Learning techniques for automatic email message tagging

A organização automática de mensagens de correio electrónico é um desafio actual na área da aprendizagem automática. O número excessivo de mensagens afecta cada vez mais utilizadores, especialmente os que usam o correio electrónico como ferramenta de comunicação e trabalho. Esta tese aborda o problema da organização automática de mensagens de correio electrónico propondo uma solução que tem como objectivo a etiquetagem automática de mensagens. A etiquetagem automática é feita com recurso às pastas de correio electrónico anteriormente criadas pelos utilizadores, tratando-as como etiquetas, e à sugestão de múltiplas etiquetas para cada mensagem (top-N). São estudadas várias técnicas de aprendizagem e os vários campos que compõe uma mensagem de correio electrónico são analisados de forma a determinar a sua adequação como elementos de classificação. O foco deste trabalho recai sobre os campos textuais (o assunto e o corpo das mensagens), estudando-se diferentes formas de representação, selecção de características e algoritmos de classificação. É ainda efectuada a avaliação dos campos de participantes através de algoritmos de classificação que os representam usando o modelo vectorial ou como um grafo. Os vários campos são combinados para classificação utilizando a técnica de combinação de classificadores Votação por Maioria. Os testes são efectuados com um subconjunto de mensagens de correio electrónico da Enron e um conjunto de dados privados disponibilizados pelo Institute for Systems and Technologies of Information, Control and Communication (INSTICC). Estes conjuntos são analisados de forma a perceber as características dos dados. A avaliação do sistema é realizada através da percentagem de acerto dos classificadores. Os resultados obtidos apresentam melhorias significativas em comparação com os trabalhos relacionados.

I - Análise dos dados de mortalidade

As mortes por causas externas correspondem a grande parcela de óbitos em, praticamente, todos os países do mundo, ocupando, sempre, a segunda ou terceira colocação. Porém a sua distribuição quanto ao tipo de causa é diversa. Com o objetivo de estudar a mortalidade por causas externas, segundo o tipo de causa, sexo e idade, foi descrita a situação dessas mortes no Brasil e capitais, no período 1977 a 1994. Foram calculados os coeficientes de mortalidade por causas externas e a mortalidade proporcional, utilizando os dados de mortalidade fornecidos pelo Sistema de Informação de Mortalidade do Ministério da Saúde, e a população foi estimada baseada nos dados censitários de 1970, 1980 e 1991. Os resultados mostraram que, em números absolutos, os óbitos por causas externas quase dobraram no período de 1977 a 1994, passando a ser a segunda causa de morte no País. O coeficiente de mortalidade, em 1994, foi de 69,8/100.000 habitantes e o maior crescimento se deu nos óbitos do sexo masculino. Os coeficientes de mortalidade masculinos são, aproximadamente, 4,5 vezes o valor dos femininos. As causas externas representaram a primeira causa de morte dos 5 aos 39 anos, sendo a maior ocorrência na faixa etária dos 15 a 19 anos (65% dos óbitos por causas externas). Além do aumento, parece estar ocorrendo um deslocamento das mortes para faixas etárias mais jovens. A mortalidade por causas externas, segundo tipo, mostra que durante o período analisado houve aumento tanto nos óbitos por acidentes de trânsito, quanto por homicídios, tendo os suicídios permanecido, praticamente, constantes. No grupo de acidentes classificados como "demais acidentes" houve leve aumento, devido, principalmente, às quedas e afogamentos. Nas capitais dos Estados a mortalidade por causas externas apresentam valores mais altos que a média brasileira, com exceção de algumas áreas do Nordeste. As capitais da região Norte apresentaram algumas das maiores taxas para o País. Já na região Nordeste apenas Recife, Maceió e Salvador apresentaram níveis muito elevados em relação ao País. Vitória, Rio de Janeiro e São Paulo, na região Sudeste, apresentaram os maiores coeficientes do País e Belo Horizonte apresentou declínio no período de estudo. Na região Sul houve aumento nas taxas, bem como na região Centro-Oeste, que teve aumento homogêneo em suas capitais. Esse aumento observado nas diferentes capitais apresentou diferenciais quanto ao tipo de causa externa. Os suicídios não representaram problema de Saúde Pública em nenhuma delas. Os acidentes de trânsito em Vitória, Goiânia, Macapá, Distrito Federal e Curitiba tiveram sua situação agravada. Os homicídios tiveram aumento expressivo em Porto Velho, Rio Branco, Recife, São Luís, Vitória, São Paulo, Curitiba, Porto Alegre, Cuiabá e Distrito Federal. No período estudado houve o crescimento da importância das causas externas para a população brasileira, chamando atenção, principalmente, o aumento dos homicídios. A qualidade das estatísticas de mortalidade por causas externas depende da colaboração do médico legista, e essa qualidade não é a mesma para todas as capitais estudadas.

