Comparação de algoritmos de machine learning para prever sepse em pacientes

Página do item simplificado
dc.contributor.advisorMenezes, Mário Olímpio de
dc.contributor.authorCesário, Henrique Dias
dc.date.accessioned2022-08-22T13:52:03Z
dc.date.available2022-08-22T13:52:03Z
dc.date.issued2022-06
dc.description.abstractEsse estudo mostra resultados e considerações feitas ao tentar prever sepse com o uso de algoritmos de machine learning de random forest, gradiente boosting e logistic regression usando apenas os parâmetros do Sequential Organ Failure Assessment (SOFA), com o banco de dados do MIMIC-III e em seguida comparar os resultados com os de outras pesquisas de machine learning para sepse. Essas três técnicas tiveram um AUROC de 0.76, 0.74 e 0.63 respectivamente, mostrando que é possível chegar a resultados até que favoráveis usando apenas valores do SOFA, porém ao comparar com outros de outras pesquisas que não se limitaram apenas aos parâmetros do SOFA, utilizando mais variáveis no aprendizado de maquina para prever é possível obter resultados ainda melhores aos quais foram alcançados nessa pesquisa.pt_BR
dc.description.abstractOn this study is shown the results and considerations when trying to predict sepsis using machine learning with random forest, gradient boosting and logistic regression techniques with only variables used for the Sequential Organ Failure Assessment (SOFA) score, with the MIMIC-III dataset and comparing the results with other works that try to predict sepsis also using machine learning. Those three techniques arrived at an AUROC of 0.76, 0.74 and 0.63 respectively, showing that it is somehow acceptable trying to predict sepsis using only the SOFA variables but when comparing with other works that did not limit with only the SOFA variables for prediction it becomes clear that it is possible to obtain even better results than the ones accomplished in this research.pt_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/30528
dc.languagept_BRpt_BR
dc.publisherUniversidade Presbiteriana Mackenziept_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectbanco de dados do MIMIC-IIIpt_BR
dc.subjectmachine learning para sepsept_BR
dc.subjectalgoritmospt_BR
dc.titleComparação de algoritmos de machine learning para prever sepse em pacientespt_BR
dc.typeTCCpt_BR
local.publisher.departmentFaculdade de Computação e Informática (FCI)pt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Henrique Dias Cesário....pdf
Tamanho:
421.32 KB
Formato:
Adobe Portable Document Format
Descrição:
Henrique Dias Cesário
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Ciência da Computação - TCC - FCI Higienópolis