Modelo de florestas aleatórias para identificar falsos positivos na triagem de fibrose cística com dados artificiais

dc.contributor.authorCustódio, Paulo Rogério Siqueira
dc.contributor.authorOliveira , Virginia Klausner de
dc.contributor.authorOgawa, Guilherme Maerschner
dc.contributor.authorAlmeida, Rainara Moreno Sanches de
dc.date.accessioned2025-04-01T14:04:54Z
dc.date.available2025-04-01T14:04:54Z
dc.date.issued22022-06-04
dc.description.abstractA Fibrose Cística é uma doença letal que é caracterizada por infecções crônicas no pulmão, insuficiência pancreática e elevados níveis de cloro no suor, essa doença é causada pela mutação no gene do Regulador de Condutância Transmembrana da Fibrose Cística (CFTR), essa doença faz com que o organismo produza secreções espessas e viscosas que obstruem os pulmões, pâncreas e no ducto biliar (RIBEIRO ROSA e colab., 2008). Esta doença faz parte do programa de Triagem Neonatal Brasileiro, sendo triada através da quantificação do Tripsinogênio Imunorreativo (IRT), entretanto essa tripsina apresenta um elevado índice de resultados falsos positivos, isso faz com que seja necessário um outro teste para confirmação do diagnóstico. Sabe-se pela literatura que existem fatores que influenciam na alteração da tripsina como a etnia por exemplo devido a doença ser em sua grande maioria na população caucasiana. Então este trabalho propõe a utilização de técnicas de florestas aleatórias para conseguir detectar a probabilidade de um resultado ser falso positivo analisando as informações
dc.description.abstractCystic Fibrosis is a lethal disease that is characterized by chronic lung infections, pancreatic insufficiency and high levels of chlorine in sweat, this disease is caused by mutation in the gene Cystic Fibrosis Transmembrane Conductance Regulator (CFTR), this disease causes that the organism produces thick and viscous secretions that obstruct the lungs, pancreas and bile duct (RIBEIRO ROSA et al., 2008). This disease is part of the Brazilian Neonatal Screening program, being screened through the quantification of Immunoreactive Trypsinogen (IRT), however this trypsin has a high rate of false positive results, which makes another test necessary to confirm the diagnosis. It is known in the literature that there are factors that influence the change in trypsin, such as ethnicity, for example, due to the disease being mostly in the Caucasian population. So, this work proposes the use of Random forest techniques to be able to detect the probability of a false positive result by analyzing patient information and sample collection conditions using artificial data.
dc.description.physical10 p.
dc.format.mimetypepdf
dc.identifier.affiliationUniversidade do Vale do Paraíba
dc.identifier.affiliationUniversidade do Vale do Paraíba
dc.identifier.affiliationIntercientifica
dc.identifier.affiliationIntercientifica
dc.identifier.bibliographicCitationCUSTÓDIO, P. R. S. et al. Modelo de florestas aleatórias para identificar falsos positivos na triagem de fibrose cística com dados artificiais. Revista Real Conhecer, [S. l.], v. 2, n. 6, p. 18–27, 4 jun. 2022. Disponível em: https://zenodo.org/record/6612605.
dc.identifier.doi10.5281/zenodo.6612605
dc.identifier.urihttps://repositorio.univap.br/handle/123456789/793
dc.language.isopt_BR
dc.publisherGrupo MultiAtual Educacional
dc.rights.holderPaulo Rogério Siqueira Custódio
dc.rights.holderVirginia Klausner de Oliveira
dc.rights.holderGuilherme Maerschner Ogawa
dc.rights.holderRainara Moreno Sanches de Almeida
dc.subject.keywordFibrose Cística
dc.subject.keywordAprendizado de Máquina
dc.subject.keywordTriagem Neonatal
dc.titleModelo de florestas aleatórias para identificar falsos positivos na triagem de fibrose cística com dados artificiais
dc.typeArtigos de Periódicos

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
v.2, n.6, 2022-39-48.pdf
Tamanho:
1.02 MB
Formato:
Adobe Portable Document Format
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição: