Made available in DSpace on 2015-07-22T20:49:25Z (GMT). No. of bitstreams: 0
Previous issue date: 2009-08-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de Mato Grosso (FAPEMAT) / Introdução: Com a evolução científica e tecnológica, grandes volumes de dados têm sido coletados e armazenados. Para investigar tais bases de dados, a informática em saúde apropria-se de metodologias como a Knowledge Discovery in Databases (KDD), ou seja, descoberta de conhecimento das bases de dados. A mineração de dados – ou Data Mining, umas das etapas do KDD – permite investigar os dados à procura de padrões, muitas vezes não visíveis pela simples observância. Objetivo: Identificar, por meio da aplicação da tecnologia de mineração de dados, regras sobre acidentes de transporte ocorridos no município de Cuiabá, Mato Grosso, no ano de 2006, a partir dos dados da Secretaria de Justiça Segurança Pública, do Sistema Único de Saúde municipal de Cuiabá (morbidade e mortalidade). Método: Por meio de estudo observacional, transversal, retrospectivo e exploratório das bases de dados da segurança e saúde pública do município de Cuiabá / MT, do ano de 2006, foram relacionados os três bancos pelo método probabilístico, por meio do software livre RecLink. Foram obtidos 139 pares verdadeiros de vítimas de acidentes de transporte terrestre. Neste banco relacionado, foi aplicada a tecnologia de minerar dados, por meio do algoritmo APriori, o software utilizado foi WEKA, também de domínio livre. Resultados: Uma análise preliminar na fase de pré-processamento da ferramenta WEKA mostrou que, das 139 vítimas de acidentes, 80,6% eram do sexo masculino, na faixa etária de 20- 29 anos (41,7%). O tipo de vítima que predominou foi condutor do veículo (35,3%), o meio de transporte da vítima ou tipo de veículo da vítima foi a motocicleta (33,1%). A colisão foi o principal tipo (51,8%) de acidente verificado pela análise. A maioria das vítimas teve assistência médica (87,1%), sendo o Hospital Pronto Socorro Municipal de Cuiabá (HPSMCBA) o local que mais recebeu vítimas desse conjunto de dados (36,7%); em média, cada vítima ficou hospitalizada cinco dias. Com aplicação do algoritmo APriori, foram geradas dez melhores regras, sendo que seis indicaram um conhecimento compreensível e útil para caracterização das vítimas de acidentes em Cuiabá. Conclusão: Com base nestes resultados, programas de ensino e prevenção podem ser estabelecidos e, portanto, vale considerar que tecnologia de mineração de dados como uma poderosa ferramenta na análise de dados secundários, subsidiando o processo de tomada de decisões com a extração de conhecimento útil de bases de dados provenientes dos sistemas de informações da saúde e da segurança pública. / Introduction: With the scientific and technological evolution a large number of data have been collected and stored. In order to investigate such databases, the health informatics uses the Knowledge Discovery in Databases (KDD) methodologies, that is, knowledge discovery of the databases. Data Mining, one of the phases of KDD permits the investigation of data in search for standards, often not visible just by simple observation. Aim: To identify, through the use of the data mining technology, rules about traffic accidents making use of data of the Justice Secretariat and Public Security, of the Unified Health System municipal of Cuiabá (morbidity and mortality). Method: An exploratory, retrospective, observational, cross-sectional study of the databases of security and public health of the municipality of Cuiabá-MT, in 2006 was used. The three banks were related using the probabilistic method, through the free software RecLink. A hundred and thirty-nine (139) true pairs of road accident victims were obtained. In this related bank the mining data technology was applied, using the APriori algorithm, the software used was WEKA, also of a free domain. Results: A preliminary analysis in the pre-processing phase of the WEKA tool, showed that of the 139 victims of accidents, 80,6% were male, between 20-29 years of age (41,7%). Most of the victims were drivers (35,3%), the means of transportation used by the victim was the motorcycle (33,1%). Collision was the main cause of accident (51,8%) verified by the analysis. Most of the victims received medical assistance (87,1%), and the Municipal Emergency Hospital of Cuiabá (HPSMCBA) received most of the victims of this set of data (36,7%); in average each victim remained in hospital for five days. With the application of the APriori algorithm, ten best rules were created, six of them, indicated a useful and comprehensible knowledge to characterize the victims of accidents in Cuiabá. Conclusion: Based on these results, teaching and prevention programs can be established and so, it is worth considering the data mining technology as a powerful tool in the analysis of secondary data, helping the decision-making process with the extraction of useful knowledge of databases originated from the health information systems and public security. / TEDE / BV UNIFESP: Teses e dissertações
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unifesp.br:11600/8955 |
| Date | 26 August 2009 |
| Creators | Galvao, Noemi Dreyer [UNIFESP] |
| Contributors | Universidade Federal de São Paulo (UNIFESP), Marin, Heimar de Fatima [UNIFESP] |
| Publisher | Universidade Federal de São Paulo (UNIFESP) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 120 f. |
| Source | reponame:Repositório Institucional da UNIFESP, instname:Universidade Federal de São Paulo, instacron:UNIFESP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0209 seconds