1. Repositório Institucional Unimontes
  2. Programas de Pós-Graduação
  3. Ciências Biológicas e da Saúde
  4. Mestrado/Doutorado Stricto Sensu em Ciências da Saúde
  5. Teses e Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.unimontes.br/handle/1/664
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorD’Angelo, Marcos Flávio Silveira Vasconcelos-
dc.contributor.authorCambui, Yan Robert Santos-
dc.date.accessioned2023-10-10T12:27:15Z-
dc.date.issued2022-
dc.identifier.urihttps://repositorio.unimontes.br/handle/1/664-
dc.description.abstractObjective: This work aimed to build a specialist artificial intelligence system based on Fuzzy logic as a tool to aid in clinical decision-making for health risk management of adult individuals with an average age of 52 years with a confirmed diagnosis of Diabetes mellitus (DM) in public primary health care services in a Brazilian city. Methodology: A fuzzy logic expert clinical decision-making system was built from an electronic public database with health information from 280 individuals with DM treated in primary public health care, corresponding to five basic health units in the municipality, in the period from 2020 to 2021. Fuzzy logic is a hierarchical data structure that classifies the individual at a certain level, depending on the score that the individual receives in attributes related to risk factors for the emergence of certain clinical conditions related to the severity of DM. In this study, electronic health records of individuals with DM containing sociodemographic, clinical and laboratory information were used to enter the Fuzzy system. The risk of developing clinical conditions related to the severity of DM was represented by ophthalmological, cardiological, endocrinological, nutritional and mental health problems. of individuals diagnosed with DM. Results: This study showed that 41.42% of the total individuals in the sample had a very high risk of being referred to the ophthalmology sector. For the cardiology sector, 34.28% had a high risk for specialized care. For the endocrinology sector, 78.92% of the individuals were classified as high risk. For the nutrition sector, 67.14% had a very high risk for referral to a specialist. In the mental health sector, most individuals had a low risk of being referred to the center of specialties. Conclusion: There is evidence of the effectiveness of the Fuzzy system in the risk management service and ranking of individuals held in queues for assistance with specialists, when considering not only the age or order of arrival, but the severity of the chronic condition imposed by the disease.pt_BR
dc.description.sponsorshipCAPESpt_BR
dc.language.isopt_BRpt_BR
dc.subjectDiabetes mellituspt_BR
dc.subjectTomada de decisãopt_BR
dc.subjectLógica Fuzzypt_BR
dc.subjectSaúde públicapt_BR
dc.subjectGerenciamento de risco à saúdept_BR
dc.subjectAtenção primária à saúdept_BR
dc.titleSistema especialista de tomada de decisão Fuzzy para gerenciamento de risco à saúde de indivíduos com Diabetes mellitus em serviços de atenção primária à saúdept_BR
dc.typeDissertacaopt_BR
dc.subject.areaCiencias da Saudept_BR
dc.subject.subareaSaude Coletivapt_BR
dc.description.resumoObjetivo: Esse trabalho teve como objetivo a construção de um sistema de inteligência artificial especialista baseado na lógica Fuzzy como ferramenta de auxílio na tomada de decisão clínica de gerenciamento de riscos à saúde de indivíduos adultos com idade média de 52 anos com diagnóstico confirmado de Diabetes mellitus (DM) nos serviços públicos de cuidados primários em saúde em um município brasileiro. Metodologia: Foi construído um sistema especialista de tomada de decisão clínica de lógica Fuzzy a partir de uma base eletrônica de dados públicos com informações de saúde de 280 indivíduos com DM atendidos na atenção primária pública em saúde, correspondente a cinco unidades básicas de saúde do município no período de 2020 a 2021. A lógica Fuzzy é uma estrutura de dados hierárquicos que classifica o indivíduo em determinado nível, dependendo da pontuação que o indivíduo recebe em atributos relacionados aos fatores de risco ao surgimento de determinadas condições clínicas relacionadas com a gravidade da DM. Nesse estudo, foram utilizados prontuários eletrônicos de saúde de indivíduos com DM contendo informações sociodemográficas, clínicas e laboratoriais para entrada no sistema Fuzzy. O risco de surgimento de condições clínicas relacionadas com a gravidade da DM foi representado por problemas oftalmológicos, cardiológicos, endocrinológicos, nutricionais e de saúde mental. de indivíduos diagnosticados com DM. Resultados: Esse estudo mostrou, que 41,42% do total dos indivíduos da amostra, apresentaram risco altíssimo de serem encaminhados para o setor de oftalmologia. Para o setor de cardiologia, 34,28% de risco alto para assistência especializada. Para o setor de endocrinologia, 78,92% dos indivíduos foram classificados com alto risco. Para o setor de nutrição, 67,14% apresentaram risco altíssimo para encaminhamento ao especialista. Ao setor de saúde mental, a maioria dos indivíduos apresentaram risco baixo de serem encaminhados à central de especialidades. Conclusão: Há evidências de eficácia do sistema Fuzzy no serviço de gerenciamento de riscos e ranqueamento de indivíduos retidos em filas de espera para assistência com especialistas, ao considerar não apenas a idade ou ordem de chegada, mas a severidade da condição crônica imposta pela doença.pt_BR
dc.embargo.termsabertopt_BR
dc.embargo.lift2023-10-11T12:27:16Z-
dc.contributor.refereePaula, Alfredo Maurício Batista de-
dc.contributor.refereeBaldo, Marcelo Perim-
dc.contributor.refereeSantos, Laércio Ives-
Aparece nas coleções:Teses e Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Cambui, Yan Robert Santos_Sistema especialista de tomada_2022.pdf2,78 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.