Este trabalho análise as ocorrências de 12 classes de substâncias (monoterpenos, sesquiterpenos, lactonas sesquiterpênicas, diterpenos, triterpenos, cumarinas, flavonóides, poliacetilenos, benzofuranos, benzopiranos, acetofenonas e fenilpropanóides) na família Asteraceae e na sua tribo Heliantheae. Pretende-se demonstrar a existência de correlações na produção de metabólitos secundários em níveis taxonômicos baixos (tribos, subtribos e gêneros). Utilizou-se um banco de dados com cerca de 36.000 ocorrências das principais substâncias isoladas em plantas da família. O estudo do equilíbrio químico na produção de metabólitos secundários foi feito utilizando-se Regressão Linear Múltipla. As afinidades entre os grupos com base na sua Química foram pesquisadas por vários métodos tais como: Análise de componentes principais, Análise de Cluster e Análises cladísticas. Observou-se também o grau de oxidação médio de vários metabólitos e sua utilidade como ferramenta em análises quimiotaxonômicas. Foi possível mostrar a existência de um equilíbrio na produção das 12 classes de metabólitos em níveis das tribos e subtribos. Mas, no nível dos gêneros um equilíbrio moderado foi encontrado. Também foi possível mostrar a existência de um equilíbrio oxidativo em vários níveis (tribos, subtribos). No nível dos gêneros nenhum equilíbrio foi encontrado utilizando-se o parâmetro passo oxidativo. Foi possível agrupar algumas das subfamílias de Asteraceae segundo Bremer e subtribos da tribo Heliantheae segundo Stuessy usando Análises de componentes principais e Análise de Cluster / This work analyse the occurrence of 12 classes of substances (monoterpenes, sesquiterpenes, sesquiterpene lactones, diterpenes, triterpenes, coumarins, flavonoids, polyacetylenes, Benzofurans, benzopyrans, acetophenones and phenylpropanoids) in the Asteraceae family and its Heliantheae tribe. This study intends to demonstrate the existence of correlations in the production of secondary metabolites in lower taxonomic levels (tribes, subtribes and genera). We used a database of about 36,000 occurrences of the main substances isolated from the plant family. The study of chemical equilibrium in the production of secondary metabolites was done using Multiple Linear Regression. The affinities between the groups based on their chemistry were investigated by various methods such as principal component analysis, Cluster and cladistic analysis. There was also the average degree of oxidation of various metabolites and their usefulness as a tool in chemotaxonomic analysis. It was possible to show the existence of a balance in the production of 12 classes of metabolites in the levels of the tribes and subtribes. But the level of the genus balance was found moderate. It was also possible to show the existence of an oxidative equilibrium in various levels (tribes, subtribes). The level of genus balance was not found using the parameter oxidation step. We could group some of the subfamilies of Asteraceae according to Bremer and the subtribes of Heliantheae according to Stuessy using the principal component analysis and Cluster Analysis

Neste trabalho são reunidos diferentes modelos e técnicas para representar situações experimentais ou observacionais de análise de sobrevivência. Para modelar respostas bivariadas e covariáveis foi proposto o modelo de regressão Kumaraswamy-Weibull bivariado. A presen»ca de indivíduos curados foi considerada sob duas diferentes abordagens, originando o modelo de regressão com fração de cura para dados bivariados por meio de cópulas e o modelo de regressão log-linear bivariado com fração de cura. Os parâmetros dos modelos foram esti- mados pelo método de máxima verossimilhança sujeito a restriçãoo nos parâmetros por meio da função barreira adaptada. Adaptou-se uma análise de sensibilidade de forma a considerar as metodologias de Influência Global, Influência Local e Influência Local Total para verificar vários aspectos que envolvem a formulação e ajuste dos modelos propostos. Utilizou-se um conjunto de dados de insuficiência renal e retinopatia diabética são utilizados para exemplificar a aplicação dos modelos propostos. / This work brought together di®erent models and techniques to represent expe- rimental or observational situations in survival analysis. To model bivariate responses and covariates was proposed Kumaraswamy Weibull bivariate regression model. The presence of cured individuals was considered under two di®erent approaches originating the regression model with a cured fraction for bivariate data through copulas and the log-linear bivariate regression model with cured fraction. The parameters of the models were estimated by ma- ximum likelihood method subject to the restriction on the parameters through the adapted barrier function. A sensitivity analysis was adapted considering the methodologies of Global In°uence, Local In°uence and Total Local In°uence to check various aspects of the formulation and adjustment of the models proposed. Data set of renal failure and diabetic retinopathy are used to exemplify the application of the proposed models.

O Rio Grande do Sul se destaca como a segunda maior região em produção de leite no Brasil, sendo que a alimentação bovina é quase que exclusivamente a pasto de modo isolado e consociado com aveia e azevém no período de estação fria. As informações de campo e pesquisa qualificam a aveia branca (Avena sativa L.) e preta (Avena strigosa Schreb) como forrageira de excelente qualidade nutricional. Apresenta alta produção de biomassa, digestibilidade e teores de proteína fundamental na produção de carne e leite. A região noroeste do estado tem forte presença da agricultura colonial, estruturando a produção leiteira como alternativa à atividade de produção de grãos, condição-chave que viabiliza a atividade da agricultura familiar. Em geral, houve um aumento do número de animais e do rendimento leiteiro por animal, evolução não uniforme e que tem gerado muitos modos e formas de produção. Tais modificações ressaltam a necessidade de proposições técnicas que viabilizem a atividade em longo prazo e de maneira sustentável dos sistemas forrageiros, indicando a necessidade de um aprofundamento científico em ligar a condição experimental com a realidade de produção regional. Portanto, para a máxima oferta de biomassa aos animais, a forragem deve apresentar adequada produção e estabilidade de oferta ao longo de seu ciclo, e maior número de entradas na área de pastejo. Inclusive, boa capacidade de rebrote independente das condições de clima e solo. Desta forma, o conhecimento do potencial genético na produção de forragem da cultivares recomendadas de uma região é fator decisivo sobre a capacidade de tolerância aos fatores de clima e solo e da capacidade de maior oferta de forragem. Afora isto, o envolvimento conjunto dos aspectos genéticos e de ambiente pelos fatores climáticos é decisivo sobre a produção vegetal. Tal condição reporta da necessidade de novos modelos matemáticos que promovam simultaneamente a possibilidade de simulação da produção e definição de cultivares potenciais sobre os aspectos da planta e do clima. Desta forma, o objetivo do trabalho é a modelagem matemática de produção em aveia forrageira a partir dos caracteres decisivos sobre a produção e oferta de forragem e sua ligação com os elementos climáticos que atuam decisivamente sobre a produtividade vegetal. Afora isto, simular a produção de biomassa a partir de alteração de modelo matemático validado para outras espécies no ajuste para a aveia forrageira levando em consideração condições da realidade regional. Estudos Agrários da UNIJUÍ. Os estudos foram realizados nos anos agrícolas de 2011 O experimento foi conduzido em condições de campo no Instituto Regional de Desenvolvimento Rural/IRDeR, localizado em Augusto Pestana, RS, pertencente ao Departamento de, 2012 e 2013 em delineamento experimental de blocos ao acaso com quatro repetições. O estudo envolveu a análise sobre sete genótipos recomendados para cultivo ao longo da oferta atrelada as informações climáticas obtidas ao longo do período. As equações lineares evidenciam taxa de produção de biomassa diferenciada entre os genótipos e anos de cultivo testados. Para a interpretação da produção de Matéria Seca Total e de Folha, verificou- 6 se que as equações lineares são eficientes, podendo determinar a produção de biomassa de qualquer período do ciclo de forragem. Os modelos de regressão linear múltipla qualificam a estimativa da produção de biomassa, podendo interligar os efeitos climáticos com o desempenho de produção, independente do genótipo. O modelo já utilizado nas culturas de capim elefante, Tanzânia e Brachiaria ruzizienses, quando modificado para a cultura de aveia se mostrou adequado para a simulação da produtividade de Matéria Seca Total quando realizada alterações buscando simular a realidade local. / 98 f.

A aveia branca (Avena sativa L.) é uma espécie de estação fria de múltiplos propósitos. É usada na sucessão e rotação de culturas quebrando o ciclo de pragas e moléstias e de excelente cobertura de solo ao sistema de semeadura direta. Na alimentação animal fornece ração, feno, silagem e forragem direta de alta qualidade. Na alimentação humana, os grãos se destacam como um alimento funcional rico em proteínas e fibras. Dentre estas, a fibra alimentar beta glucana auxilia na redução do colesterol LDL. A inclusão da aveia na dieta alimentar tem crescido enormemente nos últimos anos, por conta de uma população mais exigente e que busca alimentos mais nutritivos e saudáveis. Por outro lado, o consumo de aveia tem por base o produto “in natura”, que depois de descascado é direcionado a produção de farelo, farinha ou flocos, exigindo maiores cuidados no processo de produção, principalmente no uso de agroquímicos para o controle de doenças fúngicas. Dentre as doenças, a ferrugem da folha (Puccinia coronata Cda. f.sp. avenae) e a mancha amarela [Drechslera avenae (Eidam) El Sharif] têm recebido especial atenção, as quais podem causar perdas de até 100% na produtividade de grãos em anos favoráveis ao desenvolvimento. Com isso a necessidade de construção de modelos que permitam otimização das tecnologias de manejo no controle de doenças à máxima qualidade do produto à alimentação humana e na qualificação da tomada de decisões no manejo da cultura. O objetivo do estudo é modelagem matemática da aveia por regressões e teste de médias na caracterização de grupos de resistência às doenças foliares, que dimensionam o comportamento e previsibilidade com adaptabilidade de cultivares. Além disto, do uso de redes neurais artificiais na simulação da evolução da doença e os reflexos sobre a produtividade pelas condições meteorológicas e de uso de fungicida. O estudo foi realizado no Instituto Regional de Desenvolvimento Rural (IRDeR/DEAg/UNIJUÍ), no município de Augusto Pestana (RS). O experimento foi delineado em blocos casualizados com três repetições, seguindo um modelo fatorial 22x4, para as 22 cultivares de aveia branca e 4 condições de aplicações de fungicida, sem fungicida, com uma aplicação aos 60 dias após a emergência DAE, com duas aplicações 60/75DAE, com três aplicações 60/75/90 DAE, respectivamente. A área foliar necrosada foi avaliada aos 60, 75, 90 e 105 DAE, em cada condição de uso do fungicida em todas as cultivares em estudo. Portanto, 15 dias após aplicação do fungicida, conforme o período residual do produto químico de controle (15 dias). As 22 cultivares de aveia branca avaliadas foram: Barbarasul, Brisasul, FAEM 006, FAEM 007, FAEM 4 Carlasul, FAEM 5 Chiarasul, IPR Afrodite, UPFA Gaudéria, UPFA Ouro, UPFPS Farroupilha, URS 21, URS Altiva, URS Brava, URS Charrua, URS Corona, URS Estampa, URS Fapa Slava, URS Guará, URS Guria, URS Tarimba, URS Taura e URS Torena. Pelo agrupamento de médias segundo modelo de Scott & Knott é definido que as cultivares URS Altiva, FAEM 007, URS Brava são as que