Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-05-19T16:39:35Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
_dissertacao_StarchSouza_versaoCorrigida_VF.pdf: 1638087 bytes, checksum: d684b3e778a00ee1b1ceecf59729cc5e (MD5) / Made available in DSpace on 2016-05-19T16:39:35Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
_dissertacao_StarchSouza_versaoCorrigida_VF.pdf: 1638087 bytes, checksum: d684b3e778a00ee1b1ceecf59729cc5e (MD5)
Previous issue date: 2014-09-04 / CNPQ / A Cirurgia Bariátrica é um dos recursos de melhor efetividade para redução de peso nos casos de Obesidade, controle e resolução nos casos das comorbidades associadas que encontram-se sem controle terapêutico, como a Diabetes. Para aumentar as chances de sucesso terapêutico deste procedimento de grande porte, pode ser realizada uma avaliação prévia do paciente através de um modelo preditivo utilizando-se de variáveis de controle, clínicas, de comorbidades e laboratoriais. O objetivo geral desta pesquisa foi desenvolver um modelo preditivo de mineração de dados para apoio na tomada de decisão do cirurgião ao submeter pacientes com excesso de peso à cirurgia bariátrica, a partir dos dados históricos visando à sua redução de peso. A pesquisa foi do tipo clínica aplicada, transversal, retrospectiva, de caráter analítico. A amostra do estudo foi de 540 pacientes que realizaram seguimento clínico após 1 ano do procedimento cirúrgico. As cinco primeiras fases da metodologia CRISP-DM foram aplicadas na construção do modelo preditivo, e na modelagem foram aplicadas as técnicas de indução de regras, árvore de decisão e regressão logística. A variável independente (o ALVO) considerada foi o IMC ideal, entre 18,5 e 24,9 Kg/m2. O modelo preditivo de mineração de dados para pacientes submetidos à cirurgia bariátrica e com seguimento clínico de um ano, apontou que os preditores de sucesso para redução de peso foram, ser do sexo feminino, ser mais jovem, e apresentar no pré-operatório menor valor de índice de massa corpórea (IMC). O estudo apresentou regras explicativas e o modelo preditivo como auxílio na tomada de decisão, maximizando os que possuem maior expectativa de redução de peso. / The Bariatric Surgery is one of the most effective tools for weight reduction in cases of obesity, control and resolution in cases of associated comorbidities that are out therapeutic control, such as diabetes. To increase the chances of therapeutic success of this major procedure, a preliminary assessment of the patient can be carried out using a predictive model using control variables, clinics, comorbidities and laboratory variables. The objective of this research was to develop a predictive data-mining model to support the surgeon's decision to submit patients for bariatric surgery, from historical data aimed at their weight reduction. The research study was categorized as applied clinical, cross-sectional, retrospective and analytical. The study sample included 540 patients who underwent a complete year of surgery clinical follow-up. The first five phases of the CRISP-DM methodology were applied in the construction of the predictive model, and in modeling, rule induction, decision tree and logistic regression were the techniques applied. The independent variable (Target) was considered reaching the ideal BMI between 18.5 and 24.9 Kg/m2. The predictive model of data mining for patients undergoing bariatric surgery and follow-up of one year, pointed out that the success predictors for weight reduction were being female, being younger, and preoperative lower body mass index (BMI). The study presented explanatory rules and the predictive model as an aid in decision-making, maximizing those with greater expectation of weight reduction.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/16937 |
| Date | 04 September 2014 |
| Creators | SOUZA, Starch Melo de |
| Contributors | ADEODATO, Paulo Jorge Leitão |
| Publisher | Universidade Federal de Pernambuco, Programa de Pos Graduacao em Ciencia da Computacao, UFPE, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds