PROGRAMA DE MINERAÇÃO DE DADOS PARA ANÁLISE DE DIABETES & HIPERTENSÃO

1. PROGRAMA DE MINERAÇÃO DE DADOS PARA ANÁLISE DE DIABETES & HIPERTENSÃO Rodrigo G. Prieto Kathya S. Collazos L. Dra. Luiz Gustavo Pinto Dr. Jorge Roel Ortiz Dr. katy@inf.univali.br

2. Estrutura da Apresentação • Introdução • Descoberta de Conhecimento em Banco de Dados • Diabetes & Hipertensão • Metodologia • Aplicação • Discussão e Conclusões • Referências

3. Introdução • A Medicina produz uma grande quantidade de informação, a qual coletada e armazenada constitui-se em uma base de dados. • São necessárias ferramentas que facilitem a análise desses dados, auxiliando na tomada de decisão, favorecendo o tratamento e/ou a prevenção de doenças.

4. Introdução • A interpretação de dados geralmente é feita utilizando métodos estatísticos. • A metodologia KDD pode ser utilizada para a análise de dados, utilizando a técnica de mineração de dados (MD). • Apresenta-se um programa para análise de dados para diabetes e/ou hipertensão utilizando MD.

5. Descoberta de Conhecimento em Base de Dados (*KDD) Armazenamento de dados Mineração de dados (MD) Interpretação e Avaliação *Knowledge Discovery in Database (KDD)

6. Interpretação e Avaliação Mineração de Dados Conhecimento Seleção e Pre-processamento p(x)=0.02x Consolidação dos Dados Padrões e Modelos Dados Preparados Armazém de Dados Dados Consolidadados Fonte de Dados O Processo KDD

7. Diabetes & Hipertensão • A Diabetes Mellitus é uma anormalidade caracterizada por uma quantidade de açúcar em excesso no sangue e na urina. • O controle desta anormalidade é importante para evitar consequencias graves como infecções, ceguera entre outras.

8. Diabetes & Hipertensão • A hipertensão arterial não é somente uma condição clínica de cifras tensionais elevadas, senão um quadro sindrômico, incluindo alterações hemodinâmicas, tróficas e metabólicas. • A hipertensão arterial deixou de ser vista como uma doença ligada somente à tensão, passou a ser um dos graves fatores para doenças cardiovasculares.

9. Metodologia • O ambulatório da Univali (Itajaí) oferece atendimento a pacientes portadores destas duas doenças. • A análise dos dados, coletados dos pacientes, é importante para a tomada de decisão visando o controle das mesmas. • O ambulatório não tem um sistema informatizado para coleta de dados, dificultando a análise de tais dados.

10. Metodologia • Desenvolveu-se como uma opção a estas dificuldades um Sistema de Análise de dados que inclui: • Informatização do formulário de coleta de dados, baseado no formulário em papel. • Implementação da técnica de MD (árvore de decisão) para a análise dos dados. • O sistema foi desenvolvido no Oracle Forms (telas) e Reports Builder (relatórios), utilizou-se a linguagem PL/SQL.

11. Metodologia • O algoritmo de mineração implementado obtém uma árvore de decisão utilizando três parâmetros. • O sistema considera os dois primeiros como preditivos e o terceiro como objetivo. • A partir da árvore são obtidas regras especializadas.

16. Aplicação • O banco de dados inclui 186 pacientes atendidos no primeiro trimestre de 2004. • Selecionaram-se doze parâmetros de interesse dos pacientes: • Idade do Paciente • Sexo do Paciente • Cor do Paciente • Profissão do Paciente • Índice de Massa Corporal • Valor da Pressão Arterial • Valor de LDL • Valor de HDL • Valor de Glicose • Valor de Colesterol • Valor de Triglicerídios • Valor de FC

17. Aplicação • Utilizaram-se os dados: Indice de Massa Corpórea, Idade, Trigliceridios, LDL e Sexo para as consultas no sistema. • Os resultados mostraram a prevalência de sobrepeso e obesidade nos pacientes consultados, tal valor é próximo dos percentuais obtidos em outras pesquisas de nível nacional.

18. Aplicação • Foi constatado que no caso de pacientes idosos, muitos prontuários não possuíam informações de peso e altura. • Baseado nestes resultados estão sendo previstas duas ações a serem tomadas: • Início de atividades para melhorar o parâmetro IMC. • Monitoramento para o correto preenchimento dos prontuários dos pacientes.

19. Discussão e Conclusões • O algoritmo implementado permitiu observar características dos pacientes consultados no ambulatório. • A base de dados (BD) criada é o datawarehouse do sistema, já que a BD é específica para a pesquisa de diabetes e/ou hipertensão.

20. Discussão e Conclusões • O sistema irá a migrar para uma estrutura web para facilitar o acceso ao sistema fora do ambulatório. • O sistema incluirá um formulário para realizar o acompanhamento do paciente, atualmente o preenchimento dos formulários é feito por única vez, o qual não permite realizar o acompanhamento do paciente e monitorar sua evolução.

21. Referências Pinto, L.G. (2004), Formulário para coleta de dados de pacientes diabéticos e/ou Hipertensos, Technical report Ambulatório da Univali, Itajaí Brasil. Mannila, H. (1996), “Data Mining: machine learning, statistics, and databases”, Eight International Conference on Scientific and Statistical Database Management, Stockholm-Sweden. p. 1-8. Mannila, H. (1997), “Methods and problems in data mining (a tutorial)”, Proceedings of International Conference on Database Theory ICDT'97, Eds.: F. Afrati, P. Kolaitis, Springer-Verlag, Delphi-Greece, p. 41-55, Janeiro. Silver, D.L. (1996), “Knowledge Discovery and Data Mining”. Technical Report MBA6522 CogNova Technologies London Health Science Center.

22. Referências Barreto, J.M. Inteligência Artificial no Limiar do Século XXI, 3a Edição. Florianópolis- SC,  Edições, 2001. Pacheco, M.A., Vellasco, M., Lopes, C.H. (1999), Descoberta de Conhecimento e Mineração de Dados, Notas de Aula em Inteligência Artificial. Rio de Janeiro, ICA – Laboratório de Inteligência Computacional Aplicada, Engenharia Elétrica PUC-RIO. URL:http://www.ica.ele.puc-rio.br. Collazos, K., Barreto, J.M. (2003), “KDD Ferramenta Para Análise de Dados Epidemiológicos”, Anais do III Congresso Brasileiro de Computação - III Workshop de Informática aplicada à Saúde - CBCOMP'2003, Itajaí, p. 2226-2236.

23. Referências De Oliveira, J.E.P. (2003), Informações para Pacientes Diabéticos. Sistema Brasileiro de Diabetes (SBD). URL:http:// www.diabetes.org.br/Diabetes/info_pacientes/infopac_set.html Acessado em 11-2003. Nobre, F., Lima, N.K.C. (2000), “Hipertensão Arterial: Conceito, Classificação e Critérios Diagnósticos”, Sociedade de Cardiologia do Estado de São Paulo (SOCESP) : Ari Timerman, Luiz Antonio Machado César. São Paulo: Editora Atheneu.