obtiveram maior resistência genética as doenças foliares, nas condições de uso de tratamento químico com fungicida no ano favorável (2015). Destaca-se que em 2016, ano desfavorável às doenças, as cultivares FAEM 007, IPR Afrodite, URS Corona, FAEM 5 Chiarasul e URS Altiva, mostraram produtividade de grãos satisfatório com reduzidos valores de área foliar necrosada. Na análise dos dois anos agrícolas, as cultivares com maior destaque são FAEM 007 e URS Altiva que independente do ano ser ou não favorável à incidência de doenças foliares, foram as que obtiveram melhor produtividade de grãos junto a menor área foliar necrosada. Na avaliação da taxa de produtividade de grãos e área foliar danificada pelo incremento do número de aplicações do fungicida, recebem destaque as cultivares, URS Charrua, URS Altiva e URS Guria. Estas cultivares obtiveram a maior eficiência agronômica pelo incremento do número de aplicações do fungicida, com a URS Altiva de menor coeficiente linear de área foliar necrosada, indicando resistência genética superior às demais cultivares. Cabe também destacar, a cultivar URS Charrua que independente do ano de cultivo, indica resultados vantajosos pela elevada eficiência nas aplicações de fungicida em 2015, com elevada produtividade na ausência e presença de fungicida em 2016. A partir dos modelos de adaptabilidade e estabilidade por “Eberhart e Russel” é possível identificar as cultivares IPR Afrodite, URS Altiva e URS Corona com adaptabilidade geral, e estabilidade nas condições de uso de fungicida nos anos agrícolas avaliados. Dentre estas, destaca-se os valores mais reduzidos da área foliar necrosada obtida pela URS Altiva, com previsibilidade de expressão de necrose foliar e adaptabilidade a ambientes desfavoráveis, qualificando seu uso em condições mais restritivas no uso de fungicida. Os modelos de regressão linear múltipla qualificam a estimativa de produtividade de grãos, principalmente, quando incluído no modelo a precipitação, temperatura mínima, área foliar necrosada em cm² e as aplicações de fungicida. No entanto, é verificado que apenas dois anos de cultivo não permite o desenvolvimento de um único modelo de simulação por regressão linear múltipla para todas as cultivares. Por outro lado, quando a equação é desenvolvida para cada cultivar, a eficiência de simulação é obtida. As redes neurais artificiais do tipo Perceptron de Múltiplas Camadas, com o algoritmo de aprendizagem backpropagation e função de treinamento Levember-Marquadt, se mostram eficientes na previsibilidade da produtividade de grãos e área foliar necrosada, pelas condições de uso de fungicida junto aos fatores meteorológicos. Além disso, é possível simular a produtividade final de grãos ao longo do ciclo de desenvolvimento da aveia, atrelando ao modelo, as condições meteorológicos, o manejo do fungicida e área foliar necrosada. Assim, as RNAs somam-se aos demais modelos convencionais de simulação, tornando-se uma ferramenta de auxilio na tomada de decisões, quanto ao manejo da cultura da aveia. / 104 f.

É possível desenvolver representações reais em linguagem matemática, tornando-se uma ferramenta eficiente no desenvolvimento e validação de novas tecnologias na agricultura. No manejo da lavoura de aveia, o uso de fungicida tem sido prática decisiva, pois, a resistência genética às principais doenças foliares não é eficiente. Portanto, o uso indiscriminado de fungicida, principalmente próximo a colheita de grãos, requer atenção especial, devido o cereal ser consumido na maioria dos alimentos em seu estado in natura. Poucos modelos matemáticos na cultura da aveia que tratem de avanços em buscar descrever o comportamento e a estimativa da produtividade sobre o manejo de fungicida tem sido encontrado. O objetivo do estudo é o desenvolvimento de modelos matemáticos que permitam caracterizar e identificar cultivares de aveia ecologicamente mais eficientes à redução de uso de fungicida e de simulações de produtividade pelas condições climatológicas e de manejo de uso de fungicida pelo número de aplicações com maior intervalo entre a colheita e última aplicação. O estudo foi realizado no Instituto Regional de Desenvolvimento Rural (IRDeR/UNIJUI) em Augusto Pestana (RS), em delineamento de blocos casualizados com três repetições, em um fatorial 22x4, para 22 cultivares de aveia recomendadas para cultivo no Brasil e 4 condições de uso de fungicida, sem fungicida, com uma aplicação aos 60 dias após a emergência (DAE), com duas aplicações 60/75DAE, com três aplicações 60/75/90 DAE, respectivamente. O uso de regressões lineares incluindo a média mais um desvio padrão sobre os coeficientes linear e angular da equação permitem identificar cultivares ecologicamente mais eficientes à redução e maior intervalo de uso de fungicida entre a colheita e última aplicação. O modelo de Eberhart e Russel foi importante na identificação de cultivares mais ajustadas à redução ao uso de fungicida pelos parâmetros de adaptabilidade. Além disso, com cultivares ecologicamente mais estáveis ás condições climáticas pelo uso do parâmetro que indica estabilidade a partir dos desvios da regressão. Na análise conjunta envolvendo o efeito cumulativo de diferentes safras agrícolas, o uso de análise multivariada representa técnica eficiente na formação de diferentes grupos para caracterização de cultivares de desempenho superior em diferentes variáveis ligadas a produtividade e área foliar necrosada em comparação a análise de médias. As cultivares UPFPS Farroupilha, URS Altiva, IPR Afrodite, FAEM 4 Carlasul, URS Brava e URS Guará, mostram elevadas produtividades e possibilidade de combinações potenciais em programas de melhoramento genético da aveia voltada à redução de uso de fungicida. A análise de regressão múltipla e redes neurais artificiais evidenciam eficiência em processos de simulação envolvendo variáveis controladas e não controladas a partir de indicadores biológicos e ambientais. / 139 f.

Os custos marginais de curto prazo ou de operação (CMO) da energia elétrica para sistemas hidroelétricos possuem uma grande dependência dos níveis de água nos reservatórios das usinas. Normalmente agregam-se diversas usinas em uma única usina equivalente de modo a facilitar o estudo. No sistema hidrotérmico brasileiro as usinas são agregadas em quatro usinas equivalentes. Este trabalho propõe uma metodologia alternativa para: i) avaliar o custo marginal de operação em função dos níveis dos reservatórios equivalentes dos submercados; ii) Precificar contratos de opções sobre o preço spot da eletricidade; e iii) avaliar o risco de déficit de energia para um dado cenário futuro. Para isso foi criado um modelo de geração de séries sintéticas de energia natural afluente ao reservatório. Através de regressão linear múltipla (RLM) foi calibrado um modelo para calcular a variação do nível de energia dos reservatórios em função da energia armazenada no mês anterior, a quantidade de energia afluente e da previsão de demanda durante o mês. Ajustou-se também um modelo de redes neurais artificiais (RNA) através do algoritmo "Backpropagation" para se obter o CMO em função do nível dos reservatórios. Com esta mesma função se calibrou um modelo de Cobb-Douglas, incluindo, além do nível de armazenamento, a demanda no período como variável explicativa. A partir do modelo de séries sintéticas criado é encontrada a distribuição futura de energias naturais afluentes para o horizonte de estudo. Para a distribuição de probabilidades de valores de energias afluentes obteve-se a distribuição de energias armazenadas discretizadas em intervalos de probabilidade. Para as energias armazenadas calcula-se a distribuição do custo marginal de operação. A distribuição das energias armazenadas permite estudar os riscos de déficit de energia de forma simples para cenários de potência instalada e de demanda. Utilizando-se a distribuição dos custos marginais pode-se avaliar o valor de contratos de eletricidade. Para validação do modelo realizou-se um estudo de caso para o submercado da região Sudeste/Centro-Oeste, para o horizonte de abril de 2003 a dezembro de 2006. Como era de se esperar detectou-se a forte relação entre o custo marginal de operação e o nível de energia armazenada no reservatório do submercado em questão. O modelo demonstrou também um bom desempenho na previsão dos preços e dos níveis dos reservatórios para o horizonte de curto prazo (6 meses), uma vez que a capacidade de geração instalada sofre pequenas alterações para esse horizonte. Constatou-se também, para os dois cenários simulados, um esvaziamento sistemático dos reservatórios que provoca um aumento do risco de déficit de energia para o horizonte em estudo. Devido à grande variabilidade das afluências futuras, percebe-se que a precificação de opções por esse método é viável apenas para curtos intervalos de tempo, uma vez que para períodos maiores o prêmio pago pelo risco é muito elevado, sendo preferível comprar fisicamente o ativo.

O objetivo deste trabalho é, a partir de um estudo de caso realizado com eventos de cheias na bacia do rio Itajaí em Santa Catarina e utilizando apenas registros de níveis fluviométricos de 2 em 2 horas, propor uma série de técnicas como regressão múltipla por mínimos quadrados, modelos auto-regressivos e Modelos Composição de Especialistas Locais (MCEL), que possam ser usadas em um sistema de alarme-resposta em tempo real, com a finalidade de fornecer às autoridades responsáveis pela Defesa Civil uma estimativa confiável do crescimento do nível do rio em uma seção de interesse, com antecedência suficiente para a tomada das decisões necessárias. Os resultados obtidos pelos modelos propostos para previsões com alcance de até 6 horas de antecedência, sugerem que eles podem ser utilizados como ferramentas úteis na construção de sistemas de alerta contra cheias em regiões que dispõem de escassez de dados.

INTRODUÇÃO: Não existem estudos preditivos sobre fadiga em doentes com câncer colo-retal, embora fadiga seja descrita como freqüente na população oncológica. OBJETIVO: Identificar os fatores de risco e preditivos independentes de fadiga em doentes com câncer colo-retal. MÉTODO: Estudo preditivo que envolveu amostra não-probabilística de 157 pacientes adultos ambulatoriais com tumor primário de cólon ou reto (idade média 60±11,7 anos; 54% homens; média de anos de escolaridade 10,7±5,4 anos; estádio IV 44,8%), atendidos em quatro serviços de oncologia do município de São Paulo, Brasil (julho/2006 a julho/2007). Os pacientes preencheram a Ficha de Identificação, a Escala de Fadiga de Piper-Revisada (0-10; ponto de corte: >4; ?=0,94), o Inventário de Depressão de Beck (0-63; ponto de corte: >13; ?=0,83), a Escala de Karnofky (0%-100%; ponto de corte: <80), a Escala de Prejuízo do Sono (0-10; ponto de corte: >5) e a Escala de Dor (0-10; ponto de corte: >6). Os pontos de corte foram estabelecidos pela análise da curva ROC (Receiver Operating Characteristic), com exceção do ponto de corte de fadiga, que foi estabelecido após análise da distribuição dos escores em percentis e do critério proposto pela National Comprehensive Cancer Network. RESULTADOS: Fadiga foi referida por 26,8% dos doentes. Os fatores de risco para fadiga foram os seguintes: serviço de saúde público, dor, prejuízo do sono, depressão e capacidade funcional prejudicada (p<0,05). A análise de regressão logística identificou três fatores preditivos: depressão, capacidade funcional e prejuízo do sono. A depressão aumentou em 4 vezes a chance de ocorrer fadiga (OR: 4,2; IC95% 1,68-10,39), a capacidade funcional aumentou em 3 vezes (OR: 3,2; IC95% 1,37-7,51) e o prejuízo do sono também em 3 vezes (OR: 3,2; IC95% 1,30-8,09). Quando os três fatores preditivos estiveram presentes, a probabilidade de ocorrer fadiga foi de 80%, o que indicou boa capacidade de predição. Quando os três fatores preditivos estiveram ausentes, a probabilidade de ocorrer fadiga foi de 8%. A especificidade e sensibilidade do modelo foram de 81,9% e 58,6%, respectivamente, indicando baixa chance de falsos positivos e alta chance de falsos negativos. CONCLUSÕES: Depressão, capacidade funcional e prejuízo do sono foram preditores de fadiga. O estudo disponibiliza tabela de probabilidade de predição de fadiga e propõe que, por meio da avaliação da depressão, da capacidade funcional e do prejuízo do sono, é possível conhecer a probabilidade do paciente ter fadiga, o que é inédito nessa população e de