Modelação linear e extensões: aplicação da regressão logística no estudo de câncer da mama

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRamos, Maria do Rosário-
Autor(es): dc.creatorVaz, Fernando Emílio da Cruz Ribeiro-
Data de aceite: dc.date.accessioned2022-02-15T14:07:53Z-
Data de disponibilização: dc.date.available2022-02-15T14:07:53Z-
Data de envio: dc.date.issued2021-02-08-
Data de envio: dc.date.issued2021-02-08-
Data de envio: dc.date.issued2020-12-21-
Data de envio: dc.date.issued2021-02-08-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/10400.2/10470-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/10400.2/10470-
Descrição: dc.descriptionUma pesquisa realizada pela Agência Internacional de Pesquisa em Câncer (IARC) indica que o câncer de mama é um dos três tipos de maior incidência, e é o que mais atinge as mulheres a nível mundial, representando um sério problema de saúde pública com predomínio de diagnóstico em fase avançada da doença em países em desenvolvimento como Cabo Verde. Neste trabalho, foi feito um estudo quantitativo do câncer de mama com o objetivo de elaborar um modelo que possa auxiliar no diagnóstico de câncer de mama. Foi feito um apanhado das metodologias com ênfase nos estudos caso-controlo e nos modelos lineares generalizados (GLM), destacando o modelo de regressão logística e apresentando procedimentos computacionais, no âmbito de pesquisas relacionadas ao câncer de mama. O modelo de regressão logística é amplamente utilizado em estudos na área médica dada a sua flexibilidade e tipo de resultados, que podem ser interpretados de forma bastante prática, uma vez que, possibilita identificar fatores de risco para um desfecho da variável de interesse, desde que o modelo esteja bem ajustado. Para ilustrar o uso da regressão logística foi utilizado um banco de dados real com 116 pacientes do sexo feminino no âmbito de um estudo sobre o câncer de mama usando diversos biomarcadores antropométricos, obtidos por meio de análise ao sangue. Com isso, recorreu-se a técnicas de seleção de variáveis implementadas no R-Studio e no SPSS, seleção stepwise, para construir modelos que permitiram selecionar as variáveis que influenciam o sucesso no diagnóstico de câncer de mama. Para avaliar o desempenho do modelo construído recorreu-se à Curva ROC analisando a respetiva área. Este trabalho permitiu identificar que a Idade, o índice de massa corporal, o nível de glicose no sangue e a resistina são fatores de risco na previsão do câncer de mama. Os resultados indicaram que a presença do câncer de mama nas mulheres pode ser predito com uma chance de acerto de 77,6% e uma sensibilidade e especificidade de 75 e 79,7%, respetivamente.-
Descrição: dc.descriptionResearch carried out by the International Agency for Research on Cancer (IARC) indicates that breast cancer is one of the three types with the highest incidence, and is the one that most affects women worldwide, representing a serious public health problem with a prevalence of diagnosed at an advanced stage of disease in developing countries like Cabo Verde. In this work, was performed a quantitative study of breast cancer in order to elaborate a model that may help in the diagnosis of breast cancer. An overview of the methodologies was made with an emphasis on case-control studies and generalized linear models (GLM), highlighting logistic regression presenting computational procedures, in the scope of research related to breast cancer. Logistic regression is growingly linked to the medical field, as it aims to predict risk factors for an outcome of the variable of interest, as long as the model is well adjusted. To illustrate the use of logistic regression, a real database with 116 female patients was used as part of a study on breast cancer using several anthropometric biomarkers, obtained through blood analysis. Stepwise technique for variable selection were implemented in R-Studio and SPSS, in order to build significant prediction models. To assess the performance of the built model, the ROC Curve was used to analyze the respective area. This work allows us to find that Age, BMI, blood Glucose level and Resistin are risk factors in predicting breast cancer. It was concluded that the presence of breast cancer in women can be predicted with a chance of success of 77.6% and a sensitivity and specificity of 75 and 79.7%, respectively.-
Idioma: dc.languagept_BR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectCancro da mama-
Palavras-chave: dc.subjectModelos lineares generalizados-
Palavras-chave: dc.subjectRegressão logística-
Palavras-chave: dc.subjectBiomarcadores-
Palavras-chave: dc.subjectPrevisão-
Palavras-chave: dc.subjectBreast cancer-
Palavras-chave: dc.subjectGeneralized linear models-
Palavras-chave: dc.subjectLogistic regression-
Palavras-chave: dc.subjectBiomarkers-
Palavras-chave: dc.subjectPrediction-
Palavras-chave: dc.subjectDomínio/Área Científica::Ciências Naturais::Matemáticas-
Palavras-chave: dc.subjectODS::04:Educação de Qualidade-
Palavras-chave: dc.subjectODS::05:Igualdade de Género-
Palavras-chave: dc.subjectODS::09:Indústria, Inovação e Infraestruturas-
Título: dc.titleModelação linear e extensões: aplicação da regressão logística no estudo de câncer da mama-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Aberto - Universidade Aberta (Portugal)

Não existem arquivos associados a este item.