dc.contributor.author |
Barreto, Joseferson da Silva |
|
dc.date.accessioned |
2023-09-29T12:12:08Z |
|
dc.date.available |
2023-09-29T12:12:08Z |
|
dc.date.issued |
2023-07-13 |
|
dc.identifier.other |
CDD 629.895 |
|
dc.identifier.uri |
http://dspace.bc.uepb.edu.br/jspui/handle/123456789/30153 |
|
dc.description |
BARRETO, Joseferson da Silva. Predição da Síndrome Respiratória Aguda Grave por meio da multiclassificação com algoritmos de machine learning. 2023. 45 p. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Estadual da Paraíba, Campina Grande, 2023. |
pt_BR |
dc.description.abstract |
A Síndrome Respiratória Aguda Grave (SRAG) é uma condição médica grave que afeta o sistema
respiratório, causando sintomas como febre alta, tosse, falta de ar e dificuldade respiratória. Sua
etiologia pode ser diversa, incluindo o coronavírus SARS-CoV-2, responsável pela COVID-19.
A SRAG pode levar a complicações graves, como pneumonia e insuficiência respiratória, demandando
cuidados hospitalares intensivos e, em casos mais graves, pode resultar em insuficiência
de múltiplos órgãos e morte. Este trabalho teve como objetivo demonstrar algumas das principais
técnicas de Machine Learning para a classificação multiclasse de SRAG, visando aprimorar a
capacidade de previsão da síndrome. Para isso, foram utilizados diferentes modelos de classificação,
voltados especificamente para classificação multiclasse. Os resultados obtidos revelaram
que o modelo XGBoost se destacou, alcançando uma performance geral de 83%. Esse modelo
apresentou excelentes resultados na classificação de SRAG por influenza, SRAG por Covid e
outras SRAGs relacionadas a vírus respiratórios. No entanto, identificou-se um desempenho
razoável nas classes 3 e 4, que representam SRAG por outros agentes etiológicos e um tipo não
especificado de SRAG, respectivamente. Esses resultados reforçam a importância do uso de
técnicas de Machine Learning na análise da SRAG, contribuindo para melhorar a capacidade
de previsão e diagnóstico da síndrome. Futuras pesquisas podem se concentrar em aprimorar o
desempenho do modelo nas classes mais desafiadoras, buscando aperfeiçoar a aplicação prática
dessas técnicas na saúde pública e na medicina. |
pt_BR |
dc.description.sponsorship |
Orientador: Prof. Dr. Tiago Almeida de Oliveira |
pt_BR |
dc.language.iso |
other |
pt_BR |
dc.subject |
Previsão de SRAG |
pt_BR |
dc.subject |
Saúde pública |
pt_BR |
dc.subject |
Modelos de aprendizado de máquina |
pt_BR |
dc.subject |
Classificação multiclasse |
pt_BR |
dc.title |
Predição da síndrome respiratória aguda grave por meio de multiclassificação com algoritmos de machine learning |
pt_BR |
dc.type |
Other |
pt_BR |