Laboratório remoto de automação industrial (Lab-RAI)

Dissertação para obtenção do Grau de Mestre em Engenharia Electrotécnica e Computadores

Disease identification based on ambulatory drugs dispensation and in-hospital ICD-10 diagnoses: a comparison.

BACKGROUND: Pharmacy-based case mix measures are an alternative source of information to the relatively scarce outpatient diagnoses data. But most published tools use national drug nomenclatures and offer no head-to-head comparisons between drugs-related and diagnoses-based categories. The objective of the study was to test the accuracy of drugs-based morbidity groups derived from the World Health Organization Anatomical Therapeutic Chemical Classification of drugs by checking them against diagnoses-based groups. METHODS: We compared drugs-based categories with their diagnoses-based analogues using anonymous data on 108,915 individuals insured with one of four companies. They were followed throughout 2005 and 2006 and hospitalized at least once during this period. The agreement between the two approaches was measured by weighted kappa coefficients. The reproducibility of the drugs-based morbidity measure over the 2 years was assessed for all enrollees. RESULTS: Eighty percent used a drug associated with at least one of the 60 morbidity categories derived from drugs dispensation. After accounting for inpatient under-coding, fifteen conditions agreed sufficiently with their diagnoses-based counterparts to be considered alternative strategies to diagnoses. In addition, they exhibited good reproducibility and allowed prevalence estimates in accordance with national estimates. For 22 conditions, drugs-based information identified accurately a subset of the population defined by diagnoses. CONCLUSIONS: Most categories provide insurers with health status information that could be exploited for healthcare expenditure prediction or ambulatory cost control, especially when ambulatory diagnoses are not available. However, due to insufficient concordance with their diagnoses-based analogues, their use for morbidity indicators is limited.

Automatización de un proceso remoto de consolidación financiera basado en el Manufacturing Pro [por] Julio César Ramos Meléndez

Tesis (Maestría en Ciencias Computacionales con Especialidad en Teleinformática) U.A.N.L.

Proyecto CRR (Control Remoto de Robots).

Se desarrolla un proyecto de innovación educativa que desarrolla un sistema electrónico que controla dispositivos robotizados conectados a un servidor que puede hacerse efectivo desde cualquier parte del mundo a través de un ordenador conectado a Internet. Se crea un sistema electrónico conectable a un servidor, que puede controlar diversos dispositivos robotizados a través de una página Web, ejecutada en cualquier ordenador cliente desde Internet o en la red local, en el que la monitorización de lo que esta ocurriendo en el dispositivo remoto, se realiza desde el equipo cliente, a través de una Webcams, desde la propia aplicación desarrollada para el control remoto. Se trabaja en grupo a través de sesiones presenciales conjuntas en las que se reparten los objetivos propuestos para el desarrollo del proyecto. El proyecto incide en la automatización y el control de sistemas automáticos y es aplicable al Ciclo Formativo de grado superior, al área de tecnología de Eso y de Bachillerato. La aplicación del proyecto favorece el aprendizaje en el alumnado a través del uso de las Nuevas Tecnologías y la creación de materiales educativos multimedia .

Empleo de un laboratorio remoto para promover aprendizajes significativos en la enseñanza de los dispositivos electrónicos.

Se analiza la utilidad de la experimentación real a distancia, mediante el empleo de laboratorios remotos en el campo de la formación de ingenieros, para favorecer aprendizajes significativos en el área de fundamentos científicos y técnicos de dispositivos electrónicos básicos. Se experimenta con 12 estudiantes de segundo curso de Ingeniería Electrónica, de la asignatura Física IV, de la Facultad de Ciencias Exactas, Ingeniería y Agrimensura (Universidad Nacional de Rosario, Argentina), realizando distintas actividades. Los resultados muestran que todos los estudiantes realizan ensayos con todos los dispositivos habilitados y emiten juicios valorativos sobre la plataforma y los ensayos, aunque no todos los estudiantes realizan informes de evaluación individuales.

Exploring in-hospital adverse drug events using ICD-10 codes

 Abstract
Objective Adverse drug events (ADEs) during hospital admissions are a widespread problem associated with adverse patient outcomes. The ‘external cause’ codes in the International Statistical Classification of Diseases and Related Health Problems 10th Revision (ICD-10) provide opportunities for identifying the incidence of ADEs acquired during hospital stays that may assist in targeting interventions to decrease their occurrence. The aim of the present study was to use routine administrative data to identify ADEs acquired during hospital admissions in a suburban healthcare network in Melbourne, Australia.

Methods Thirty-nine secondary diagnosis fields of hospital discharge data for a 1-year period were reviewed for ‘diagnoses not present on admission’ and assigned to the Classification of Hospital Acquired Diagnoses (CHADx) subclasses. Discharges with one or more ADE subclass were extracted for retrospective analysis.

Results From 57 205 hospital discharges, 7891 discharges (13.8%) had at least one CHADx, and 402 discharges (0.7%) had an ADE recorded. The highest proportion of ADEs was due to administration of analgesics (27%) and systemic antibiotics (23%). Other major contributors were anticoagulation (13%), anaesthesia (9%) and medications with cardiovascular side-effects (9%).

Conclusion Hospital data coded in ICD-10 can be used to identify ADEs that occur during hospital stays and also clinical conditions, therapeutic drug classes and treating units where these occur. Using the CHADx algorithm on administrative datasets provides a consistent and economical method for such ADE monitoring.

What is known about the topic? Adverse drug events (ADEs) can result in several different physical consequences, ranging from allergic reactions to death, thereby posing a significant burden on patients and the health system. Numerous studies have compared manual, written incident reporting systems used by hospital staff with computerised automated systems to identify ADEs acquired during hospital admissions. Despite various approaches aimed at improving the detection of ADEs, they remain under-reported, as a result of which interventions to mitigate the effect of ADEs cannot be initiated effectively.

What does this paper add? This research article demonstrates major methodological advances over comparable published studies looking at the effectiveness of using routine administrative data to monitor rates of ADEs that occur during a hospital stay and reviews the type of ADEs and their frequency patterns during patient admission. It also provides an insight into the effect of ADEs that occur within different hospital treating units. The method implemented in this study is unique because it uses a grouping algorithm developed for the Australian Commission on Safety and Quality in Health Care (ACSQHC) to identify ADEs not present on admission from patient data coded in ICD-10. This algorithm links the coded external causes of ADEs with their consequences or manifestations. ADEs identified through the use of programmed code based on this algorithm have not been studied in the past and therefore this paper adds to previous knowledge in this subject area.

What are the implications for health professionals? Although not all ADEs can be prevented with current medical knowledge, this study can assist health professionals in targeting interventions that can efficiently reduce the rate of ADEs that occur during a hospital stay, and improve information available for future medication management decisions.

Stable feature selection for clinical prediction: Exploiting ICD tree structure using Tree-Lasso

Modern healthcare is getting reshaped by growing Electronic Medical Records (EMR). Recently, these records have been shown of great value towards building clinical prediction models. In EMR data, patients' diseases and hospital interventions are captured through a set of diagnoses and procedures codes. These codes are usually represented in a tree form (e.g. ICD-10 tree) and the codes within a tree branch may be highly correlated. These codes can be used as features to build a prediction model and an appropriate feature selection can inform a clinician about important risk factors for a disease. Traditional feature selection methods (e.g. Information Gain, T-test, etc.) consider each variable independently and usually end up having a long feature list. Recently, Lasso and related l1-penalty based feature selection methods have become popular due to their joint feature selection property. However, Lasso is known to have problems of selecting one feature of many correlated features randomly. This hinders the clinicians to arrive at a stable feature set, which is crucial for clinical decision making process. In this paper, we solve this problem by using a recently proposed Tree-Lasso model. Since, the stability behavior of Tree-Lasso is not well understood, we study the stability behavior of Tree-Lasso and compare it with other feature selection methods. Using a synthetic and two real-world datasets (Cancer and Acute Myocardial Infarction), we show that Tree-Lasso based feature selection is significantly more stable than Lasso and comparable to other methods e.g. Information Gain, ReliefF and T-test. We further show that, using different types of classifiers such as logistic regression, naive Bayes, support vector machines, decision trees and Random Forest, the classification performance of Tree-Lasso is comparable to Lasso and better than other methods. Our result has implications in identifying stable risk factors for many healthcare problems and therefore can potentially assist clinical decision making for accurate medical prognosis.

Tecnicas de sensoriamento remoto e geoprocessamento aplicadas ao mapeamento geologico e geotecnico no municipio de Tres Cachoeiras, litoral norte do Rio Grande do Sul

As técnicas de sensoriarnento remoto e geoprocessamento são fundamentais para processamento e integração de dados de mapeamento geológico/geotécnico, principalmente estudos de gerenciamento e planejamento. A área estudada compreende o município de Três Cachoeiras. Litoral Norte do Rio Grande do Sul o qual inclui-se na "Reserva da Biosfera da Mata Atlântica". O município tem st: deparado com problemas de localização de sitios adequados à disposição final dos resíduos sólidos. bem como o assentamento de loteamentos residenciais e industriais, localização de jazidas de extração de material para construção, fontes de abastecimento de água e necessidade de criação de áreas de preservação ambiental. O objetivo deste trabalho foi produzir mapeamentos da área em questão, através da pesquisa geológico-geotécnica desenvolvida com emprego de imagens de satélite e fotografias aéreas, em que as informações foram cruzadas no SIG. Baseado nisto, investigaram-se os aspectos acima mencionados. a partir de uma contribuição geológico/geotécnica ao município, incluindo-se levantamento de campo, fotointerpretação, processamento e classificação de imagens do município de Três Cachoeiras, sendo os dados integrados num sistema de geoprocessamento. Utilizando-se cartas planialtimétricas, fotografias aéreas e imagem de satélite LANDSAT TM5. foram criados planos de informação como o limite da área estudada, a estrutura viária municipal, a delimitação de reservas ecológicas baseadas na legislação ambiental vigente e, por meio do modelo numérico do terreno, a carta de declividade. A fotointerpretação gerou planos de rede de drenagem, litológica. morfoestruturas e formações superficiais. Os dados de campo. sobrepostos às litológicas obtidas por fotointerpretação, produziram a carta litológica. No tratamento das imagem, foram gerados produtos com contraste, operações entre bandas, filtragens e análise de componentes principais, os quais contribuíram parira classificação da imagem e resultando nos planos de rochas/solos e cobertura/uso do solo (carta de uso atual do solo). O cruzamento destas informações permitiu a obtenção da carta de formações superficiais, lidrogeológica que, juntamente com as cartas litológica, declividades e uso atual do solo distribuíram os atributos do meio físico em planos elaborados por novos cruzamentos, que satisfazem o objetivo do estudo, sendo estes planos o produto final, ou seja, cartas de recomendação: a extração de materiais para construção civil; a implantação de obras de infraestrutura; a disposição de resíduos sólidos e loteamentos; geotécnica à agricultura; à implantação de áreas destinadas à preservação ambienta1 e recuperação.

Avaliação do desempenho de classificadores neurais para aplicações em sensoriamento remoto

Atualmente, pesquisadores das mais diversas áreas, tais como: Geologia, Física, Cartografia, Oceanografia, entre outras, utilizam imagens de satélite como uma fonte valiosa para a extração de informações sobre a superfície terrestre. Muitas vezes, a análise (classificação) destas imagens é realizada por métodos tradicionais sejam eles supervisionados (como o Método de Máxima Verossimilhança Gaussiana) ou nãosupervisionados (como o Método de Seleção pelo Pico do Histograma). Entretanto, pode-se utilizar as Redes Neurais Artificiais como uma alternativa para o aumento da acurácia em classificações digitais. Neste trabalho, utilizou-se imagens multi-espectrais do satélite LANDSAT 5-TM para a identificação de espécies vegetais (Mata Nativa, Eucalyptus e Acácia) em uma região próxima aos municípios de General Câmara, Santo Amaro e Taquari, no Estado do Rio Grande do Sul, Brasil. Comparou-se qualitativamente e quantitativamente os resultados obtidos pelo método de Máxima Verossimilhança Gaussiana e por uma Rede Neural Artificial Multinível com BackPropagation na classificação da área de estudo. Para tanto, parte desta área foi mapeada através de uma verificação de campo e com o auxílio de classificadores nãosupervisionados (Kohonen, que é uma Rede Neural, e o método de Seleção pelo Pico do Histograma). Com isto, foi possível coletar dois conjuntos de amostras, sendo que um deles foi utilizado para o treinamento dos métodos e o outro (conjunto de reconhecimento) serviu para a avaliação das classificações obtidas. Após o treinamento, parte da área de estudo foi classificada por ambos os métodos. Em seguida, os resultados obtidos foram avaliados através do uso de Tabelas de Contingência, considerando um nível de significância de 5%. Por fim, na maior parte dos testes realizados, a Rede Neural Artificial Multinível com BackPropagation apresentou valores de acurácia superiores ao Método de Máxima Verossimilhança Gaussiana. Assim, com este trabalho observou-se que não há diferença significativa de classificação para as espécies vegetais, ao nível de 5%, para a área de estudo considerada, na época de aquisição da imagem, para o conjunto de reconhecimento.

Estimativa da precipitação através de técnicas de sensoriamento remoto : estudo de caso para o estado do Rio Grande do Sul

A quantificação da precipitação é dificultada pela extrema aleatoriedade do fenômeno na natureza. Os métodos convencionais para mensuração da precipitação atuam no sentido de espacializar a precipitação mensurada pontualmente em postos pluviométricos para toda a área de interesse e, desta forma, uma rede com elevado número de postos bem distribuídos em toda a área de interesse é necessária para um resultado satisfatório. No entanto, é notória a escassez de postos pluviométricos e a má distribuição espacial dos poucos existentes, não somente no Brasil, mas em vastas áreas do globo. Neste contexto, as estimativas da precipitação com técnicas de sensoriamento remoto e geoprocessamento pretendem potencializar a utilização dos postos pluviométricos existentes através de uma espacialização baseada em critérios físicos. Além disto, o sensoriamento remoto é a ferramenta mais capaz para gerar estimativas de precipitação nos oceanos e nas vastas áreas continentais desprovidas de qualquer tipo de informação pluviométrica. Neste trabalho investigou-se o emprego de técnicas de sensoriamento remoto e geoprocessamento para estimativas de precipitação no sul do Brasil. Três algoritmos computadorizados foram testados, sendo utilizadas as imagens dos canais 1, 3 e 4 (visível, vapor d’água e infravermelho) do satélite GOES 8 (Geostacionary Operational Environmental Satellite – 8) fornecidas pelo Centro de Previsão de Tempo e Estudos Climáticos do Instituto Nacional de Pesquisas Espaciais. A área de estudo compreendeu todo o estado do Rio Grande do Sul, onde se utilizaram os dados pluviométricos diários derivados de 142 postos no ano de 1998. Os algoritmos citados buscam identificar as nuvens precipitáveis para construir modelos estatísticos que correlacionem as precipitações diária e decendial observadas em solo com determinadas características físicas das nuvens acumuladas durante o mesmo período de tempo e na mesma posição geográfica de cada pluviômetro considerado. Os critérios de decisão que norteiam os algoritmos foram baseados na temperatura do topo das nuvens (através do infravermelho termal), reflectância no canal visível, características de vizinhança e no plano de temperatura x gradiente de temperatura Os resultados obtidos pelos modelos estatísticos são expressos na forma de mapas de precipitação por intervalo de tempo que podem ser comparados com mapas de precipitação obtidas por meios convencionais.

Determinação dos índices de vulnerabilidade física através de técnicas de sensoriamento remoto e geoprocessamento - Municípios de Tavares e São José do Norte - Litoral médio leste do RS.

Nos últimos anos a preocupação com a preservação dos recursos naturais, dos solo e das águas tem aumentado significativamente. Desta forma, a intensificação de estudos nestas áreas se faz necessária para tentar minimizar os impactos causados pela ação do homem, com vistas a recuperação. A área de estudo abrange os municípios de Tavares e S. José do Norte, situado no Litoral Médio Leste do Rio Grande do Sul, entre as coordenadas 31° 00’ e 32° 10’ de latitude Sul e 50° 00’ e 52° 10’ de longitude Oeste. Este trabalho busca fornecer subsídios para a identificação dos índices da vulnerabilidade física associados ao uso do solo da área de estudo visando a adequação do uso da terra, bem como o planejamento e o desenvolvimento de novas atividades. O estudo foi desenvolvido utilizando técnicas de sensoriamento remoto e geoprocessamento, onde os fatores foram cruzados via regra de decisão fazendo uso do SIG. Os resultados evidenciaram a necessidade de cuidados especiais no desenvolvimento de atividades sustentadas e ocupação humana.

Implantação de tecnologia de monitoramento remoto para e-service: um estudo exploratório

The purpose of this study is to define measures to increase customer satisfaction and company competitiveness using a remote monitoring technology, in an exploratory study of Alpha Elevator Company (nick name chosen to the company by the actor of the dissertation). Regarding the competitive market, the service industry is striving to achieve productivity, following the example of the manufacturing industry. Nevertheless, these efforts are limited by the amount of hours worked per week, month or year, since the sector charges its services based on the hours spent working on the equipment of the client or based on the numbers of visits. This study is based in the overcoming of the traditional paradigm of selling number of hours by a system of selling results and performance. Employing a remote monitoring system, the elevators under the company service are monitored continually and defects are detected and transmitted to the customer care center, via phone line. The customers can access this data through the Internet and obtain information like availability rate of their elevators and call back response time rate, besides being able to buy products on the company¿s home page and to send feedback. The results were obtained by participating in conferences among experts of the company, in Japan and the United States. Through the analysis of the business environment and based on the bibliographic reference, a strategy was developed to implement e-service as a competitive differentiation.

Estimativa da área impermeável dentro da bacia hidrográfica do Arroio Diluvio (porto Alegre/RS) através de técnicas de sensoriamento remoto e geoprocessamento

Neste trabalho foram realizadas classificações utilizando-se as bandas 1 a 5 e 7 dos sensores Landsat 5 TM (1987) e Landsat 7 ETM+ (2000). A caracterização espectral dos materiais foi realizada em laboratório utilizando um espectrorradiômetro, e através das bandas 1 a 5 e 7 dos sensores Landsat 5 TM (1987) e Landsat 7 ETM+ (2000). A transformação dos dados multiespectrais de imagens de sensoriamento remoto é uma maneira de reduzir o volume de dados através da identificação de classes de interesse numa imagem digital. No intuito de verificar condições de melhoramento na classificação de alvos urbanos em imagens digitais, identificados por procedimentos já conhecidos, como a classificação pela Máxima Verossimilhança, escolheu-se um classificador baseado na lógica fuzzy. O classificador utilizado foi o Fuzzy Set Membership classification - Fuzclass, que faz parte de um conjunto de classificadores não-rígidos disponíveis no programa Idrisi 32. Uma vez que informações sobre o desempenho de produtos deste classificador em áreas urbanas são escassas, foram conduzidos ensaios de comparação de resultados obtidos por este classificador com a verdade terrestre, representada por uma imagem de alta resolução espacial do satélite QuickBird. As áreas teste selecionadas desta imagem atendem ao critério de inalterância das condições de ocupação para o intervalo temporal considerado A comparação feita, permite concluir que o classificador apresenta limitações na classificação de áreas urbanas devido ao comportamento espectral semelhante dos materiais que fazem parte dessa cobertura. A utilização de uma classe única para identificar áreas impermeáveis foi a solução adotada para contornar este óbice. O emprego de áreas teste possibilitou acertar a escolha do grau de possibilidade de presença da classe no pixel (PPCP). Uma comparação entre os resultados apresentados na classificação de áreas impermeáveis, com base nos classificadores Máxima Verossimilhança e Fuzclass, demonstrou um desempenho melhor do classificador fuzzy, em função do nível de PPCP ajustado durante a análise comparativa Landsat e Quickbird nas áreas teste. Um procedimento alternativo de estimativa de áreas impermeáveis em bacias urbanas é apresentado no final.

Zoneamento da Floresta Nacional de Brasília-DF utilizando técnicas de geoprocessamento e sensoriamento remoto

Utilizando técnicas de geoprocessamento, desenvolveu-se metodologia para avaliar e diagnosticar os impactos ambientais decorrentes do uso e ocupação do solo em áreas de Florestas Nacionais. A área teste da pesquisa foi a Floresta nacional de Brasília. No modelamento para a avaliação da perda e tolerância de solo em função de seu uso, utilizou-se das ferramentas de geoprocessamento e imagem de satélite para a solução da equação USLE. Foi possível determinar as áreas de preservação permanente e as áreas passíveis de reflorestamento, através da criação de cenários de colheita florestal, bem como as diferentes formas de manejo que devem ser adotadas em função das perdas de solo por erosão laminar. As áreas de perda de solo acima de sua tolerãncia representam 1,90% (177,44 ha) da área total da Flona. As áreas consideradas de Preservação Permanente sob o aspecto da legislação vigente e do uso atual representam 6,78% (633,46ha) de sua área total. Destes, 140,18ha (22,13%) apresentam uma cobertura vegetal do tipo campo e devem ser recuperados e convertidos em áreas com cobertura vegetal do tipo floresta, a fim de adequar-se a legislação vigente como também minimizar os processos erosivos que possam comprometer os cursos d'água. A área passível de implantação de floresta corresponde a 8.712,82 ha (93,22%), onde 5.642,48 ha (64,76%) podem ser manejados a corte raso e 3.070,34 hectares (32,24%) devem ser manejados a corte seletivo, para que não haja comprometimento do solo devido às perdas por erosão laminar.