@MASTERSTHESIS{ 2018:1120448623,
 	title = {Predi??o de mortalidade em UTI: aplica??o de t?cnicas de minera??o de dados},
 	year = {2018},
 	url = "http://tede2.uefs.br:8080/handle/tede/835",
 	abstract = "A utiliza??o de escores padronizados para identificar a severidade de estado de pacientes internados em Unidade de Terapia Intensiva - UTI, tais como Acute Physiology, Age, Chronic Health Evaluation-APACHE III e Simplified Acute Physiology Score-SAPS prov?m informa??es utilizadas pela equipe m?dica para tomada de decis?es. Estes escores de severidade passam por constantes revis?es que buscam aprimorar sua capacidade de predi??o. Devido ? utilizar metodologias lineares para predi??o, e os dados utilizados para obten??o dos escores possuem caracter?sticas n?o lineares, entendemos que possam ser utilizadas outras t?cnicas e metodologias para melhorar a predi??o desses escores. Este estudo busca propor a aplica??o de m?todos de minera??o de dados, no pr?-processamento da base de dados e na identifica??o da severidade do estado dos pacientes, utilizando Redes Neurais Artificiais - RNA, Random Forest - RF e Regress?o Log?stica, tendo como atributos para an?lise os registros das vari?veis fisiol?gicas j? registradas pela equipe m?dica para c?lculo dos escores mencionados. Os dados utilizados para esse fim, foram obtidos do Medical Information Mart for Intensive Care-MIMIC-III , um grande reposit?rio dispon?vel on-line para pesquisas e que cont?m registro de 56.530 pacientes. Al?m disso, foram analisadas t?cnicas de imputa??o de valores ausentes e balanceamento de classe, na busca por uma maior qualidade nos dados. Ap?s aplica??o da metodologia descrita no estudo, a Random Forest obteve desempenho melhor que os demais, com a AUC m?dia de 0,780 (? 0,005), sensibilidade de 0,712 (? 0,012) e especificidade de 0,701 (? 0,005) em conjunto com a t?cnica de imputa??o de valores padr?es em substitui??o de valores ausentes, e com o balanceamento de classe usando under sampling. Mediante sele??o de atributos, foi constru?do modelo com redu??o de atributos com resultados pr?ximos da classifica??o com todos atributos, o que pode simplificar a coleta de dados pela equipe m?dica para gerar um escore de severidade.",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Mestrado em Computa??o Aplicada},
 	note = {DEPARTAMENTO DE CI?NCIAS SOCIAIS APLICADAS}
}