Custódio, Paulo Rogério SiqueiraOliveira , Virginia Klausner deOgawa, Guilherme MaerschnerAlmeida, Rainara Moreno Sanches de2025-04-012025-04-01https://repositorio.univap.br/handle/123456789/793A 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 informaçõesCystic 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.pdfpt-BRModelo de florestas aleatórias para identificar falsos positivos na triagem de fibrose cística com dados artificiaisArtigos de PeriódicosPaulo Rogério Siqueira CustódioVirginia Klausner de OliveiraGuilherme Maerschner OgawaRainara Moreno Sanches de Almeida10.5281/zenodo.6612605Fibrose CísticaAprendizado de MáquinaTriagem NeonatalCUSTÓDIO, 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.Universidade do Vale do ParaíbaUniversidade do Vale do ParaíbaIntercientificaIntercientifica