REPRESENTAÇÃO DO CONHECIMENTO RELACIONADO AO PROGNÓSTICO DE PACIENTES COM NEOPLASIA MALIGNA DE MAMA: UM ESTUDO DE CASO DO HOSPITAL BOM PASTOR

Erika Goncalves de Assis

Resumo


O câncer de mama é o mais frequente em mulheres e a maior causa de mortes femininas. A representação do conhecimento relacionado ao prognóstico de pacientes com câncer de mama é um recurso que permite ao especialista em ciências da saúde encontrar fatores que impactam o tempo de vida das pacientes. A metodologia utilizada neste estudo consistiu inicialmente na pesquisa e avaliação do Registro Hospitalar de Câncer do Hospital Bom Pastor para sua posterior utilização no processo de KDD. Primeiramente foi feito um pré-processamento dos dados e depois a adequação dos dados a serem utilizados. Os modelos para representar o conhecimento foram gerados através de árvore de decisão e rede neural . Por fim, foi realizada a avaliação desses modelos. Os resultados mostram que os pacientes que estavam nos estágios iniciais do câncer de mama não morreram até a última data de acompanhamento. Pacientes que tiveram metástase e apresentavam estadiamento 3A, 3B e 3C tiveram menos de 2 anos de sobrevida. Pacientes com metástase morreram após 5 anos de sobrevida. E os pacientes que não tiveram metástases não morreram dentro de 5 anos de sobrevivência. Verificou-se que houve redução na probabilidade de sobrevivência de acordo com o aumento do estadiamento. Os resultados deste estudo vão ao encontro dos dados da literatura, apontando que o estadiamento do câncer de mama é uma importante variável que explica as disparidades de sobrevida entre mulheres com essa neoplasia.


Palavras-chave


Análise de sobrevida. Câncer de mama, Mineração de dados. Aprendizado de máquina, Representação do conhecimento

Texto completo:

PDF


DOI: http://dx.doi.org/10.5892/ruvrd.v23i3.6913

Apontamentos

  • Não há apontamentos.


Indexado em:

Resultado de imagem para periodicos capes Latindex Colheitadeira Ibict Pkp

 

 

Sumarios DOAJ LivRe Dialnet

 

EBSCO Funadesp

 

Resultado de imagem para crossref

 

 

ISSN: 1517-0276

EISSN: 2236-5362