Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/9840
Título: Mineração de dados com regras de associação aplicada em dados de unidade de saúde de pronto atendimento
Título(s) alternativo(s): Data mining with association rules applied to data from a health car unit
Autor(es): Feuser, Rodrigo Jose
Orientador(es): Ribeiro, Richardson
Palavras-chave: Mineração de dados (Computação)
Mineração de uso da Web
Banco de dados
Data mining
Web usage mining
Data bases
Data do documento: 22-Fev-2017
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Pato Branco
Referência: FEUSER, Rodrigo Jose. Mineração de dados com regras de associação aplicada em dados de unidade de saúde de pronto atendimento. 2017. 29 f. Trabalho de Conclusão de Curso (Especialização) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2017.
Resumo: Este trabalho tem por objetivo aplicar as etapas do processo da descoberta do conhecimento em um prontuário eletrônico de paciente oriundo de unidade de saúde da rede pública. A descoberta de doenças correlacionadas em prontuários, pode se tornar difícil ou demorada para o profissional da área da saúde se a quantidade de dados for imensa ou quando não houver a disponibilidade de sistemas computacionais especializados. Técnicas de mineração de dados, como por exemplo regras de associações, agrupamentos ou classificações, são alternativas para obter um sistema especializado que permite interpretar os dados usando grupos de pacientes. Para isso, nós usamos um conjunto de dados extraídos de um banco de dados de um prontuário eletrônico de usuários de sistema único de saúde, contendo 43.879 pacientes e 2.296.626 atendimentos. Resultados experimentais mostram que a associação de doenças e grupos de pacientes pode auxiliar os profissionais da área da saúde e gestores na aplicação de políticas de prevenção, podendo melhorar a qualidade de vida de uma região bem como a economia no tratamento de novos casos.
Abstract: This work aims to apply the steps of the process of the discovery of knowledge in an electronic patient record from a public health unit. The discovery of correlated diseases in medical records can be difficult or time-consuming for the healthcare professional if the amount of data is immense or when there is no availability of specialized computer systems. Data mining techniques, such as rules of associations, clustering, or classifications, are alternatives for obtaining a specialized system that allows interpreting data using patient groups. To do this, we used a set of data extracted from a database of an electronic medical record of single health system users, containing 43,879 patients and 2,296,626 patients. Experimental results show that the association of diseases and groups of patients can help health professionals and managers in the application of prevention policies, which can improve the quality of life of a region as well as the economy in the treatment of new cases.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/9840
Aparece nas coleções:PB - Banco de Dados: Administração e Desenvolvimento

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PB_EBD_02_2017_16.pdf1,27 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.