{"title":"Um Sistema Inteligente para a Avaliação de Risco da DRC e Encaminhamento de Pacientes em Emergência para Unidades de Saúde","authors":"A. Silveira, Leandro Hübner da Silva, A. Sobrinho","doi":"10.5753/sbcas.2021.16098","DOIUrl":null,"url":null,"abstract":"A alta incidência e prevalência de Doença Renal Crônica (DRC), frequentemente causada por diagnósticos tardios, é um problema crítico de saúde pública. Análises comparativas qualitativas e quantitativas foram realizadas usando uma revisão sistemática da literatura e um experimento com técnicas de aprendizado de máquina, respectivamente. A árvore de decisão J48, com 95,00% de acurácia, foi usada para desenvolver um sistema inteligente para avaliar o risco de DRC. Além disso, quando o paciente com DRC está fora de seu município e ocorre uma emergência, o sistema recomenda que o paciente compareça a uma unidade de saúde apropriada, dependendo da situação clínica, para evitar cuidados de saúde tardios ou inadequados.","PeriodicalId":438786,"journal":{"name":"Anais Estendidos do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS Estendido 2021)","volume":"22 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais Estendidos do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS Estendido 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbcas.2021.16098","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
A alta incidência e prevalência de Doença Renal Crônica (DRC), frequentemente causada por diagnósticos tardios, é um problema crítico de saúde pública. Análises comparativas qualitativas e quantitativas foram realizadas usando uma revisão sistemática da literatura e um experimento com técnicas de aprendizado de máquina, respectivamente. A árvore de decisão J48, com 95,00% de acurácia, foi usada para desenvolver um sistema inteligente para avaliar o risco de DRC. Além disso, quando o paciente com DRC está fora de seu município e ocorre uma emergência, o sistema recomenda que o paciente compareça a uma unidade de saúde apropriada, dependendo da situação clínica, para evitar cuidados de saúde tardios ou inadequados.