grande utilidade na clínica / INTRODUCTION: There are no studies that identify the predictive factors of fatigue among colo-rectal cancer patients, although fatigue is described as a frequent problem in the oncology setting. AIM: Identify risk factors and independent predictors of fatigue in colo-rectal cancer patients. METHOD: Predictive study that involved non-probabilistic sample of 157 adult outpatients with primary colon or rectal (mean age 60±11.7 years; 54% male; educational level 10.7±5.4 years; cancer stage IV 44.8%), recruited from 4 oncology clinics in Sao Paulo, Brazil (July/2006 to July/2007). Patients filled out an Identification Profile, Piper Fatigue Scale-revised (0-10; cut-score: >4, ?=0,94), Beck Depression Inventory (0-63; cut-score: >13, ?=0,83), Karnofsky Scale (0%-100%; cut-score: <80%), Sleep disturbance scale (0-10; cut-score: >5), and Pain scale (0-10; cut-score: >6). The cut scores were established by ROC (Receiver Operating Characteristic) curves, except for fatigue cut-score, which was established after an analysis of the distribution of the scores in percentiles and of the criteria proposed by National Comprehensive Cancer Network. RESULTS: Fatigue was identified by 26.8% of the patients. The risk factors for fatigue were: public oncology service, pain, sleep disturbance, poor performance status, and depression (p<0.05). Logistic regression identified three predictors: depression, sleep disturbance, and performance status. Depression increased the chance for fatigue to occur by four times (OR: 4.2; 95%CI 1.68-10.39), performance status increased by three times (OR: 3.2; 95%CI 1.37-7.51), and sleep disturbance also increased the chance by three times (OR: 3.2; 95%CI 1.30-8.09). When the three factors were present in concomitance, the probability that patients had fatigue was 80%, which was considered a good predictive capacity. When none of the factors were present, the probability that patients had fatigue was 8%. The specificity and sensibility of this model were 81.9% and 58.6%, respectively, indicating that there is low chance of false positive and high chance of false negatives. CONCLUSIONS: Depression, performance status, and sleep disturbance were predictive factors of fatigue. The study presents a prediction table and proposes that by assessing depression, performance status and sleep disturbance, it is possible to know the probability that a patient will have fatigue. This finding is original and applicable in clinical practice

O cenário atual do mercado de aviação motiva a busca por novas tecnologias que possibilitem aos operadores a redução nos custos de operação de suas aeronaves. O conceito de monitoramento da saúde e prognóstico de falhas vem ao encontro deste interesse, possibilitando redução de custos de manutenção, além de maximização da vida útil dos equipamentos, aumento da segurança e despachabilidade. O presente trabalho propõe uma metodologia baseada em análise de tendência para a obtenção de uma distribuição de probabilidade associada ao instante predito de ocorrência de falha para um sistema aeronáutico. Essa metodologia consiste na utilização de métodos de Monte Carlo e bootstrap para a obtenção de um intervalo de confiança para o instante de falha, estimado por meio de regressão. A metodologia proposta é testada por meio de séries temporais simuladas com tendências lineares, quadráticas e exponenciais, sendo também avaliada em um estudo de caso envolvendo dados reais.

