Mineração de dados utilizando aprendizado não-supervisionado: um estudo de caso para bancos de dados da saúde

A mineração de dados constitui o processo de descoberta de conhecimento interessante, com a utilização de métodos e técnicas que permitem analisar grandes conjuntos de dados para a extração de informação previamente desconhecida, válida e que gera ações úteis, de grande ajuda para a tomada de decisões estratégicas. Dentre as tarefas de mineração de dados, existem aquelas que realizam aprendizado não-supervisionado, o qual é aplicado em bases de dados não-classificados, em que o algoritmo extrai as características dos dados fornecidos e os agrupa em classes. Geralmente, o aprendizado não-supervisionado é aplicado em tarefas de agrupamento, que consistem em agrupar os dados de bancos de dados volumosos, com diferentes tipos de dados em classes ou grupos de objetos que são similares dentro de um mesmo grupo e dissimilares em diferentes grupos desses bancos de dados, de acordo com alguma medida de similaridade. Os agrupamentos são usados como ponto de partida para futuras investigações. Este trabalho explora, mediante a realização de um estudo de caso, o uso de agrupamento como tarefa de mineração de dados que realiza aprendizado nãosupervisionado, para avaliar a adequação desta tecnologia em uma base de dados real da área de saúde. Agrupamento é um tema ativo em pesquisas da área pelo seu potencial de aplicação em problemas práticos. O cenário da aplicação é o Sistema de Informações Hospitalares do SUS, sob a gestão da Secretaria Estadual de Saúde do Rio Grande do Sul. Mensalmente, o pagamento de um certo número de internações é bloqueado, uma vez que a cobrança de internações hospitalares é submetida a normas do SUS e a critérios técnicos de bloqueio estabelecidos pela Auditoria Médica da SES para verificar a ocorrência de algum tipo de impropriedade na cobrança dos procedimentos realizados nessas internações hospitalares. A análise de agrupamento foi utilizada para identificar perfis de comportamentos ou tendências nas internações hospitalares e avaliar desvios ou outliers em relação a essas tendências e, com isso, descobrir padrões interessantes que auxiliassem na otimização do trabalho dos auditores médicos da SES. Buscou-se ainda compreender as diferentes configurações de parâmetros oferecidos pela ferramenta escolhida para a mineração de dados, o IBM Intelligent Miner, e o mapeamento de uma metodologia de mineração de dados, o CRISP-DM, para o contexto específico deste estudo de caso. Os resultados deste estudo demonstram possibilidades de criação e melhora dos critérios técnicos de bloqueio das internações hospitalares que permitem a otimização do trabalho de auditores médicos da SES. Houve ainda ganhos na compreensão da tecnologia de mineração de dados com a utilização de agrupamento no que se refere ao uso de uma ferramenta e de uma metodologia de mineração de dados, em que erros e acertos evidenciam os cuidados que devem ser tomados em aplicações dessa tecnologia, além de contribuírem para o seu aperfeiçoamento.

Intercâmbio de dados entre aplicativos utilizando XML/XSLT

A integração de aplicações heterogêneas é uma tarefa constante entre empresas do mundo moderno. A grande quantidade de fornecedores de software, aliada à extensa variedade de técnicas e linguagens computacionais utilizadas, fazem desta integração uma tarefa trabalhosa e cara para as organizações. As alternativas existentes para a integração de sistemas de diferentes fornecedores podem variar, desde acesso compartilhado a uma base de dados comum, uso de replicadores de dados entre bases de dados distintas, troca de mensagens entre aplicações, ou o uso de programas exportadores/importadores, gerando arquivos em um formato previamente protocolado entre os desenvolvedores dos softwares envolvidos. Este trabalho visa propor uma alternativa para a integração de sistemas heterogêneos, fazendo uso da tecnologia XML para representar os dados que são trocados entre os aplicativos. Para tanto, sugere um framework a ser utilizado no planejamento da arquitetura dos softwares. O objetivo principal da adoção de um framework é a utilização de uma metodologia previamente desenvolvida e certificada, economizando tempo de análise para a solução de um problema. O framework proposto subtrai dos desenvolvedores a necessidade de alteração do código fonte dos seus programas cada vez que a integração com um novo fornecedor de software se faz necessária, ou que há alteração no formato dos dados trocados entre os aplicativos. Este efeito é conseguido através da utilização de XSLT para a conversão de formatos de documentos XML trocados pelos softwares. Tal conversão é realizada por um processador XSLT externo aos programas envolvidos. Para simplificar o processo, foi desenvolvido o protótipo de uma ferramenta para a geração de templates XSLT. Templates são elementos da especificação XSLT capazes de realizar a transformação entre estruturas representadas em XML. O gerador de templates XSLT é uma ferramenta gráfica capaz de converter mapeamentos realizados entre estruturas XML em templates XSLT, podendo aplicar as transformações geradas a documentos XML, com a finalidade de teste ou transformação.