Sistema de apoio à decisão para a classificação de risco em projectos de tecnologias de informação

O trabalho que a seguir se apresenta tem como objectivo descrever a criação de um modelo que sirva de suporte a um sistema de apoio à decisão sobre o risco inerente à execução de projectos na área das Tecnologias de Informação (TI) recorrendo a técnicas de mineração de dados. Durante o ciclo de vida de um projecto, existem inúmeros factores que contribuem para o seu sucesso ou insucesso. A responsabilidade de monitorizar, antever e mitigar esses factores recai sobre o Gestor de Projecto. A gestão de projectos é uma tarefa difícil e dispendiosa, consome muitos recursos, depende de numerosas variáveis e, muitas vezes, até da própria experiência do Gestor de Projecto. Ao ser confrontado com as previsões de duração e de esforço para a execução de uma determinada tarefa, o Gestor de Projecto, exceptuando a sua percepção e intuição pessoal, não tem um modo objectivo de medir a plausibilidade dos valores que lhe são apresentados pelo eventual executor da tarefa. As referidas previsões são fundamentais para a organização, pois sobre elas são tomadas as decisões de planeamento global estratégico corporativo, de execução, de adiamento, de cancelamento, de adjudicação, de renegociação de âmbito, de adjudicação externa, entre outros. Esta propensão para o desvio, quando detectada numa fase inicial, pode ajudar a gerir melhor o risco associado à Gestão de Projectos. O sucesso de cada projecto terminado foi qualificado tendo em conta a ponderação de três factores: o desvio ao orçamentado, o desvio ao planeado e o desvio ao especificado. Analisando os projectos decorridos, e correlacionando alguns dos seus atributos com o seu grau de sucesso o modelo classifica, qualitativamente, um novo projecto quanto ao seu risco. Neste contexto o risco representa o grau de afastamento do projecto ao sucesso. Recorrendo a algoritmos de mineração de dados, tais como, árvores de classificação e redes neuronais, descreve-se o desenvolvimento de um modelo que suporta um sistema de apoio à decisão baseado na classificação de novos projectos. Os modelos são o resultado de um extensivo conjunto de testes de validação onde se procuram e refinam os indicadores que melhor caracterizam os atributos de um projecto e que mais influenciam o risco. Como suporte tecnológico para o desenvolvimento e teste foi utilizada a ferramenta Weka 3. Uma boa utilização do modelo proposto possibilitará a criação de planos de contingência mais detalhados e uma gestão mais próxima para projectos que apresentem uma maior propensão para o risco. Assim, o resultado final pretende constituir mais uma ferramenta à disposição do Gestor de Projecto.

Hábitos de higiene bucal de adultos porto-alegrenses

OBJETIVOS: Avaliar alguns hábitos de higiene bucal (escovação dentária, uso do palito e uso do fio dental) em um grupo de adultos, em relação a fatores sociodemográficos, e investigar o nível de placa bacteriana e sangramento gengival. METODOLOGIA: A amostra foi constituída por 234 mulheres e 237 homens de duas categorias socioeconômicas, com idade entre 24 e 44 anos. Os dados foram coletados através de entrevistas estruturadas e exames clínicos. RESULTADOS: A freqüência de escovação encontrada foi alta: (mediana e moda de três vezes ao dia) e apresentou associação com sexo e categoria socioeconômica. A maioria dos entrevistados (67,5%) declarou usar fio dental, estando seu uso associado com sexo e categoria socioeconômica. Usar palito foi descrito como um hábito comum para a maioria das pessoas entrevistadas:(54,6%) o usam. O uso do palito apresentou associação com sexo, idade e categoria socioeconômica . O nível de placa bacteriana foi moderado para a maioria das pessoas (62,6%), e estava associado com a categoria socioeconômica. Um quarto dos participantes do estudo não apresentou sangramento gengival, e este estava associado com a idade e a categoria socioeconômica. CONCLUSÃO: Os hábitos de higiene bucal foram considerados bons para a maioria dos indivíduos que participaram do estudo, havendo necessidade de melhoria para os homens e pessoas de categoria socioeconômica inferior.

Vigilância de síndromes com anomalias congénitas que afetam múltiplos sistemas: dados do Registo Nacional de Anomalias Congénitas para os anos 2000 a 2013

O Registo Nacional de Anomalias Congénitas (RENAC) recebe notificações da ocorrência de anomalias congénitas diagnosticadas até ao final do 1º mês de vida, algumas das quais são raras. Foi realizado um estudo observacional, transversal, com a finalidade de descrever a epidemiologia dos registos de anomalias congénitas que constituem uma síndrome genética rara, utilizando os dados do RENAC entre 2000-2013. Observou-se uma prevalência de 1,17 casos/10 000 nascimentos de indivíduos com síndrome genética rara com anomalias que afetam múltiplos sistemas. Estas patologias representam um pequeno grupo do universo das doenças raras. No total das síndromes estudadas (n=171), a maior frequência observou-se no grupo de síndromes que afetam predominantemente o aspeto da face (50,9%) e, neste grupo, destacam-se a Sequência de Pierre Robin (26,3%) e a Síndrome de Goldenhar (11,7%). No grupo de outras síndromes genéticas, a Síndrome de DiGeorge foi diagnosticada em 12,3% dos casos. Dada a inexistência de um registo nacional de doenças raras, os dados do RENAC podem contribuir para avaliar a prevalência de algumas destas doenças. Contudo para uma melhor vigilância de algumas doenças raras, o prazo de registo será alargado até ao ano de idade de modo a permitir que situações mais complexas possam ser identificadas e registadas.

Desenvolvimento de metodologia e projecto de sistemas de 4ª geração móvel num ambiente indoor e outdoor

As redes de telecomunicações nos últimos anos têm sofrido um grande desenvolvimento a nível tecnológico. A prova disso é a revolução das redes sem fios, iniciada com a tecnologia GSM (Global System Mobile) nos anos 90, na qual eram apenas disponibilizados serviços de voz. Esta tendência continuou com o GPRS (General Packet Radio Service) onde se iniciaram os serviços de dados surgindo assim mais tarde, a tecnologia UMTS (Universal Mobile Telecommunications System). Com o aparecimento da nova tecnologia LTE (Long-Term Evolution), surgiu um novo paradigma consumista no mercado, facto que gerou um conflicto directo com as redes de banda larga (ADSL - Asymmetric Digital Subscriber Line) fornecidas anteriormente apenas pela rede fixa. A partir deste momento, estas duas tecnologias passaram a oferecer altos débitos de dados, eliminando assim esta diferenciação existente até então entre ambas. Esta foi a plataforma que despoletou o meu interesse em explorar a tecnologia LTE, mais precisamente, o planeamento de rádio em ambientes Indoor e Outdoor. Este planeamento requeria uma comparação prática e teórica, de forma a observar que a tecnologia reflectia os valores estipulados na norma LTE. Como método de comparação foi utilizada uma ferramenta de planeamento de redes móveis, gentilmente disponibilizada pela Alcatel-Lucent para o tipo de ambiente outdoor em estudo, para o indoor não foi efectuado simulação, por indisponibilidade da ferramenta. Após a configuração do sistema de rádio foi efectuada a recolha de dados no terreno através de drive-testes. Findo esta fase, procedeu-se ao pós-processamento e análise dos dados recolhidos, por forma a ser possível estabelecer a comparação entre o planeamento teórico efectuado através da ferramenta de planeamento e os dados capturados no terreno. Os resultados obtidos demonstram que a cobertura preconizada no caso Outdoor estavam de acordo com o planeamento efectuado, uma vez que os dados medidos no terreno coincidiram com os valores simulados, apenas com um desvio mínimo dentro da margem de tolerância. No que respeita ao indoor verificou-se que as medidas estavam de acordo com o estipulado na norma. Como conclusão, confirmou-se a validade das ferramentas e da metodologia utilizada.

