Made available in DSpace on 2015-05-14T12:47:11Z (GMT). No. of bitstreams: 1
arquivototal.pdf: 3933359 bytes, checksum: 8b1a14ddde7e9f62a39543e1408efd75 (MD5)
Previous issue date: 2012-02-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Traffic accidents produce high morbidity and mortality in several countries, including
Brazil. Initial care to victims of these accidents, by a specialized team, has tools for
evaluating severity of trauma, which guide priorities. The purpose of this study is to
understand process of decision making to meet victims of traffic accidents and from
that develop an understanding of the decision support model that assists medical
regulator to decide the severity of injury caused by this condition to health. The study
looked at all victims of traffic accidents attended by SAMU of João Pessoa-PB in
2010. It is an epidemiological investigation based on institutional data collection
instrument which was the regulation of medical records. Descriptive and spatial
statistics was conducted, definition of the decision model was a decision tree whose
objective attribute is represented by severity of the injury Abbreviated Injury Scale
(AIS). SAMU attended 4.514 TA victims in João Pessoa in 2010. 99% of emergency
care to victims were made by teams of basic units. Most victims were male (75.45%),
aged between 20 and 39 years (60%) and the mechanism of injury was motorcycle
(63%). The most affected body region was limbs (62%) and the more frequent AIS
was AIS1 (64.3%). With regard to spatial analysis, the risk map identified the
neighborhood Center as the highest risk (10.15) followed by Água Fria (3.23) and
Penha (3.15). The spatial scan map that best fitted the risk map was 5% of the
population and 5% significance level. The decision model chosen was decision tree
that could correctly classify 99.9% of the severity of lesions, with kappa statistics
99.8%. By this model, it was possible to extract 36 rules for classification of the
lesion. Given mistakes made by medical regulation on the presumed severity
depending on the 192 system information, the use of decision tree makes it possible
to reduce subjectivity in decisions to maximize their probability of a hit and
consequent reduction in morbidity and mortality brought about by traffic accident. / Os acidentes de trânsito produzem alta morbimortalidade em vários países do
mundo, inclusive no Brasil. O atendimento inicial às vítimas destes acidentes, por
equipe especializada, conta com instrumentos de avaliação da gravidade do trauma,
que norteiam as prioridades. A proposta deste estudo é elaborar um modelo de
suporte à decisão que auxilie o profissional médico regulador na tarefa de definir a
gravidade da lesão provocada por esse agravo à saúde. No estudo analisaram-se
todas as vítimas de acidentes de trânsito atendidas pelo Serviço de Atendimento
Médico de Urgência (SAMU) de João Pessoa-PB no ano de 2010. Trata-se de uma
investigação epidemiológica baseada em dados institucionais cujo instrumento de
coleta foram as fichas de regulação médica. Realizou-se a estatística descritiva,
espacial e a definição do modelo de decisão como uma árvore de decisão e cujo
atributo objetivo é a gravidade da lesão determinada pela Abbreviated Injury Scale
(AIS). O SAMU atendeu 4.514 vítimas de acidentes de trânsito (AT) em João Pessoa
no ano de 2010. Verificou-se que 99% desses atendimentos foram realizados por
Unidades de Suporte Básico à vida (USB). A maioria das vítimas era do sexo
masculino (75,45%), com idade entre 20 e 39 anos (60%) e o mecanismo do trauma
foi motocicleta (63%). A região corpórea mais atingida foram os membros (62%) e o
AIS mais frequente foi AIS1 (64,3%). Verificou-se também, o envio inadequado de
recursos no atendimento às vítimas de AT, tanto USA em vez de USB como o
contrário. Com relação à análise espacial, o mapa de risco identificou o bairro centro
como sendo o de maior risco (10,1) seguido de Água Fria (3,23) e Penha (3,15).
Quanto ao mapa de varredura scan, o que melhor se adequou ao mapa de risco foi
a 5% da população e 5% de significância. O modelo de decisão eleito foi a árvore de
decisão que classificou corretamente 99,9% das gravidades das lesões, com
estatística kappa 99,8%. Por este modelo, foi possível a extração de 36 regras de
classificação da lesão. Diante dos equívocos cometidos pelo médico regulador
acerca da gravidade presumida, em função das informações transmitidas pelo
sistema 192, a utilização da árvore de decisão torna possível a redução da
subjetividade nas decisões maximizando sua probabilidade de acerto e a
consequente redução da morbimortalidade acarretada pelo acidente de trânsito.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede.biblioteca.ufpb.br:tede/6526 |
| Date | 27 February 2012 |
| Creators | Soares, Rackynelly Alves Sarmento |
| Contributors | Rocha, Andréa Vanessa, Vianna, Rodrigo Pinheiro de Toledo |
| Publisher | Universidade Federal da Paraíba, Programa de Pós-Graduação em Modelos de Decisão e Saúde, UFPB, BR, Ciências Exatas e da Saúde |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFPB, instname:Universidade Federal da Paraíba, instacron:UFPB |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 1871947314065930408, 600, 600, 600, 600, -5266037188399036560, -6173167103754495199, 3590462550136975366 |
Page generated in 0.0027 seconds