de regressão logística politômica ordinal, bem como as diferenças entre os modelos de chances proporcionais, chances proporcionais parciais e chances não proporcionais. Para isso, foram analisados dados de um experimento em que se avaliou o potencial do fungo antagonista Clonostachys rosea no biocontrole da doença denominada mofo cinzento , causada por Botrytis cinerea em morangueiro e tomateiro. Os modelos de chances proporcionais parciais e não proporcionais foram ajustados e comparados, uma vez que o teste score de proporcionalidade acusou rejeição da pressuposição de chances proporcionais. As estimativas dos coeficientes dos modelos bem como das razões de chances foram interpretadas em termos práticos para a Fitopatologia. A regressão logística politômica ordinal se apresentou como uma importante ferramenta estatística para predição de valores, mostrando o potencial do C. rosea em se tornar um produto comercial a ser desenvolvido e usado no controle biológico da doença, pois a aplicação de C. rosea foi tão ou mais eficiente do que a utilização de fungicidas no controle do mofo cinzento.

Made available in DSpace on 2015-05-14T12:47:19Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 3269699 bytes, checksum: af9285a2857f32a228efc8a34c2c80c4 (MD5) Previous issue date: 2014-12-09 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In view of the Primary Health Care in Brazil has been strengthened, mainly, with the new National Primary Care Policy (PNAB), the Brazilian Ministry of Health has created the Program of Improving Access and Quality of Primary Care (PMAQ-AB) that aimed to improve healthcare public service quality and to enhance the Brazilian qualified health services within the SUS (Brazil's Unified Public Health System). By using the Module III of the external evaluation instrument from the 1º cycle of PMAQ-AB, which contains a lot of information on perception and satisfaction of public health services users regard to their access and usage, this present work aims to identify, considering statistical tools, the main factors that influence the user satisfaction of health services in Brazil and in its regions in order to develop decision models to help health public officers to define actions that increase health service quality and to make effective decisions. In this way, this work was carried out considering secondary data from the 1º cycle of PMAQ-AB, which takes place from 2012 to the first half of 2013. It was obtained a descriptive analysis, a cluster analysis to find the dependent variable of user satisfaction and logistic regression was applied in order to obtain decision models for Brazil and its regions. As a result, the main factors associated with user satisfaction on the provided health service for Brazil and its regions were obtained. Considering the results on Brazil as a whole, the achieved main factors were the following: the users perception on the health care unit staff on not solving their health needs (OR = 0.39) and the user does not (OR = 0.44) feel respected by health professionals in relation to their cultural habits, customs, religion or feel it only a few times (OR = 0.49). It was also noticed that the factors that influence the user satisfaction vary according to the considered region of Brazil due to mainly its diversity. Beyond the factors observed in Brazil, the following factors were also noted in its regions: the health unit time table does not meet the user needs, the users cannot be served when they are in the health care unit unless an previous appointment and the users have difficult to make complaints or suggestions in the health care unit. It was concluded that it is important that health care unit staff and managers try to improve health care unit access, to serve the user needs, to improve organization, and especially to strengthen the link of users and health professionals, in addition to home visits, considering socio-geographic and socioeconomic aspects. / Na perspectiva que a Atenção Básica à Saúde no Brasil vem se fortalecendo, principalmente com a Política Nacional de Atenção Básica (PNAB), o Ministério da Saúde criou o Programa Nacional de Melhoria do Acesso e da Qualidade da Atenção Básica (PMAQ-AB) visando a melhoria da qualidade do atendimento e a ampliação da oferta qualificada dos serviços de saúde no âmbito do SUS. Utilizando o Módulo III do instrumento de avaliação externa do 1° Ciclo do PMAQ-AB, que contém informações sobre a percepção e a satisfação dos usuários quanto aos serviços de saúde no que se refere ao seu acesso e utilização, este trabalho teve como objetivo analisar os principais fatores que influenciam na satisfação dos usuários dos serviços de saúde no Brasil e em suas regiões a fim de elaborar um modelo de suporte à decisão que auxilie o gestor em saúde na tarefa de definir ações promotoras que incrementem a qualidade dos serviços de saúde na percepção dos usuários e assim tomar decisões efetivas que fortaleçam essas ações. Para isso, foi realizado um estudo com dados secundários, produzidos pelo Ministério da Saúde, do 1º Ciclo de Avaliação Externa do PMAQ-AB realizado entre o ano de 2012 e o primeiro semestre de 2013. Dessa forma, realizou-se uma análise descritiva, uma análise de agrupamento para obter a variável dependente de satisfação do usuário e foi utilizada regressão logística para obtenção de modelos de decisão para o Brasil e suas regiões. Como resultado do estudo realizado, foram encontrados os principais fatores associados à satisfação do usuário com o serviço de saúde tanto para o Brasil quanto para cada um de suas regiões. Para o Brasil, os fatores em destaque foram: a percepção do usuário quanto a equipe não buscar resolver suas necessidades/problemas na própria unidade de saúde (OR = 0,39) e o usuário não (OR = 0,44) sentir-se respeitado pelos profissionais em relação aos seus hábitos culturais, costumes, religião ou sentir-se apenas algumas vezes (OR = 0,49). Devido à diversidade do país, observa-se também que os fatores influenciadores da satisfação do usuário variam de acordo com a região geográfica, destacando-se: o horário de funcionamento da unidade não atender às necessidades dos usuários; o usuário não conseguir ser escutado quando vem à unidade de saúde sem ter hora marcada para resolver qualquer problema; e a dificuldade de conseguir fazer uma reclamação ou sugestão na unidade de saúde. Conclui-se que é importante que equipes e gestores continuem empenhando seus esforços para melhorar a qualificação do acesso, atendam às necessidades dos usuários, melhorem os aspectos da organização e da dinâmica do processo de trabalho e, principalmente, fortaleçam o vínculo mediante o aprimoramento da relação entre usuários e profissionais de saúde, além das visitas domiciliares, considerando também a contribuição e a importância de análises de aspectos sócio geográficos e socioeconômicos.

Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro / O atual nível das mudanças uso do solo causa impactos nas mudanças ambientais globais. Os processos de mudanças do uso e cobertura do solo são processos complexos e não acontecem ao acaso sobre uma região. Geralmente estas mudanças são determinadas localmente, regionalmente ou globalmente por fatores geográficos, ambientais, sociais, econômicos e políticos interagindo em diversas escalas temporais e espaciais. Parte desta complexidade é capturada por modelos de simulação de mudanças do uso e cobertura do solo. Uma etapa do processo de simulação do modelo CLUE-S é a quantificação da influência local dos impulsores de mudança sobre a probabilidade de ocorrência de uma classe de uso do solo. Esta influência local é obtida ajustando um modelo de regressão logística. Um modelo de regressão espacial é proposto como alternativa para selecionar os impulsores de mudanças. Este modelo incorpora a informação da vizinhança espacial existente nos dados que não é considerada na regressão logística. Baseado em um cenário de tendência linear para a demanda agregada do uso do solo, simulações da mudança do uso do solo para a microbacia do Coxim, Mato Grosso do Sul, foram geradas, comparadas e analisadas usando o modelo CLUE-S sob os enfoques da regressão logística e espacial para o período de 2001 a 2011. Ambos os enfoques apresentaram simulações com muito boa concordância, medidas de acurácia global e Kappa altos, com o uso do solo para o ano de referência de 2004. A diferença entre os enfoques foi observada na distribuição espacial da simulação do uso do solo para o ano 2011, sendo o enfoque da regressão espacial que teve a simulação com menor discrepância com a demanda do uso do solo para esse ano. / Present state of land use changes impacts global environmental changes. Land use and cover changes are complex processes and do not occur at random pattern in an area. In general, they are determined locally, regionally and globally by geographic, environmental, social, economic and political factors interacting at diverse temporal and spatial scales. Part of this complexity can be modeled by land use and cover change simulation models. An important step of simulation process in CLUE-S model is local influence of driving forces over the occurrence of a land use type. This influence is obtained by logistic regression model. A spatial lag regression model is proposed to select driving forces. This model incorporates spatial neighborhood information which is ignored by logistic regression. Based on a lineal trend scenario of land use demand, simulations of land use changes for Coxim microbasin, Mato Grosso do Sul, were generated, analyzed and compared using CLUE-S model under logistic and spatial regression approaches. The period of simulations was 2001-2011. Both approaches revealed elevated concordance, high global accuracy and Kappa index, to land use for 2004 reference year. Differences were observed for spatial distribution for land use simulations for 2011. Spatial lag regression simulation for 2011 reached less discrepancy to land use demand for that year.