@article{de Agostin_Formigoni_Yokoi_Winnikow_Simões_2021, place={Brasil}, title={Redes Bayesianas e Regressão Logística em pacientes submetidas a core biópsia}, volume={12}, url={https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/827}, abstractNote={Objetivos: Buscou-se correlacionar os achados dos exames de imagem com o resultado histopatológico pela elaboração de uma Rede Bayesiana. Métodos: Foi realizado um estudo do tipo transversal, envolvendo 164 pacientes do sexo feminino, totalizando 170 nódulos, submetidas a Core Biópsia. Resultados: A aquisição de conhecimento para a explicitação da parte quantitativa e qualitativa da Rede Bayesiana foi realizada por meio do aprendizado bayesiano que ocorreu por meio do algoritmo expectation maximization. A sensibilidade da Rede Bayesiana foi 93,3% (IC 95%: 82,9-96,0), a especificidade foi 88,6% (IC 95%: 81,1-96,0) e a acurácia foi 89,4%.  Após a análise multivariada, os fatores de risco associados ao câncer de mama foram: idade maior ou igual a 50 anos e nódulo maior que dois centímetros. Conclusão: Mediante resultados apresentados na análise multivariada, temos evidências que o conhecimento modelo pela Rede Bayesiana mostra-se coerente e indicativo de uso como apoio a decisão na prática clínica.}, journal={Journal of Health Informatics}, author={de Agostin, Gustavo and Formigoni, Ricardo Rampinelli and Yokoi, Larissa Mayumi and Winnikow, Erik Paul and Simões, Priscyla Waleska}, year={2021}, month={mar.} }