Estudo sobre anomalia congênita no Brasil utilizando dados do SINASC 2017 e 2018 comparando os modelos logit, probit e complemento log-log com apoio de aprendizado de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMoraes, José Rodrigo de-
Autor(es): dc.contributorMoraes, José Rodrigo de-
Autor(es): dc.contributorAlcoforado, Luciane Ferreira-
Autor(es): dc.contributorRoss, Steven Dutt-
Autor(es): dc.contributorLongo, Orlando Celso-
Autor(es): dc.contributorAlcoforado, Luciane Ferreira-
Autor(es): dc.contributorMoraes, José Rodrigo de-
Autor(es): dc.contributorAlcoforado, Luciane Ferreira-
Autor(es): dc.creatorOliveira, Lyncoln Sousa de-
Data de aceite: dc.date.accessioned2024-07-11T17:54:29Z-
Data de disponibilização: dc.date.available2024-07-11T17:54:29Z-
Data de envio: dc.date.issued2022-06-22-
Data de envio: dc.date.issued2022-06-22-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/25304-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/759866-
Descrição: dc.descriptionNo presente trabalho, foram utilizados técnicas de aprendizado de máquinas supervisionado em conjunto com as técnicas de reamostragem k-fold e bootstrap utilizando os modelos logit, probit e complemento log-log, com o objetivo de realizar uma análise comparativa do poder discriminatório destes três modelos utilizados para avaliar a associação entre características da mãe e do recém-nascido e o desfecho de anomalia congênita. Os dados utilizados são provenientes do Sistema de Informações sobre Nascidos Vivos (SINASC) dos anos de 2017 e 2018. A variável resposta anomalia congênita observada pode ser considerada um evento raro pois somente 0,9% dos recém nascidos apresentaram essa característica na base de dados. Foram utilizados 70% dos dados gerais (amostra treino) para aplicação das técnicas k-fold com k = 10 e bootstrap com 50 amostras. Os resultados para as duas técnicas de reamostragem foram parecidos para os três modelos, obtendo valores médios de AUC semelhantes, porém as médias de acurácia (A) e especificidade (E) foram ligeiramente maiores para o modelo probit usando ambas as técnicas de reamostragem (kfold: A = 0; 739 e E = 0; 742; bootstrap A = 0; 738 e E = 0; 740). O modelo selecionado pelo k-fold removeu 2 variáveis explicativas (“raça/cor”do recém nascido e “local de nascimento”) a partir do teste de Wald de significância geral, enquanto a técnica de reamostragem bootstrap removeu 1 variável a mais (“número de consultas de pre-natal”) adotando um nível de significância de = 5%, assim resultando na seleção de dois ajustes de modelo probit distintos. Aplicando os modelos nos 30% dos dados restantes da base de dados geral (amostra teste), notou-se que as métricas que avaliam a capacidade discriminatória dos modelos foram bastante parecidas. Como a aplicação da técnica bootstrap com 50 amostras demandou significantemente mais tempo para execução, a técnica de reamostragem que se mostrou mais eficiente foi a de k-fold com k = 10.-
Descrição: dc.description95 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectModelo logit-
Palavras-chave: dc.subjectModelo probit-
Palavras-chave: dc.subjectModelo complemento log-log-
Palavras-chave: dc.subjectAnomalia congênita-
Palavras-chave: dc.subjectEstatística-
Palavras-chave: dc.subjectAnomalia congênita-
Palavras-chave: dc.subjectEstatística de saúde-
Palavras-chave: dc.subjectAprendizado de máquina-
Título: dc.titleEstudo sobre anomalia congênita no Brasil utilizando dados do SINASC 2017 e 2018 comparando os modelos logit, probit e complemento log-log com apoio de aprendizado de máquina-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.