Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/11607
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSeixas, José Manoel de-
dc.contributor.authorÉvora, Luiz Henrique Ramos de Azevedo-
dc.date.accessioned2020-03-25T04:30:18Z-
dc.date.available2023-12-21T03:06:57Z-
dc.date.issued2018-03-
dc.identifier.urihttp://hdl.handle.net/11422/11607-
dc.description.abstractDrug-Resistant TB (DR-TB) implicates in more complex treatments and leads to higher deceased and morbidity numbers. In this context, we propose the use of screening tests that early identi es patients with higher probability of having DR-TB and prioritize them. Arti cial Neural Networks and Classi cation And Regression Tree models are generated, and a boosting algorithm is applied, considering as input the patient's symptoms and social-demographic variables. Speci c scores by each State are produced and the results are compared to a national-wide approach. Models with di erent complexity levels were developed in order to t the available resources in each site, being guided by variable relevance and data quality. Models developed by each State achieved an average sensitivity higher than 85% when screening RJ patients considering DR-TB from non DR-TB, against 82.7% using the national approach, indicating that the local clinical scores can better capture operational di erences present in the health system.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEngenharia elétricapt_BR
dc.subjectTuberculosept_BR
dc.titleModelos baseados em redes neurais artificiais para o diagnóstico em triagem de tuberculose resistente e multirresistente no Brasilpt_BR
dc.typeTesept_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/7502001649910714pt_BR
dc.contributor.advisorCo1Kritski, Afranio Lineu-
dc.contributor.referee1Maciel, Carlos Dias-
dc.contributor.referee2Werneck, Guilherme Loureiro-
dc.contributor.referee3Mello, Fernanda Carvalho de Quiroz-
dc.contributor.referee4Nadal, Jurandir-
dc.contributor.referee5Caloba, Luiz Pereira-
dc.description.resumoA tuberculose (TB) resistente a drogas (TB-DR) implica em tratamentos mais complexos, acarretando em taxas de mortalidade e morbidade mais elevadas. Neste contexto, propomos o uso de testes de triagem que identifiquem precocemente os pacientes com maior probabilidade de TB-DR, para serem priorizados. Modelos baseados em Redes Neurais Artificiais e Árvores de Classificação e Regressão foram desenvolvidos, incluindo algoritmos de boosting. Consideram-se sintomas e variáveis sócio demográficas e clínicas dos pacientes. Foram produzidos escores a nível estadual e os resultados comparados aos de uma abordagem nacional. Modelos de diferentes complexidades foram desenvolvidos para se adequarem aos recursos disponíveis nos locais de aplicação, sendo guiados pela relevância das variáveis e a qualidade dos dados. Observou-se que os modelos estaduais obtiveram uma sensibilidade, em média, maior que 85% na triagem de pacientes para o diagnóstico de TB-DR, contra 82,7% da abordagem nacional, indicando que os escores clínicos locais tendem a capturar melhor as desigualdades operacionais do sistema de saúde.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenhariapt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.embargo.termsabertopt_BR
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
888071.pdf1.04 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.