Auxílio ao diagnóstico da diabetes tipo II na região nordeste com a utilização de marcadores não invasivos

Costa, Denner Araujo

Use este identificador para citar ou linkar para este item: https://repositorio.uema.br/jspui/handle/123456789/689

Registro completo de metadados

Campo DC	Valor	Idioma
dc.creator	Costa, Denner Araujo	pt_BR
dc.date.accessioned	2019-07-09T22:58:58Z	-
dc.date.available	2019-07-09T22:58:58Z	-
dc.date.issued	2017-08-08	-
dc.identifier.citation	COSTA, Denner Araujo. Auxílio ao diaDissertação (Programa de Pós-Graduação em Engenharia de Computação e Sistemas) - Centro de Ciências Tecnológicas, Universidade Estadual do Maranhão, São Luís, 20. 82f. Dissertação (Mestrado em Desenvolvimento Socioespacial e Regional) - Centro de Ciências Sociais Aplicadas, Universidade Estadual do Maranhão, São Luís, 20. Disponível em: Disponível em: https://repositorio.uema.br/jspui/handle/123456789/689	pt_BR
dc.identifier.uri	http://repositorio.uema.br/handle/123456789/689	-
dc.description.abstract	Currently, Diabetes Mellitus is an incurable disease and the number of affected people continues to worsen. In this work data mining and efficient coding techniques were applied to extract knowledge from a sample of the data in the Single Health System Data Warehouse to diagnose diabetes without the use of biochemical test values. Efficient coding was used to form a new concise representation of the data and different data mining techniques were used to demonstrate the improvement in class classification. The proposed method reached an accuracy of 99.96%	en
dc.language	por	pt_BR
dc.publisher	Universidade Estadual do Maranhão	pt_BR
dc.subject	Data Mining	en
dc.subject	Diabetes tipo II	pt_BR
dc.subject	SUS	pt_BR
dc.subject	Brasil	pt_BR
dc.title	Auxílio ao diagnóstico da diabetes tipo II na região nordeste com a utilização de marcadores não invasivos	pt_BR
dc.title.alternative	Assistance in the diagnosis of type 2 diabetes in the Northeast region using non-invasive markers	en
dc.type	Dissertação	pt_BR
dc.identifier.cdu	D 004.6:616.379-008.64(81)	-
dc.creator.ID	https://orcid.org/0000-0003-2029-0511	-
dc.creator.Lattes	http://lattes.cnpq.br/4760027987180498	-
dc.contributor.advisor1	Ribeiro, Áurea Celeste da Costa	pt_BR
dc.contributor.advisor1ID	https://orcid.org/0000-0003-3020-8331	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/7281004775553558	-
dc.contributor.referee1	Quarto, Cícero Costa	pt_BR
dc.contributor.referee1ID	https://orcid.org/0000-0001-5272-6346	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/6480934070733527	-
dc.contributor.referee2	Demetrio, Fernando Jorge Cutrim	pt_BR
dc.contributor.referee2ID	https://orcid.org/0000-0002-8389-2985	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/6802721797900299	-
dc.description.resumo	Na atualidade, a Diabetes Mellitus é uma patologia incurável e o número de pessoas afetadas continua a agravar-se. Neste trabalho foram aplicadas técnicas de data mining e codificação eficiente para extrair conhecimento de uma amostra dos dados existentes no Data Warehouse do Sistema Único de Saúde para diagnosticar diabetes sem a utilização de valores de testes bioquímicos. A codificação eficiente foi utilizada para formar uma nova representação concisa dos dados e diferentes técnicas de data mining foram utilizadas para demonstrar a melhora na classificação das classes. O método proposto alcançou acurácia de 99.96%.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Campus São Luis Centro de Ciências Tecnológicas – CCT	pt_BR
dc.publisher.program	PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA COMPUTAÇÃO E SISTEMAS - PECS	pt_BR
dc.publisher.initials	UEMA	-
dc.subject.cnpq	Engenharias	pt_BR
dc.subject.cnpq	Ciência da Computação	pt_BR
dc.identifier.ror	https://ror.org/04ja5n907	-
dc.identifier.capesdegreeprogramcode	20002017004P9	-
Aparece nas coleções:	Mestrado Profissional em Engenharia de Computação e Sistemas - CCT - Dissertações

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
DISSERTAÇÃO - DENNER ARAUJO COSTA - PECS CCT UEMA 2017.pdf	PDF A	551.29 kB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas

UEMA Repositório

O UEMA Repositório preserva e provê acesso fácil e aberto a todos os tipos de objetos digitais, incluindo: textos, imagens, vídeos e conjuntos de dados.