MINERAÇÃO DE TEXTO EM RELATÓRIO OPERACIONAL DO PRONTUÁRIO ELETRÔNICO PARA AUXÍLIO NA TRIAGEM DA SÍNDROME METABÓLICA

Murilo urilo de Paula FLAVIO FLAVIO, Dario Farias NUNES, Rafaella Dias GALVÃO, Rodolfo Lima ARAÚJO

Resumo


Tema: A Síndrome Metabólica é um termo médico caracterizado pela combinação de vários fatores de risco importantes para doenças cardiovasculares, sendo estes a hipertensão, diabetes, dislipidemia e obesidade. Considerada uma doença crônica não transmissível necessita de abordagens multifatoriais dentro do espectro de tratamento, para a redução da morbimortalidade. Objetivo: Obter por meio de um processo automatizado de mineração de texto, um algoritmo de classificação que auxilia a triagem da Síndrome Metabólica, na atenção primária, vide atenção básica em saúde. Metodologia: Trata-se de uma pesquisa de cunho exploratório, tendo-se realizado a mineração de texto a respeito das condições de saúde de 39 pacientes a partir do Relatório Operacional do Prontuário Eletrônico de uma Unidade Básica de Saúde, no período entre agosto de 2021 e novembro de 2021. Em seguida, fez-se uma correlação com os dados recuperados de forma manual, validando a efetividade e a precisão do algoritmo. Resultados: observou-se intima relação entre as doenças crônicas e a Síndrome Metabólica, a precisão e a efetividade dos algoritmos de mineração de dados e texto tiveram como obstáculo fatores relacionados à linguagem de programação do Prontuário Eletrônico, impossibilitou a obtenção dos dados sem interferência humana. Conclusão: A ciência de dados e as ferramentas aliadas a ela dão início a uma nova era no cuidado a saúde, causando impactos na forma como lidamos com os dados clínicos dos pacientes e como manejamos as condições de saúde. O manejo correto das doenças crônicas associadas à Síndrome Metabólica é um importante fator redutor de Doenças Cardiovasculares.

Palavras-chave: Síndrome Metabólica; Mineração de Texto; Ciência de Dados; Saúde


Texto completo:

PDF

Referências


ALBERTI, K. George MM; ZIMMET, Paul; SHAW, Jonathan. The metabolic syndrome - a new worldwide definition. The Lancet, v. 366, n. 9491, p. 1059-1062, 2005.

ALBERTI, K. G. M. M. et al. Harmonizing the metabolic syndrome: a joint interim statement of the international diabetes federation task force on epidemiology and prevention; national heart, lung, and blood institute; American heart association; world heart federation; international atherosclerosis society; and international association for the study of obesity. Circulation, v. 120, n. 16, p. 1640-1645, 2009.

BLOOMGARDEN, Zachary T. Definitions of the insulin resistance syndrome: the 1st World Congress on the Insulin Resistance Syndrome. Diabetes care, v. 27, n. 3, p. 824-830, 2004.

GALLAGHER, Emily Jane; LEROITH, Derek; KARNIELI, Eddy. The metabolic syndrome—from insulin resistance to obesity and diabetes. Endocrinology and metabolism clinics of North America, v. 37, n. 3, p. 559-579, 2008.

GUARIZI, Débora Deflim; OLIVEIRA, Eliane Vendramini. Estudo da Inteligência Artificial aplicada na área da saúde. In: Colloquium Exactarum. 2014. p. 26-37.

HENKIN, Leora et al. Cigarette smoking, environmental tobacco smoke exposure and insulin sensitivity: the Insulin Resistance Atherosclerosis Study. Annals of epidemiology, v. 9, n. 5, p. 290-296, 1999.

JOTHI, Neesha et al. Data mining in healthcare–a review. Procedia computer science, v. 72, p. 306-313, 2015.

KAVAKIOTIS, Ioannis et al. Machine learning and data mining methods in diabetes research. Computational and structural biotechnology journal, v. 15, p. 104-116, 2017.


Apontamentos

  • Não há apontamentos.


JNT - Facit Business and Technology Journal

ISSN 2526-4281