28/07/2018 - 08:00 - 09:50
COC17b - Informação e Tecnologia da Informação em Saúde (ITIS): cibercultura, indicadores e o território |
24000 - USO DE MINERAÇÃO DE DADOS PARA CLASSIFICAÇÃO EM UMA BASE DE DADOS DE ACIDENTES DE TRÂNSITO NO ESTADO DO CEARÁ
RENATA ADELE DE LIMA NUNES - UNIVERSIDADE DE FORTALEZA, LEON ARAÚJO ALMEIDA - UFC, MARÍLIA SOARES MENDES - UFC, DAVIDSON ALVES NUNES - UFC
Apresentação/Introdução
A base de dados formada pelos laudos de necropsias de vítimas de acidentes de trânsito, embora rica em informações, ainda é pouco explorada por métodos estatísticos convencionais. A mineração de dados é uma ferramenta eficiente para obtenção de informações em bancos de dados, que muitas vezes não estão evidentes, e pode auxiliar os gestores na tomada de decisões.
Objetivos
Identificar fatores associados aos óbitos por acidentes de trânsito.
Metodologia
Foi utilizada uma amostra de teste, composta por 127 laudos de necropsias de vítimas de acidentes de trânsito. A base de dados passou pelas etapas de seleção, pré-processamento, transformação, mineração de dados e avaliação. Para a mineração de dados, foram utilizados os algoritmos de árvore de decisão e bayseano (NaiveBayes). Optou-se por uma abordagem preditiva, por meio da tarefa de classificação, já que as classes associadas aos dados pertenciam a um conjunto discreto e finito de categorias. Para avaliar a eficiência do algoritmo, utilizou-se o critério de taxa de acerto, que consiste na porcentagem de laudos classificados corretamente em relação ao total de laudos.
Resultados
A base de dados utilizada representou em torno de 5% do total de óbitos por acidentes de trânsito registrados em 2015 no Ceará. Foram identificadas dez causas imediatas de morte na amostra de laudos, que constituíram as classes. A classe Choque Hipovolêmico esteve presente em 30% dos laudos, o que indica a necessidade de balanceamento da amostra, para torná-la mais adequada à classificação e melhorar as taxas de acerto dos algoritmos. Porém, este processo não foi realizado devido ao pequeno número de laudos. A classe Choque Hipovolêmico mostrou relação com os atributos “Laceração” e “Tórax”. A taxa de acerto do algoritmo bayseano foi de 68,5%, e do algoritmo árvore de decisão, 58,26%.
Conclusões/Considerações
Apesar dos algoritmos não terem apresentado ótimos resultados (68,5% e 58,26%), foi possível identificar alguns pontos interessantes, tais como a relação entre “Tórax” e “Choque Hipovolêmico” presente nos laudos da amostra. Em um próximo experimento será utilizada uma base de dados maior a fim de obter resultados mais efetivos.
|
