Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Escola Superior de Propaganda e Marketing (ESPM) | - |
Autor(es): dc.creator | Trindade, Pedro Henrique Esteves | - |
Autor(es): dc.creator | Mello, João Fernando Serrajordia Rocha de | - |
Autor(es): dc.creator | Silva, Nuno Emanuel Oliveira Figueiredo | - |
Autor(es): dc.creator | Luna, Stelio Pacca Loureiro | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:03:48Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:03:48Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2022-10-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/ani12212940 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/247864 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/247864 | - |
Descrição: dc.description | Recently, the Unesp-Botucatu sheep acute pain scale (USAPS) was created, refined, and psychometrically validated as a tool that offers fast, robust, and simple application. Evidence points to an improvement in pain diagnosis when the importance of the behavioral items of an instrument is statistically weighted; however, this has not yet been investigated in animals. The objective was to investigate whether the implementation of statistical weightings using machine learning algorithms improves the USAPS discriminatory capacity. A behavioral database, previously collected for USAPS validation, of 48 sheep in the perioperative period of laparoscopy was used. A multilevel binomial logistic regression algorithm and a random forest algorithm were used to determine the statistical weights and classify the sheep as to whether they needed analgesia or not. The quality of the classification, estimated by the area under the curve (AUC) and its 95% confidence interval (CI), was compared between the USAPS versions. The USAPS AUCs weighted by multilevel binomial logistic regression (96.59 CI: [95.02–98.15]; p = 0.0004) and random forest algorithms (96.28 CI: [94.17–97.85]; p = 0.0067) were higher than the original USAPS AUC (94.87 CI: [92.94–96.80]). We conclude that the implementation of statistical weights by the two machine learning algorithms improved the USAPS discriminatory ability. | - |
Descrição: dc.description | Department of Veterinary Surgery and Animal Reproduction School of Veterinary Medicine and Animal Science São Paulo State University, SP | - |
Descrição: dc.description | Department of Quantitative Analytics Escola Superior de Propaganda e Marketing (ESPM), SP | - |
Descrição: dc.description | Department of Veterinary Surgery and Animal Reproduction School of Veterinary Medicine and Animal Science São Paulo State University, SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Animals | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | animal welfare | - |
Palavras-chave: dc.subject | artificial intelligence | - |
Palavras-chave: dc.subject | pain assessment | - |
Palavras-chave: dc.subject | sheep | - |
Título: dc.title | Improving Ovine Behavioral Pain Diagnosis by Implementing Statistical Weightings Based on Logistic Regression and Random Forest Algorithms | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: