Orientador: Saide Jorge Calil / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T18:29:09Z (GMT). No. of bitstreams: 1
FerreyraRamirez_ErnestoFernando_D.pdf: 2533123 bytes, checksum: 4ec959f90e4b7a78bc857107a1a5d844 (MD5)
Previous issue date: 2005 / Resumo: No Brasil, existe uma parcela significativa de equipamentos médico-hospitalares inoperantes devido à condução inadequada, feita por pessoas despreparadas, do processo de aquisição desses equipamentos. Visando uma futura solução para esse problema, nesta tese foi desenvolvido um estudo para mostrar a possibilidade de representar (através da utilização de redes neurais artificiais) o processo cognitivo utilizado por engenheiros clínicos experientes durante a fase de ponderação dos critérios para julgamento de propostas de fornecimento de equipamentos médicos. Para isso, as respostas fornecidas, a uma pesquisa com engenheiros clínicos de várias regiões do país, foram usadas para construir exemplos para treinamento de diversas arquiteturas de redes neurais. Os melhores resultados (maior correlação com as respostas originais e menor erro quadrático de teste) foram obtidos para a composição (ensemble) de 100 redes neurais de duas camadas escondidas treinadas com o algoritmo back-propagation. Isso mostrou a viabilidade de representar o conhecimento dos especialistas na forma de um modelo conexionista não-linear, cujas saídas fornecem a importância de diversos fatores (clínico, financeiro, qualidade, segurança e técnico) envolvidos no processo de julgamento de propostas para aquisição de um equipamento médico / Abstract: Most recently, in Brazil, there are evidences of a great number of useless medical equipment, due to the absence of experienced professionals to conduct an effective purchasing plan by the healthcare institutions. In order to search a future solution to this problem it was developed a study to verify the liability of representing (trought artificial neural networks) the cognitive process used by clinical engineering experts, during the evaluation phase of purchasing proposals for medical equipment. An inquiry (using electronic mail) to clinical engineers from several brazilian regions was conducted, using an electronic chart that contained a list of parameters commonly used for this evaluation phase. Data from the filled charts were used to train, and to test, diverse types of artificial neural networks. The best results (major correlation and minor quadratic errors with respect to the original entries) were encountered for an ensemble of 100 two-hidden-layers perceptrons trained with the backpropagation algorithm. It was then showed that the knowlegde of clinical engineers (for the evaluation process of purchasing proposals) can be represented by a non-linear connectionist model, whose entries would be the phisical risk, cost and strategic importance of the medical equipment. The model's outputs are the importance given by clinical engineers for five factors (clinical, financial, quality, safety and technical) for the evaluation of a medical equipment / Doutorado / Engenharia Biomedica / Doutor em Engenharia Elétrica
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/260210 |
Date | 08 April 2005 |
Creators | Ferreyra Ramirez, Ernesto Fernando |
Contributors | UNIVERSIDADE ESTADUAL DE CAMPINAS, Calil, Saide Jorge, 1950-, Junior, Lincoln de Assis Moura, Baratto, Giovani, Costa, Eduardo Tavares, Muhlen, Sérgio Santos, Nantes Button, Vera Lucia da Silveira |
Publisher | [s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | 267p. : il., application/pdf |
Source | reponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds