@MASTERSTHESIS{ 2022:1639642022,
 	title = {Aplicação de Aprendizado de Máquina e Redes Neurais Artificiais para classificação da Doença Renal Crônica através de variáveis não invasivas},
 	year = {2022},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3997",
 	abstract = "Áreas da Inteligência Artificial (IA), o aprendizado de máquina e as redes
 neurais artificiais ganham destaque no desenvolvimento de técnicas, as quais exigem
 um preparo prévio do conjunto de dados para que o algoritmo execute a classificação
 automática do conjunto de dados. Nos últimos anos, técnicas de aprendizado de
 máquina e análise estatística vêm sendo aplicadas por pesquisadores da área da saúde, a
 fim de viabilizar tomada de decisões de prognósticos clínicos, gestão de assistência à
 saúde, diagnóstico e monitoramento de diversas doenças.A Doença Renal Crônica, uma
 das DCNT mais prevalentes a nível global, é caracterizada pela perda progressiva e
 irreversível da função renal glomerular, tubular e endócrina. .O diagnóstico precoce da
 DRC é considerado um grande desafio, visto que em estágios iniciais a doença é
 caracteristicamente assintomática e as manifestações clínicas destacam-se entre os
 estágios de insuficiência renal moderada a severa. A fim de realizar o diagnóstico da
 DRC, foram utilizados os modelos de Regressão Logística e RNA, onde foi utilizado o
 5-fold crossvalidation em um conjunto de dados de 291 indivíduos maiores de 18 anos.
 Os modelos retornaram um bom desempenho, tendo os dois a área sobre a curva ROC
 (AUROC) = 0.94, e a RNA obteve uma acurácia e sensibilidade de 87%, já a Regressão
 obteve acurácia e sensibilidade de 85%. Dessa forma, nossos modelos obtiveram
 desempenho aceitável para classificar portadores da DRC, apresentando-se como
 alternativa de baixo custo para o rastreamento da doença.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}