Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/59140
Título: | Categorização e determinação dos fatores de risco de doenças coronárias |
Autor(es): | Ribeiro, Lisete Inês Queiroz |
Orientador(es): | Santos, Manuel Portela, Filipe |
Palavras-chave: | Doenças coronárias Data mining CRISP-DM Heart diseases |
Data: | 2018 |
Resumo(s): | As doenças coronárias, em particular os enfartes do miocárdio, são uma das principais causas de morte nos países desenvolvidos. Estas doenças contribuem para a perda de qualidade de vida em todo o mundo, sendo que a sua deteção precoce é muito importante para que se possa fazer um tratamento adequado. Isto, com o objetivo de reduzir a taxa de mortalidade em todo o mundo.
Este projeto está divido em duas fases. Na primeira fase foram analisadas as doenças coronárias, bem como os fatores de risco associados. Para além disso foram revistos alguns conceitos importantes, como Data Mining e descoberta de conhecimento em base de dados. Nesta primeira fase foi desenvolvido o planeamento, assim como definidos os objetivos principais e estruturantes.
A segunda fase concentrou-se em dados fornecidos pelo projeto Deus ex Machine. Inicialmente estava previsto que os dados seriam provenientes do Centro Hospitalar do Porto e do Hospital da Senhora da Oliveira de Guimarães, no entanto, e como não foi possível a obtenção dos dados, estes foram provenientes do projeto DEM. Este projeto desenvolveu um conjunto de folhas de cálculo com toda a informação registada relacionados com a atividade física. Depois de analisados e tratados estes dados através de técnicas de Data Mining, é possível perceber como é que o exercício físico ajuda na prevenção de doenças cardiovasculares, tendo como base as alterações dos batimentos cardíacos.
Este projeto baseou-se na metodologia Cross Industry Standard Process for Data Mining (CRISP-DM),sendo que está dividido em seis fases principais: compreensão do negócio, compreensão dos dados, preparação dos dados, modelação, avaliação e implementação.
Foi desenvolvido um modelo de Data Mining capaz de perceber se o exercício físico poderá ajudar na prevenção de doenças cardiovasculares, tendo como base as alterações dos batimentos cardíacos. Este modelo obteve resultados superiores ao threashold definido de 85%. Heart diseases, in particular myocardial infarction, are one of the main causes of death in developed countries. These diseases contribute for a lower quality of life universally. Early detection is very important so an appropriate treatment can be made, aiming to reduce the mortality rate worldwide. This project is divided in two phases. On the first phase, a research was conducted on heart diseases, as well as the associated risk factores. Furthermore, a few concepts were reviewed, such as Data Mining and knowledge discovery in databases. In this phase, the project plan was developed and the main goals and structuring objectives were defined. The second phase concentrated on data, provided by the provided by the Deus ex Machine project. Initiallly it was foreseen that the data would come from the Hospital Center of Porto and the Hospital of Senhora da Oliveira of Guimarães, however, and since it was not possible to obtain the data, these came from the DEM project This project developed a set of spreadsheets with all the information recorded related to physical activity. After analyzing and treating these data through Data Mining techniques, it is possible to see how physical exercise helps in the prevention of cardiovascular diseases, based on changes in heart rate. This project was based on the Cross Industry Standard Process for Data Mining (CRISP-DM) methodology. CRISP-DM is divided in six phases: business understanding, data understanding, data preparation, modeling, evaluation and implementation. A data mining model was developed to understand whether physical exercise can help prevent cardiovascular diseases, based on changes in heart rate. This model obtained results superior to threashold defined of 85%, in most of the defined scenarios. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado integrado em Engenharia e Gestão de Sistemas de Informação |
URI: | https://hdl.handle.net/1822/59140 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DSI - Engenharia e Gestão de Sistemas de Informação |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Lisete Ines Queiroz Ribeiro.pdf | Dissertação de Mestrado | 2,45 MB | Adobe PDF | Ver/Abrir |