Sistema preditivo para a doença de Alzheimer na triagem clínica
Palavras-chave:
Mineração de Dados, Técnicas de Apoio para a Decisão, Doença de AlzheimerResumo
Objetivo: Descrever uma aplicação que, utilizando-se de técnicas de mineração de dados, visa auxiliar os especialistas no processo de diagnóstico de pacientes com suspeita clínica de Alzheimer atendidos pelo Centro de Alzheimer e Parkinson no município de Campos dos Goytacazes/RJ. Método: Aplicação de técnicas relacionadas à etapa de pré-processamento dos dados, de classificação (naïve bayes, redes bayesianas e árvores de decisão) com avaliação dos resultados a partir do uso da validação cruzada estratificada k-fold, cujas implementações estão disponíveis na ferramenta Weka. Resultado: Observou-se os resultados numéricos dos modelos de acordo com as métricas: acurácia, taxa de erro, sensibilidade, taxa de falsos positivos e taxa de falsos negativos, obtendo-se as taxas de 73,8%, 26,2%, 76,3%, 27,4%, 23,7%, respectivamente. Conclusão: Verificou-se que os classificadores bayesianos, em especial redes bayesianas, apresentaram os melhores resultados para o diagnóstico da doença de Alzheimer a partir das métricas supracitadas.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