Metodologia caso-controle em epidemiologia de doenças cardiovasculares: II - Análise de dados

A larga difusão, nos últimos anos, de softwares estatísticos indicados para análises multivariadas, aliada à facilidade de seu manuseio, poderá conduzir os usuários à obtenção de estimativas enganosas caso não se conheçam os pressupostos teóricos necessários para o emprego destas técnicas. Com o propósito de se destacar alguns desses pressupostos, apresentam-se as etapas executadas para a análise dos dados de um estudo caso-controle, conduzido no Município de São Paulo, entre março de 1993 e fevereiro de 1994, cujo objetivo foi testar a associação do diabetes mellitus com a doença isquêmica do coração após o ajustamento para possíveis variáveis de confusão e/ou modificadoras de efeito. Para uma melhor visualização didática desses pressupostos metodológicos são destacadas quatro etapas fundamentais durante a fase de análise dos dados: a) construção do banco de dados; b) cálculo do poder estatístico; c) categorização e codificação das variáveis e d) a escolha do modelo de regressão logística multivariada.

Estudo de dislipidemias familiares monogénicas raras

A dislipidemia é um distúrbio do perfil lipídico, seja por elevação ou diminuição de partículas lipídicas. O objetivo deste trabalho é fazer uma revisão dos casos com dislipidemia rara em estudo no Instituto Nacional de Saúde Doutor Ricardo Jorge, apresentando os dados clínicos e moleculares mais relevantes. O perfil lipídico foi determinado para cada caso índex e familiares e o estudo molecular dos genes envolvidos foi realizado por amplificação por PCR e sequenciação de Sanger. Foram estudados, ou está em curso o estudo, de 14 casos índex com os seguintes diagnósticos clínicos: Deficiência familiar em lipoproteína lípase (3), Lipodistrofia familiar parcial de Dunningan Tipo 2 (1), Deficiência em lípase ácida lisossomal (3), Abeta/hipobetalipoproteinemia (2), Deficiência em HDL (1), Hipertrigliceridemia autossómica recessiva (3), Sitosterolemia (1). O fenótipo clínico de cada caso índex é variável dependendo de cada condição. Foi encontrada a causa genética da doença em 8/14 doentes, estando os restantes ainda em estudo. Doentes com as várias dislipidemias raras apresentadas têm um risco acrescido de ter outras doenças graves como pancreatite, doença cardiovascular ou complicações neurológicas e devem, por esta razão, ser identificados o mais precocemente possível, de forma a minimizar ou prevenir os efeitos nefastos destas condições.

