Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/14769| Type: | Trabalho de conclusão de graduação |
| Title: | Gerador de dados sintéticos para testes de rotinas de record linkage para o contexto brasileiro |
| Author(s)/Inventor(s): | Corral, Vitor Curiel Trentin |
| Advisor: | Bastos, Valeria Menezes |
| Co-advisor: | Coeli, Claudia Medina |
| Abstract: | Record linkage tem sido cada vez mais usado no Brasil, no entanto, apenas alguns estudos relatam a qualidade do processo de ligação, principalmente na área de saúde coletiva, onde é necessário efetuar a ligação dos pacientes em diversas bases de dados identificadas do SUS, para investigar causas e consequências das doenças e pacientes, e permitir estabelecer formas de controle e administração pública na área de saúde. Dados de testes gerados sinteticamente podem ser usados para avaliar a qualidade do vínculo de dados, para desenvolver um gerador de dados sintéticos que crie conjuntos de dados de teste com atributos, características e erros semelhantes ao contexto brasileiros. Para isso, foi analisado o banco de dados de mortalidade (SIM) do Estado do Rio de Janeiro de 2013, para se conhecer as características e a distribuição de frequência dos atributos que o identificam (nome do paciente, nome da mãe, sexo, data de nascimento e endereço). A metodologia de avaliação e geração de dados apresentado em (TRAN; VATSALAN; PETER, 2020) foi utilizado neste trabalho, com adaptações aos padrões de nomes brasileiros, sendo que suas principais rotinas foram reescritas em C++ e posteriormente em Python, compondo uma ferramenta de geração de dados pessoais para o padrão brasileiro. Os nomes brasileiros têm características específicas que os distinguem dos padrões de outros países: vários nomes de família são comuns, como nomes próprios compostos, com parte do nome do pai, ou da mãe, ou ambos, além da ocorrência frequente de homônimos. Devido às características nacionais específicas dos nomes no Brasil, a modelagem de dados sintéticos é uma atividade particularmente desafiadora e precisa ter regras mais flexíveis para gerar bancos de dados que permitam avaliar a qualidade dos processos de vinculação de dados com identificação. |
| Keywords: | Ligação de registro Sistemas de informação Saúde pública |
| Subject CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO |
| Production unit: | Instituto de Computação |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 6-Aug-2021 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Appears in Collections: | Ciência da Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| VCTCorral.pdf | 475.61 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.