
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 | HAILab | - |
| Autor(es): dc.contributor | Psychiatry and Medical Psychology | - |
| Autor(es): dc.creator | Niero, Luiz Henrique Pereira | - |
| Autor(es): dc.creator | Guilherme, Ivan Rizzo | - |
| Autor(es): dc.creator | Oliveira, Lucas Emanuel Silva E | - |
| Autor(es): dc.creator | De Araujo Filho, Gerardo Maria | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T18:16:16Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T18:16:16Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2022-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/CBMS58004.2023.00298 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308602 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308602 | - |
| Descrição: dc.description | Mental disorders are among the most complex disorders to treat due to the scarcity of biomarkers that identify and quantify the severity of the disease, as is commonly available in other areas of medicine. The practice of psychiatry uses semi-structured and unstructured data to record the mental and behavioral states of patients, which are impressions of the physician about the patient, and therefore important information for prognosis. Most of this data lacks standardization, making it difficult to use for quantitative analysis through computational tools since clinical decision models are based on structured data. In this work, a team of psychiatrists and computer scientists developed a methodology based on Natural Language Processing to extract relevant information from admission clinical notes of a psychiatric emergency service. With the use of BERT, we developed psyBERTpt, a prediction model capable of extracting multiple types of information considered relevant to psychiatric practice. | - |
| Descrição: dc.description | São Paulo State University (UNESP) Dept of Statistics Applied Mathematics and Computing | - |
| Descrição: dc.description | Polytechnic School Pontifical Catholic University of Paraná (PUC-PR) HAILab | - |
| Descrição: dc.description | Faculty of Medicine of São José Do Rio Preto (FAMERP) Dept of Neurological Sciences Psychiatry and Medical Psychology | - |
| Descrição: dc.description | São Paulo State University (UNESP) Dept of Statistics Applied Mathematics and Computing | - |
| Formato: dc.format | 672-677 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Proceedings - IEEE Symposium on Computer-Based Medical Systems | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Clinical Entity Recognition | - |
| Palavras-chave: dc.subject | Clinical Narratives | - |
| Palavras-chave: dc.subject | Psychiatry | - |
| Título: dc.title | PsyBERTpt: A Clinical Entity Recognition Model for Psychiatric Narratives | - |
| Tipo de arquivo: dc.type | aula 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: