Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão

Autores
Pires Martins, Juliane; Silva Camargo, Sandro da
Año de publicación
2022
Idioma
portugués
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
O risco de mortalidade materna é um grande problema desaúde nos países em desenvolvimento. Para reduzir a mortalidade, podemser desenvolvidas estratégias de intervenção mais abrangentes, com aaplicação de testes de triagem, visando reduzir complicações relacionadas à gravidez. Este trabalho visa construir um modelo preditivo baseados emdados de diferentes hospitais e clínicas comunitárias para fazer uma previsão de risco de mortalidade em mulheres grávidas através de seis preditoresde risco. O modelo desenvolvido obteve uma acurácia de 71,78%,com uma sensibilidade, para predizer pacientes de alto risco de mortalidade,de 87,04%.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Mineração de Dados
Classificação
Saúde Pública
Gestação
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/151662
Acceder
id SEDICI_30ab1150cf1ad3081750f77de04d9f54
oai_identifier_str oai:sedici.unlp.edu.ar:10915/151662
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisãoPires Martins, JulianeSilva Camargo, Sandro daCiencias InformáticasMineração de DadosClassificaçãoSaúde PúblicaGestaçãoO risco de mortalidade materna é um grande problema desaúde nos países em desenvolvimento. Para reduzir a mortalidade, podemser desenvolvidas estratégias de intervenção mais abrangentes, com aaplicação de testes de triagem, visando reduzir complicações relacionadas à gravidez. Este trabalho visa construir um modelo preditivo baseados emdados de diferentes hospitais e clínicas comunitárias para fazer uma previsão de risco de mortalidade em mulheres grávidas através de seis preditoresde risco. O modelo desenvolvido obteve uma acurácia de 71,78%,com uma sensibilidade, para predizer pacientes de alto risco de mortalidade,de 87,04%.Sociedad Argentina de Informática e Investigación Operativa2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf20-29http://sedici.unlp.edu.ar/handle/10915/151662info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/369/307info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)porreponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:11:05Zoai:sedici.unlp.edu.ar:10915/151662Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:11:05.876SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão
title Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão
spellingShingle Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão
Pires Martins, Juliane
Ciencias Informáticas
Mineração de Dados
Classificação
Saúde Pública
Gestação
title_short Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão
title_full Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão
title_fullStr Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão
title_full_unstemmed Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão
title_sort Triagem automática de gestantes de alto risco de mortalidade usando árvores de decisão
dc.creator.none.fl_str_mv Pires Martins, Juliane
Silva Camargo, Sandro da
author Pires Martins, Juliane
author_facet Pires Martins, Juliane
Silva Camargo, Sandro da
author_role author
author2 Silva Camargo, Sandro da
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Mineração de Dados
Classificação
Saúde Pública
Gestação
topic Ciencias Informáticas
Mineração de Dados
Classificação
Saúde Pública
Gestação
dc.description.none.fl_txt_mv O risco de mortalidade materna é um grande problema desaúde nos países em desenvolvimento. Para reduzir a mortalidade, podemser desenvolvidas estratégias de intervenção mais abrangentes, com aaplicação de testes de triagem, visando reduzir complicações relacionadas à gravidez. Este trabalho visa construir um modelo preditivo baseados emdados de diferentes hospitais e clínicas comunitárias para fazer uma previsão de risco de mortalidade em mulheres grávidas através de seis preditoresde risco. O modelo desenvolvido obteve uma acurácia de 71,78%,com uma sensibilidade, para predizer pacientes de alto risco de mortalidade,de 87,04%.
Sociedad Argentina de Informática e Investigación Operativa
description O risco de mortalidade materna é um grande problema desaúde nos países em desenvolvimento. Para reduzir a mortalidade, podemser desenvolvidas estratégias de intervenção mais abrangentes, com aaplicação de testes de triagem, visando reduzir complicações relacionadas à gravidez. Este trabalho visa construir um modelo preditivo baseados emdados de diferentes hospitais e clínicas comunitárias para fazer uma previsão de risco de mortalidade em mulheres grávidas através de seis preditoresde risco. O modelo desenvolvido obteve uma acurácia de 71,78%,com uma sensibilidade, para predizer pacientes de alto risco de mortalidade,de 87,04%.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/151662
url http://sedici.unlp.edu.ar/handle/10915/151662
dc.language.none.fl_str_mv por
language por
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/369/307
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
20-29
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260615264993280
score 13.13397

Publicaciones similares