11/10/2017 - 13:35 - 14:15
Apresentações |
18272 - PREDIÇÃO DE INDICADORES EM INQUÉRITOS DE SAÚDE UTILIZANDO APRENDIZADO DE MÁQUINA
LEONARDO ZANINI FERREIRA - UFPEL, RICARDO MATSUMURA ARAÚJO - UFPEL, ALUÍSIO JARDIM DORNELLAS DE BARROS - UFPEL, CESAR GOMES VICTORA - UFPEL
Objetivos: Apresentar uma alternativa para estimar indicadores de saúde indisponíveis em inquéritos populacionais através de aprendizado de máquina. Esse trabalho utiliza o indicador de Parto por Profissional Qualificado (PPQ) como estudo de caso e apresenta o desempenho obtido.
Métodos: Nós combinamos os bancos de dados de crianças de 24 Demographic and Health Surveys, selecionados aleatoriamente a partir de 2010 com informação disponível para PPQ, totalizando aproximadamente 230,000 crianças, divididas em 90% para treinamento e 10% para validação. Os modelos de aprendizado de máquina identificam padrões nos atributos usados como entrada para prever se cada criança teve PPQ ou não. Os modelos foram validados utilizando os 10% que não foram aplicados no processo de treinamento. Os atributos de entrada foram: educação materna (níveis), escore do índice de bens continuo, área de residência (urbano/rural), país e parto institucional (sim/não).
Resultados: O modelo com melhor desempenho foi a árvore de decisão com uma acurácia de 96.1% na validação. As crianças incorretamente classificadas (3.9%) foram equivalentemente distribuídas entre falsos positivos (45%) e falsos negativos (55%), indicando que o modelo não está superestimando nem subestimando.
Conclusão: Estimar informações ausentes através de técnicas de aprendizado de máquina parece promissor, em vista dos resultados obtidos. Além disso, os modelos possuem margem para otimizações ao incluir novos atributos, assim como agregar informação a nível de país ou de inquéritos anteriores e priorizar exemplos baseado em sua relevância para o contexto. O método não é restrito ao indicador de PPQ e pode ser reproduzido para diferentes estimativas.
|
CERTIFICADOS DISPONÍVEIS!