Diagnóstico da situação do aleitamento materno em área urbana do Sudeste do Brasil: utilização de metodologia simplificada

INTRODUÇÃO: O diagnóstico da situação do aleitamento materno em populações é necessário para a definição de metas e avaliação de programas de promoção e apoio a esta prática. Neste sentido, testou-se a viabilidade de realizar tal diagnóstico concomitante à Campanha Nacional de Multivacinação, no Município de Botucatu, SP, Brasil. MÉTODO: Utilizou-se um questionário simplificado (3 questões tipo sim/ não) para estudar a alimentação atual de 1.550 crianças menores de um ano (91,8% de cobertura) que compareceram aos postos de vacinação, em 19 de agosto de 1995. As medianas e freqüências das três categorias de aleitamento materno foram calculadas pela técnica de análise de probitos. RESULTADOS: As medianas obtidas foram: aleitamento materno exclusivo = 17 dias (IC: 4,6 - 28,7); aleitamento materno completo = 64 dias (IC: 53,0 - 74,5) e aleitamento materno = 167 dias (IC:153,7 - 182,2). O bom ajuste dos três modelos foi evidenciado pelos valores de R² e pelos testes de Kolmogorov-Smirnov (p < 0,05). CONCLUSÕES: Os resultados confirmaram a necessidade do programa no município. A metodologia simplificada revelou-se viável. Recomenda-se sua utilização na monitorização da tendência do aleitamento materno e em estudos sobre o impacto de intervenções.

Surtos de enfermidades transmitidas por alimentos causados por Salmonella Enteritidis

OBJETIVO: São descritos surtos de salmonelose notificados no período de julho de 1993 a junho de 1997 na região Noroeste do Estado de São Paulo, Brasil, tendo em vista os vários surtos de veiculação alimentar ocasionados por Salmonella nessa região. MÉTODO: Foram obtidos 19 inquéritos epidemiológicos para análise de dados, 87 amostras de fezes e 38 amostras de alimentos, incluindo 12 de ovos para análise microbiológica. Cepas de Salmonella foram submetidas a sorotipagem, fagotipagem e teste de sensibilidade a 13 agentes antimicrobianos. RESULTADOS: Foram acometidas 906 pessoas com 295 hospitalizações. Cepas de Salmonella Enteritidis Fagotipo 4 foram isoladas de 80,5% das coproculturas, de todas amostras de alimentose de 41,7% dos ovos. Em 22 (95,7%) surtos os a salmonela foi veiculada por alimentos contendo ovos crus ou semicrus. Os testes de sensibilidade a antimicrobianos revelaram sensibilidade à maioria das cepas. CONCLUSÕES: Considerando os resultados obtidos, torna-se necessária a implantação e intensificação de medidas de controle na produção e armazenamento dos ovos, além da orientação à população quanto aos riscos no consumo inadequado desse alimento.

Comparação de dados epidemiológicos da tuberculose pulmonar em Sorocaba, SP, Brasil, em uma década (1986 - 1996)

Em 50 doentes matriculados para o tratamento de tuberculose pulmonar, foram estudadas as informações que antecederam o diagnóstico da doença tais como: sintomatologia antes do diagnóstico, tempo decorrido entre o aparecimento dos sintomas e a procura de assistência médica, tempo decorrido entre o início dos sintomas e o início do tratamento e presença ou não de co-infecção com HIV. Nos últimos dez anos não houve alteração significativa em relação ao tempo de identificação dos casos novos de tuberculose e o início do tratamento.

Avaliação da qualidade dos dados populacionais e cobertura dos registros de óbitos para as regiões brasileiras

OBJETIVO: Avaliar a qualidade dos dados populacionais e a cobertura dos registros de óbitos para as Unidades da Federação Brasileira (UF), por sexo, no ano de 1990. MÉTODOS: Os dados populacionais extraídos dos Censos Demográficos foram avaliados através de métodos demográficos clássicos. Os registros de óbitos, extraídos da Fundação Instituto Brasileiro de Geografia e Estatística e do Ministério da Saúde, foram avaliados através de três técnicas de mensuração do sub-registro de óbitos. RESULTADOS: A precisão das declarações das idades das UF, em sua maioria, passou do status de "pouco preciso" ou "moderado" para "preciso" na década de 80. A cobertura dos óbitos, em 1990, foi classificada como "boa" ou "satisfatória" para todos os Estados do Sul, Sudeste, Centro-Oeste e para os do Nordeste, abaixo do Rio Grande do Norte. O restante dos estados foram classificados como "regular" ou "insatisfatório". CONCLUSÕES: Houve uma melhora importante na qualidade das declarações da população recenseada e aumento da cobertura de óbitos e que, para muitas UF, é possível gerar confiáveis indicadores de mortalidade.

Prescrição de medicamentos de uso sistêmico por cirurgiões-dentistas, clínicos gerais

OBJETIVO: Estudar o padrão de prescrição de medicação antimicrobiana e analgésica/ antiinflamatória de uso sistêmico na clínica odontológica. MÉTODOS: Estudo observacional realizado a partir de questionários respondidos por uma amostra representativa randômica de 163 cirurgiões-dentistas, clínicos gerais, da Região Metropolitana de Belo Horizonte. Alguns dos aspectos verificados foram a prevalência de prescrições dessas medicações nas duas semanas anteriores à aplicação do questionário; uso do nome genérico nas receitas odontológicas; realização de cursos de reciclagem em farmacologia; auto-avaliação sobre o grau de conhecimento e importância dada a esta disciplina para a prática profissional e preenchimento de fichas clínicas e registro nestas das prescrições realizadas. RESULTADOS E CONCLUSÕES: Observou-se que os medicamentos são prescritos pelo nome comercial, com tendência a prescrever mais freqüentemente antiinflamatórios em relação aos analgésicos. Uma percentagem de 13% de indivíduos não realiza ficha clínica para todos os seus pacientes e cerca de 43% da amostra não registra suas prescrições. Os cursos de reciclagem em farmacologia parecem não alterar a auto-avaliação sobre o nível de conhecimento em farmacologia e o uso do nome genérico.

Influência do viés de seleção e de aferição em estimativas de tendência secular da estatura baseadas em dados da Marinha do Brasil

São apresentados dados sobre a ocorrência de viés nas estimativas de tendência secular em estatura, baseadas em dados da Marinha do Brasil. Foram analisados três bancos de dados; um para o período entre 1940 e 1965 e dois entre 1970 e 1977.

Estudo de soroconversão com formulações da vacina Biken CAM-70 contra sarampo

OBJETIVO: Comparar a resposta sorológica induzida por formulações com diferentes concentrações de vírus da vacina contra sarampo da cepa Biken CAM-70. MÉTODOS: Crianças sadias de 9 a 18 meses de um centro de saúde do Rio de Janeiro, RJ, cujos responsáveis concordaram em participar, foram randomizadas em três grupos vacinados com concentrações de 5.000, 1.000 ou 200 CCID50 (50% Tissue Culture Infective Dose). Os participantes e o pessoal da pesquisa ignoravam o tipo de vacina administrado. A avaliação sorológica foi realizada pelo teste de redução em plaque de lise. Duas análises intermediárias dos dados foram programadas. RESULTADOS: Das 223 crianças recrutadas, 84% completaram todos os procedimentos; 79% tinham idade menor que 10 meses; e 93% não tinham anticorpos contra sarampo no soro pré-vacinal. As proporções de soroconversão (quadruplicação das concentrações pré-vacinais) foram 82%, 55% e 37% (p<0,0000), nos grupos vacinados com 5.000, 1.000 ou 200 CCID50, respectivamente. As diferenças nas concentrações médias de anticorpos pós-vacinais também foram substanciais e estatisticamente significativas (p<0,000). A soroconversão (independente da formulação da vacina) foi de 73% nas crianças com 10 ou mais meses de idade e 53% naquelas com menos de 10 meses. CONCLUSÕES: Formulações da vacina com concentrações inferiores a 5.000 CCID50 não induziram soroconversão satisfatória. O desempenho da vacina por faixas etárias foi compatível com o observado em outros estudos com a vacina Biken CAM-70 e indica que uma proporção apreciável de crianças vacinadas aos 9 meses pode não obter resposta imunológica plena.