Contabilidade do crescimento aplicada para Brasil, Chile, China, India e Coréia

O presente trabalho utiliza a “Contabilidade do crescimento” para analisar e explicar as diferenças nas taxas de crescimento do PIB per capita dos países Brasil, Chile, China, Índia e Coréia no período compreendido entre os anos 1960 e 2000. Descrevendo os quatro fatos estilizados do crescimento econômico, a “Contabilidade do crescimento de Solow”, bem como a função de produção Cobb-Douglas, buscou-se dar o embasamento teórico para o modelo utilizado de fato no presente trabalho, que decompôs o crescimento dos diferentes países para identificar qual fator mais contribuiu ou quais fatores de produção mais contribuíram para os diferentes níveis de crescimento econômico dos países analisados. A metodologia utilizada no trabalho baseia-se em pesquisas bibliográficas, que visam primordialmente a fundamentação conceitual e teórica de alguns conceitos utilizados e em pesquisas às diferentes bases de dados históricos referentes aos países e variáveis analisadas. Pode-se afirmar que as principais fontes de consulta foram a “Penn World Table” da Universidade da Pensilvânia e o Banco Mundial. O estudo irá demonstrar, além dos diferentes níveis de cada um dos fatores (capital humano, físico e progresso tecnológico ou “TFP – Total Factor Productivity” ) nos países, como cada um desses fatores evoluiu ao longo dos anos e qual a contribuição de cada um nas taxas de crescimento do PIB per capita de cada um dos países analisados. É feito um estudo da variância do crescimento do PIB per capita, onde ficará claro que boa parte das diferenças apresentadas nas taxas de crescimento dos países vem do progresso tecnológico ou da covariância dos fatores, que são progresso tecnológico e o agrupamento do capital físico e humano. Também verificou-se a correlação existente entre a variação do PIB per capita e as variáveis que o compõe, permitindo a visualização do alto grau de correlação existente, principalmente com o progresso tecnológico ou “TFP”.

Classificação e especificação de restrições de integridade em bancos de dados temporais de versões

Um Sistema gerenciador de Bancos de Dados (SGBD) possui como principal característica a capacidade de gerenciar bases de dados que representam parte do mundo real. Para que essa representação seja fiel, os dados presentes em uma base de dados devem obedecer a diversas regras conhecidas como restrições de integridade. Estas podem ser provenientes da realidade modelada, da implementação ou do modelo de dados utilizado. O suporte oferecido por sistemas gerenciadores de bancos de dados tradicionais não é suficientemente adequado a certas aplicações com necessidades que vão além das convencionais. Diversas aplicações necessitam armazenar dados históricos em conjunto com seus períodos de validade. Outras precisam armazenar versões de conjuntos de dados, gerenciando suas agregações e formas de representação. Através do suporte aos conceitos de tempo e de versão, provido por um SGBD, grande parte dessas necessidades é suprida. Este tipo de banco de dados usa o conceito de tempo para armazenar e controlar dados históricos enquanto o conceito de versão permite a gerência de alternativas de projeto. Existem atualmente diversos trabalhos e implementações relacionados à manutenção de restrições de integridade sobre bancos de dados tradicionais. Entretanto, restrições que consideram a gerência de tempo e de versões sobre dados ainda representam uma área de pesquisa praticamente inexplorada. De acordo com essa realidade, o primeiro objetivo do presente trabalho consiste em definir uma classificação de restrições de integridade para bases de dados com suporte a tempo e versões, a fim de prover uma base para o desenvolvimento de pesquisas relacionadas à sua especificação e manutenção. O segundo objetivo consiste em agregar ao Modelo Temporal de Versões (TVM), que suporta os conceitos de tempo e de versão, uma linguagem que permita a especificação de restrições de integridade. Esta linguagem considera características relacionadas à temporalidade e ao versionamento dos dados e das próprias restrições.

A divergente trajetória de desenvolvimento da América Latina e da Ásia explicada pelas diferenças nas fontes de crescimento dos seus países no pós guerra

O objetivo deste trabalho é investigar, empiricamente, as diferenças na trajetória de desenvolvimento econômico no pós-guerra para os países da América Latina, vis-a-vis à amostra de referência comparativa – países asiáticos. A metodologia utilizada no trabalho baseia-se em pesquisas bibliográficas e em diferentes bases de dados que visam, primordialmente, a fundamentação conceitual e teórica do modelo. Assim, baseado na função de produção do tipo Cobb-Douglas, utiliza-se a decomposição do crescimento econômico em termos da acumulação de fatores de produção e da evolução do resíduo chamado de produtividade total dos fatores (PTF) para analisar a trajetória e explicar as diferenças nas taxas de crescimento da produtividades dos trabalhadores dos países da América Latina e da Ásia no período compreendido entre os anos 1960 e 2007. É feita também uma extensão do modelo com a abordagem de decomposições de desenvolvimento para estudar o gap de produtividade dos países em relação aos Estados Unidos em 1960, 2000 e 2007. As primeiras análises dos dados corroboraram a questão do fracasso dos países da América Latina em alcançar os níveis de renda per capita da economia americana e que os países asiáticos, que possuíam níveis semelhantes ou inferiores no começo do período, vem obtendo sucesso no processo de catch up. Os resultados do modelo mostram que dentre as economias da América Latina, apenas o Chile e a República Dominicana apresentaram ganhos na produtividade a partir de 1980 até o presente, com taxa média superior a 2% a.a..Tal comportamento se assemelha com os resultados encontrados para as economias asiáticas,apesar da magnitude inferior. Outra coincidência de resultados comparativos é dada pela importância da acumulação de capital humano como principal fator responsável em instantes de aceleração de crescimento da produtividade com resultados de longo prazo.

Comparando a saúde no Brasil com os países da OCDE: explorando dados de saúde pública

A atenção à saúde da população no Brasil gera um grande volume de dados sobre os serviços de saúde prestados. O tratamento adequado destes dados com técnicas de acesso à grande massa de dados pode permitir a extração de informações importantes para um melhor conhecimento do setor saúde. Avaliar o desempenho dos sistemas de saúde através da utilização da massa de dados produzida tem sido uma tendência mundial, uma vez que vários países já mantêm programas de avaliação baseados em dados e indicadores. Neste contexto, A OCDE – Organização para Cooperação e Desenvolvimento Econômico, que é uma organização internacional que avalia as políticas econômicas de seus 34 países membros, possui uma publicação bienal, chamada Health at a Glance, que tem por objetivo fazer a comparação dos sistemas de saúde dos países membros da OCDE. Embora o Brasil não seja um membro, a OCDE procura incluí-lo no cálculo de alguns indicadores, quando os dados estão disponíveis, pois considera o Brasil como uma das maiores economias que não é um país membro. O presente estudo tem por objetivo propor e implementar, com base na metodologia da publicação Health at a Glance de 2015, o cálculo para o Brasil de 22 indicadores em saúde que compõem o domínio “utilização de serviços em saúde” da publicação da OCDE. Para isto foi feito um levantamento das principais bases de dados nacionais em saúde disponíveis que posteriormente foram capturadas, conforme necessidade, através de técnicas para acessar e tratar o grande volume de dados em saúde no Brasil. As bases de dados utilizadas são provenientes de três principais fontes remuneração: SUS, planos privados de saúde e outras fontes de remuneração como, por exemplo, planos públicos de saúde, DPVAT e particular. A realização deste trabalho permitiu verificar que os dados em saúde disponíveis publicamente no Brasil podem ser usados na avaliação do desempenho do sistema de saúde, e além de incluir o Brasil no benchmark internacional dos países da OCDE nestes 22 indicadores, promoveu a comparação destes indicadores entre o setor público de saúde do Brasil, o SUS, e o setor de planos privados de saúde, a chamada saúde suplementar. Além disso, também foi possível comparar os indicadores calculados para o SUS para cada UF, demonstrando assim as diferenças na prestação de serviços de saúde nos estados do Brasil para o setor público. A análise dos resultados demonstrou que, em geral, o Brasil comparado com os países da OCDE apresenta um desempenho abaixo da média dos demais países, o que indica necessidade de esforços para atingir um nível mais alto na prestação de serviços em saúde que estão no âmbito de avaliação dos indicadores calculados. Quando segmentado entre SUS e saúde suplementar, a análise dos resultados dos indicadores do Brasil aponta para uma aproximação do desempenho do setor de saúde suplementar em relação à média dos demais países da OCDE, e por outro lado um distanciamento do SUS em relação a esta média. Isto evidencia a diferença no nível de prestação de serviços dentro do Brasil entre o SUS e a saúde suplementar. Por fim, como proposta de melhoria na qualidade dos resultados obtidos neste estudo sugere-se o uso da base de dados do TISS/ANS para as informações provenientes do setor de saúde suplementar, uma vez que o TISS reflete toda a troca de informações entre os prestadores de serviços de saúde e as operadoras de planos privados de saúde para fins de pagamento dos serviços prestados.

Programas de exercícios físicos e níveis de biomarcadores inflamatórios em mulheres com distúrbios metabólicos: uma revisão sistemática

Uma grande quantidade de informações dá suporte à relação existente entre inatividade física e processos inflamatórios latentes em distúrbios metabólicos. O objetivo deste trabalho foi acessar criticamente o corpo de evidências existentes na literatura sobre a associação entre programas de exercícios físicos e os níveis de biomarcadores inflamatórios em mulheres entre 18 e 82 anos de idade. Foram realizadas buscas bibliográficas sistemáticas usando as bases de dados PubMed Medline, Cochrane Central Register of Controlled Trials, Web of Science, LILACS e SciELO de publicações entre janeiro de 1993 e janeiro de 2012 usando os seguintes termos: inflamação, citocinas, exercícios, treinamento físico, treinamento aeróbico, treinamento cardiovascular, treinamento de força, treinamento contra resistência, treinamento intervalado, reabilitação cardíaca e gerenciamento/modificação terapêutica de estilo de vida. Do total de estudos incluídos na revisão, três deles reportaram mudanças não significativas nos níveis de biomarcadores inflamatórios, um estudo documentou um aumento nos biomarcadores e 12 estudos reportaram decréscimos nos níveis de biomarcadores inflamatórios associados com exercício. Características secundárias do estilo de vida, como trabalho físico extenuante e fumo, afetaram os níveis de biomarcadores inflamatórios. Intervenções integrativas incluindo dieta, exercício aeróbico moderado (60% a 80% da frequência cardíaca máxima ou 50% a 60% do VO2Máx), treinamento contra resistência em circuito (8 a 10 exercícios, 8 a 12 repetições), aconselhamento e educação voltados para a saúde, usados conjuntamente, se apresentaram como possíveis estratégias efetivas na melhoria nos níveis de biomarcadores inflamatórios em mulheres

Análise de desempenho de vendas em telecomunicações utilizando técnicas de mineração de dados

Nowadays, telecommunications is one of the most dynamic and strategic areas in the world. Organizations are always seeking to find new management practices within an ever increasing competitive environment where resources are getting scarce. In this scenario, data obtained from business and corporate processes have even greater importance, although this data is not yet adequately explored. Knowledge Discovery in Databases (KDD) appears then, as an option to allow the study of complex problems in different areas of management. This work proposes both a systematization of KDD activities using concepts from different methodologies, such as CRISP-DM, SEMMA and FAYYAD approaches and a study concerning the viability of multivariate regression analysis models to explain corporative telecommunications sales using performance indicators. Thus, statistical methods were outlined to analyze the effects of such indicators on the behavior of business productivity. According to business and standard statistical analysis, equations were defined and fit to their respective determination coefficients. Tests of hypotheses were also conducted on parameters with the purpose of validating the regression models. The results show that there is a relationship between these development indicators and the amount of sales

Algoritmos de agrupamento aplicados a dados de expressão gênica de câncer: um estudo comparativo

The use of clustering methods for the discovery of cancer subtypes has drawn a great deal of attention in the scientific community. While bioinformaticians have proposed new clustering methods that take advantage of characteristics of the gene expression data, the medical community has a preference for using classic clustering methods. There have been no studies thus far performing a large-scale evaluation of different clustering methods in this context. This work presents the first large-scale analysis of seven different clustering methods and four proximity measures for the analysis of 35 cancer gene expression data sets. Results reveal that the finite mixture of Gaussians, followed closely by k-means, exhibited the best performance in terms of recovering the true structure of the data sets. These methods also exhibited, on average, the smallest difference between the actual number of classes in the data sets and the best number of clusters as indicated by our validation criteria. Furthermore, hierarchical methods, which have been widely used by the medical community, exhibited a poorer recovery performance than that of the other methods evaluated. Moreover, as a stable basis for the assessment and comparison of different clustering methods for cancer gene expression data, this study provides a common group of data sets (benchmark data sets) to be shared among researchers and used for comparisons with new methods

Algoritmos de agrupamentos fuzzy intervalares e índice de validação para agrupamento de dados simbólicos do tipo intervalo

Symbolic Data Analysis (SDA) main aims to provide tools for reducing large databases to extract knowledge and provide techniques to describe the unit of such data in complex units, as such, interval or histogram. The objective of this work is to extend classical clustering methods for symbolic interval data based on interval-based distance. The main advantage of using an interval-based distance for interval-based data lies on the fact that it preserves the underlying imprecision on intervals which is usually lost when real-valued distances are applied. This work includes an approach allow existing indices to be adapted to interval context. The proposed methods with interval-based distances are compared with distances punctual existing literature through experiments with simulated data and real data interval

A respiração frenolabial na doença pulmonar obstrutiva crônica: revisão da literatura

Esta revisão teve por objetivo destacar os principais achados publicados nos últimos dez anos sobre os efeitos da respiração frenolabial (RFL) em pacientes com doença pulmonar obstrutiva crônica (DPOC). A busca dos artigos foi realizada nas bases de dados Lilacs, IBECS, MEDLINE e SciELO, por meio dos seguintes descritores da área da saúde (DeCS): doença pulmonar obstrutiva crônica, reabilitação, respiração, hiperinsuflação e dispneia, e suas respectivas versões na língua inglesa (MeSH), além do termo pursed-lip breathing. Após a eliminação dos títulos repetidos, foram selecionados somente os estudos que abordavam a RFL como tema principal, resultando em 12 artigos científicos, 10 ensaios clínicos e 2 revisões bibliográficas. Segundo os achados, a RFL proporciona: alterações sobre a gasometria arterial, caracterizada pelo aumento da saturação e pressão parcial de oxigênio; padrão ventilatório, com diminuição da frequência respiratória e aumento de tempo expiratório e do volume corrente; mecânica ventilatória, por meio do recrutamento de musculatura abdominal expiratória e dos músculos da caixa torácica e acessórios da inspiração; diminuição no consumo de oxigênio; alterações na modulação autonômica cardíaca induzida pelo aumento da atividade parassimpática e, por fim, melhora na qualidade de vida destes pacientes. A RFL é considerada uma manobra de grande importância, por repercutir de forma positiva em diversos sistemas e sobre a qualidade de vida de pacientes portadores da DPOC.

Enriquecimento de dados: uma pré-etapa em relação à limpeza de dados

Pós-graduação em Ciência da Computação - IBILCE

Catalogação descritiva no século XXI: um estudo sobre o RDA

Pós-graduação em Ciência da Informação - FFC

A disseminação da informação mediada por novas tecnologias e a educação do usuário na biblioteca universitária

Pós-graduação em Ciência da Informação - FFC

Geoprocessamento aplicado ao desenvolvimento de uma base de dados do Município de Botucatu

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)