Made available in DSpace on 2017-07-21T14:19:39Z (GMT). No. of bitstreams: 1 Carlos Proenca.pdf: 1478553 bytes, checksum: 110e623f3d19df6239c0f3c3097ce444 (MD5) Previous issue date: 2012-08-01 / Determining the soil organic matter and clay are important to obtain indicators of soil quality. Such measurements are help the agronomic management providing support for the recommendation of lime and fertilizer. For this quantification, analysis of soil becomes a "tool" indispensable, being increasingly used, especially when associated the the precision farming technology, in which the producer performs a higher number of analyzes aiming to identify soil variability of the property. However, laboratory tests bring some disadvantages, such as the time required for the analyses, and also the generation of waste. An option to perform the analyzes of organic matter and clay soil, quickly and without chemical residues, is by the use of visible to infrared spectroscopy and near (vis-NIRS - Visible and Near Infrared Spectroscopy). The aim of this work was to propose a methodology for predicting the soil organic matter and clay, by combining the use of Regression Analysis and Artificial Neural Networks in order to develop models to estimate these attributes. A database with information about soil analysis obtained by the conventional method and the method vis-NIR was used. The first step was to select the spectral bands that presented a better correlation with the response variables (clay and organic matter) by means of multivariate regression model. In order to improve the estimation of soil organic matter and clay, the group that presented the highest coefficient of determination was used as input of the Artificial Neural Networks. The quantity of 111 soil samples were used for calibration the models of soil analysis, and their spectra were obtained on a spectrophotometer FOSS NIR model XDS. The results were evaluated by the coefficient of determination (R2), considering the significance level of 5%. Coeficients of 0,89 and 0,94 were obtained in the prediction of organic matter and clay respectively, with indices highly significant (P <0,001), indicating the proposed methodology could be useful to predict the attributes studied. / A determinação dos teores de matéria orgânica e argila consistem em importantes indicadores da qualidade do solo. Suas quantificações são fundamentais no auxílio do manejo agronômico podendo fornecer subsídios para as recomendações de corretivos e fertilizantes. Para esta quantificação, a análise de solo se torna uma “ferramenta” indispensável, sendo utilizada cada vez mais, principalmente após a chegada da tecnologia da agricultura de precisão, em que o produtor realiza um número muitas vezes superior de análises visando a identificação da variabilidade do solo da sua propriedade. Porém, as análises laboratoriais trazem alguns inconvenientes, como o tempo necessário para as determinações e a geração de resíduos. Uma opção para realizar as análises de matéria orgânica e argila do solo, de forma rápida e sem geração de resíduos químicos é a espectroscopia de infravermelho visível e próximo (vis-NIRS – visible and Near Infrared Spectroscopy). O objetivo deste trabalho foi propor uma metodologia para predição dos teores de matéria orgânica e argila, envolvendo a combinação do uso de Análise de Regressão e Redes Neurais Artificiais com o desenvolvimento de modelos de estimativa destes atributos, utilizando uma base de dados com informações de análises de solo obtidas pelo método convencional e pelo método vis-NIRS. Primeiramente foram selecionadas as bandas espectrais que melhor correlacionavam com as variáveis de resposta (matéria orgânica e argila), por meio de um modelo de regressão multivariada. O grupo que obteve o maior coeficiente de determinação foi utilizado como entrada das Redes Neurais Artificiais visando melhorar a estimativa dos teores de matéria orgânica e argila. Para isto, 111 amostras de solo foram utilizadas para a calibração de modelos de análises de solos, sendo seus espectros obtidos em um espectrofotômetro de infravermelho próximo modelo FOSS XDS. Os resultados dos modelos foram avaliados por meio do coeficiente de determinação (R2), e pelo grau de significância ao nível de 5%. Correlações de 0,89 e 0,94 foram obtidas na predição do teor de matéria orgânica e argila, respectivamente, com índices altamente significativos (P<0,001), o que indica que a metodologia proposta pode ser utilizada para a predição dos atributos estudados.