Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://www.bdtd.uerj.br/handle/1/23480
Tipo do documento: Tese
Título: Modelagem Fuzzy Intuicionista no Reconhecimento de Padrões em Registros no Prontuário Eletrônico de Pacientes atendidos no Hospital Universitário durante a Pandemia da Covid-19
Título(s) alternativo(s): Modelagem Fuzzy Intuicionista no Reconhecimento de Padrões em Registros no Prontuário Eletrônico de Pacientes atendidos no Hospital Universitário durante a Pandemia da Covid-19
Autor: Cruz, Carla Cristina Passos 
Primeiro orientador: Lanzillotti, Regina Serrão
Primeiro membro da banca: Lopes, Agnaldo José
Segundo membro da banca: Brandão, Euzeli da Silva
Terceiro membro da banca: Leite, Karla Tereza Figueiredo
Quarto membro da banca: Viana, Michelle Marcia Martins
Quinto membro da banca: Arenas, Zochil González
Resumo: A Mineração dos Textos corresponde ao pré-processamento para o uso de algoritmos, pois organiza, vincula e transforma os conteúdos da linguagem escrita em informações fidedignas que antecipam o uso a posteriori de modelagem que busca por reconhecimento de padrões. Destaca-se que 80% dos dados gerados são não-estruturados e destes, 80% estão no formato textual que lida com a incerteza e ambiguidade. A Recuperação da Informação e o Processamento da Linguagem Natural contabiliza a frequência de ocorrência das palavras, o que permite a abordagem da Estatística Inferencial e Inteligência Computacional. Objetivo: aplicar a modelagem Fuzzy Intuicionista para obter padrões segundo termos linguísticos em registros no prontuário eletrônico de pacientes atendidos em Unidade Hospitalar Pública Universitária durante a pandemia da Covid-19. Método: Estudo de caso, optou-se por Agrupamento Intuicionista Fuzzy que considera o grau de pertinência, não-pertinência e hesitação para descrever cenários. Para aplicação desta modelagem que foi utilizada para obter padrões segundo termos linguísticos, utilizou-se os registros realizados nos prontuários eletrônicos dos pacientes do Hospital Universitário Pedro Ernesto no período da pandemia do Covid-19. As informações não-estruturadas, escritas de forma incorreta que não atendiam a Classificação Internacional de Doenças, passaram pela etapa de Pré-Processamento, onde foram criadas variáveis para a entrada no Sistema Fuzzy. Aplicou-se o método Elbow para indicar o provável número de clusters e ratificação pelo modelo Fuzzy Intuicionista C-Means. Resultados: O pré-processamento organizou e ajustou os dados e possibilitou a construção de uma base de dados textual associado à incidência de Covid-19 nos casos atendidos no HUPE, que poderá ser utilizado em outras pesquisas. Foram estabelecidas duas Classes Padrões para permitir a classificação de um paciente acometido de Covid-19 em função da Cosseno dos Conjuntos Fuzzy Intuicionista segundo os sintomas: febre, falta de ar e cansaço; e comorbidades: hipertensão, doença cerebrovascular e doença cardiovascular. Conclusão: Os resultados confirmam que um paciente pode ser enquadrado em determinada classe padrão mediante a estimativa das pertinências do Sistema Lógico Intuicionista Fuzzy levando em consideração a relevância da similaridade.
Abstract: Text Mining corresponds to pre-processing for the use of algorithms, as it organizes, links and transforms the contents of written language into reliable information that anticipates the subsequent use of modeling that seeks pattern recognition. It is noteworthy that 80% of the data generated is unstructured and of these, 80% are in textual format that deals with uncertainty and ambiguity. Information Retrieval and Natural Language Processing account for the frequency of occurrence of words, which allows the approach of Inferential Statistics and Computational Intelligence. Objective: Applying Fuzzy Intuitionist modeling to obtain patterns according to linguistic terms in records in the electronic medical record of patients treated in a Public University Hospital Unit during the Covid-19 pandemic. Method: Case study, Fuzzy Intuitionist Grouping was chosen, which considers the degree of relevance, non- pertinence and hesitation to describe scenarios. Applying this modeling, which was used to obtain patterns according to linguistic terms, we used the records made in the electronic medical records of patients at the Pedro Ernesto University Hospital during the period of the Covid-19 pandemic. The unstructured information, written incorrectly and not complying with the International Classification of Diseases, went through the Pre-Processing stage, where variables were created for entry into the Fuzzy System. The Elbow method was applied to indicate the probable number of clusters and ratification by the Fuzzy Intuitionist C-Means model. Results: Pre-processing organized and adjusted the data and enabled the construction of a textual database associated with the incidence of Covid-19 in cases treated at HUPE, which can be used in other research. Two Standard Classes were established to allow the classification of a patient suffering from Covid-19 based on the Cosine of the Intuitionist Fuzzy Sets according to the symptoms: fever, shortness of breath and fatigue; and comorbidities: hypertension, cerebrovascular disease and cardiovascular disease. Conclusion: The results confirm that a patient can be classified into a certain standard class by estimating the pertinences of the Fuzzy Intuitionist Logic System, taking into account the relevance of the similarity.
Palavras-chave: Knowledge Discovery in Text
Cosine similarity
Intuitionistic Fuzzy
Protocol uniformization.
Knowledge Discovery in Text
Similaridade cosseno
Fuzzy intuicionista
Covid-19
Uniformização de protocolos
Processamento eletrônico de dados - Medicina
Sistemas difusos
Arquivos médicos
Área(s) do CNPq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Instituição: Universidade do Estado do Rio de Janeiro
Sigla da instituição: UERJ
Departamento: Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística
Programa: Programa de Pós-Graduação em Ciências Computacionais e Modelagem Matemática
Citação: CRUZ, Carla Cristina Passos. Modelagem Fuzzy Intuicionista no Reconhecimento de Padrões em Registros no Prontuário Eletrônico de Pacientes atendidos no Hospital Universitário durante a Pandemia da Covid-19. 2024. 149 f. Tese (Doutorado em Ciências Computacionais e Modelagem Matemática) - Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2024.
Tipo de acesso: Acesso Aberto
URI: http://www.bdtd.uerj.br/handle/1/23480
Data de defesa: 5-Nov-2024
Aparece nas coleções:Doutorado em Ciências Computacionais e Modelagem Matemática



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