@PHDTHESIS{ 2020:2056653228,
 	title = {Desenvolvimento de Sistema Computacional para Predição da Doença Renal Crônica.},
 	year = {2020},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3715",
 	abstract = "A doença renal crônica (DRC) não apresenta sinais e/ou sintomas em seus estágios iniciais,
 sendo de suma importância o estudo e desenvolvimento de métodos de diagnóstico e/ou
 triagem alternativos que tenham alta sensibilidade. Assim, objetivou-se desenvolver um
 sistema computacional para predição da doença renal crônica. O trabalho de tese está
 dividido em três capítulos, além da fundamentação teórica os quais são apresentados os
 principais temas que fundamentam o presente projeto. O Capitulo I representa um artigo
 intitulado “Artificial Intelligence in Predicting Chronic Kidney Disease” publicado na
 Revista International Journal of Development Research que objetivou-se realizar uma
 revisão da literatura sobre o uso da Inteligência Artificial na predição de Doença Renal
 Crônica. De acordo com as pesquisas, foi observado que a DRC pode ser prevista usando
 vários classificadores em mineração de dados, bem como prever o estágio da doença com
 uso da IA e que as diferentes experiências observadas mostraram que a maioria dos
 classificadores fornece alto valor de acurácia, acima de 90%. O Capítulo II, artigo de
 pesquisa intitulado “Development of a computer system to screenin patients with chronic
 kidney disease” publicado na Revista International Journal of Development Research visa
 construir um sistema computacional para auxiliar no diagnóstico precoce da Doença Renal
 Crônica (DRC) usando dados clínicos não invasivos, explorando técnicas de aprendizado
 de máquina. E por fim, o Capítulo III artigo de pesquisa intulado “Support System for
 Chronic Kidney Disease Prediction using Machine Learning” submetido na Revista PeerJ,
 objetivou-se construir e validar um software preditor da doença renal crônica baseado em
 um algoritmo classificador para triagem de pacientes. Dentre os 3 classificadores utilizados
 nos experimentos, o SVM foi o que obteve melhores resultados e usado para obtenção do
 software preditor da DRC, demostrou bom desempenho na validação o qual pode ser usado
 na pratica clínica como forma de triagem de pacientes com a doença e para a população em
 geral, apresentando uma alternativa de baixo custo e fácil execução.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM BIOTECNOLOGIA - RENORBIO/CCBS},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}