O USO DE MODELOS PREDITIVOS NO DIAGNÓSTICO DE DOENÇAS CORONARIANAS
"2025-12-02" // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
App\Base\Administrativo\Model\Artigo {#1845 // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php #connection: "mysql" +table: "artigo" #primaryKey: "id" #keyType: "int" +incrementing: true #with: [] #withCount: [] +preventsLazyLoading: false #perPage: 15 +exists: true +wasRecentlyCreated: false #escapeWhenCastingToString: false #attributes: array:35 [ "id" => 129236 "edicao_id" => 438 "trabalho_id" => 287 "inscrito_id" => 4665 "titulo" => "O USO DE MODELOS PREDITIVOS NO DIAGNÓSTICO DE DOENÇAS CORONARIANAS" "resumo" => "O aprendizado de máquina é uma área da informática que trabalha com modelos preditivos que podem ser utilizados como uma ferramenta funcional para diversas áreas do conhecimento. No âmbito da saúde humana, o diagnóstico de doenças cardíacas é relevante para o tratamento de muitos pacientes, o diagnóstico precoce é significativo para a garantia da qualidade de vida. Dado esse contexto, o presente trabalho por meio de uma análise procedimental de caráter exploratório e com abordagem quantitativa buscou equiparar diferentes algoritmos de classificação de aprendizado de máquina com a finalidade de ponderar quais desses algoritmos apresentam uma melhor precisão na predição de doenças cardíacas, tendo como base de dados o dataset Heart Disease presente no repositório da UCI Machine Learning. A problemática em questão consiste em analisar os dados disponibilizados bem como identificar seus padrões para assim entender a distribuição das variáveis, em seguida, realizar a limpeza e demais passos de pré-processamento necessários para otimizar a modelagem do modelo. Tal projeto foi concebido sob as referências bibliográficas de Fleck (2016), Damasceno (2015) e Pereira (2024). Os testes utilizando o modelo Naive Bayes obtiveram uma maior acurácia e menor tempo de execução, em comparação aos testes que utilizaram o modelo de Decision Table apresentam um desempenho quase equivalente, sendo o modelo de Decision Table mais dependente de especificações em seus parâmetros." "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "GT 22 - Divulgação e Popularização Pública da Ciência" "palavra_chave" => ", , , , " "idioma" => "Português" "arquivo" => "TRABALHO__EV214_MD1_ID4665_TB287_07022025210746.pdf" "created_at" => "2025-12-08 15:50:21" "updated_at" => null "ativo" => 1 "autor_nome" => "MICHAEL LOPES CACHINA" "autor_nome_curto" => "MICHAEL" "autor_email" => "cachina.lopes@escolar.ifrn.edu.br" "autor_ies" => "INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE (IFRN)" "autor_imagem" => "" "edicao_url" => "anais-xi-congresso-nacional-de-educacao" "edicao_nome" => "Anais XI Congresso Nacional de Educação" "edicao_evento" => "XI Congresso Nacional de Educação" "edicao_ano" => 2025 "edicao_pasta" => "anais/conedu/2025" "edicao_logo" => null "edicao_capa" => "692d8b19ea55f_01122025093329.png" "data_publicacao" => "2025-12-02" "edicao_publicada_em" => "2025-12-01 09:33:29" "publicacao_id" => 19 "publicacao_nome" => "Anais CONEDU" "publicacao_codigo" => "2358-8829" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #original: array:35 [ "id" => 129236 "edicao_id" => 438 "trabalho_id" => 287 "inscrito_id" => 4665 "titulo" => "O USO DE MODELOS PREDITIVOS NO DIAGNÓSTICO DE DOENÇAS CORONARIANAS" "resumo" => "O aprendizado de máquina é uma área da informática que trabalha com modelos preditivos que podem ser utilizados como uma ferramenta funcional para diversas áreas do conhecimento. No âmbito da saúde humana, o diagnóstico de doenças cardíacas é relevante para o tratamento de muitos pacientes, o diagnóstico precoce é significativo para a garantia da qualidade de vida. Dado esse contexto, o presente trabalho por meio de uma análise procedimental de caráter exploratório e com abordagem quantitativa buscou equiparar diferentes algoritmos de classificação de aprendizado de máquina com a finalidade de ponderar quais desses algoritmos apresentam uma melhor precisão na predição de doenças cardíacas, tendo como base de dados o dataset Heart Disease presente no repositório da UCI Machine Learning. A problemática em questão consiste em analisar os dados disponibilizados bem como identificar seus padrões para assim entender a distribuição das variáveis, em seguida, realizar a limpeza e demais passos de pré-processamento necessários para otimizar a modelagem do modelo. Tal projeto foi concebido sob as referências bibliográficas de Fleck (2016), Damasceno (2015) e Pereira (2024). Os testes utilizando o modelo Naive Bayes obtiveram uma maior acurácia e menor tempo de execução, em comparação aos testes que utilizaram o modelo de Decision Table apresentam um desempenho quase equivalente, sendo o modelo de Decision Table mais dependente de especificações em seus parâmetros." "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "GT 22 - Divulgação e Popularização Pública da Ciência" "palavra_chave" => ", , , , " "idioma" => "Português" "arquivo" => "TRABALHO__EV214_MD1_ID4665_TB287_07022025210746.pdf" "created_at" => "2025-12-08 15:50:21" "updated_at" => null "ativo" => 1 "autor_nome" => "MICHAEL LOPES CACHINA" "autor_nome_curto" => "MICHAEL" "autor_email" => "cachina.lopes@escolar.ifrn.edu.br" "autor_ies" => "INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE (IFRN)" "autor_imagem" => "" "edicao_url" => "anais-xi-congresso-nacional-de-educacao" "edicao_nome" => "Anais XI Congresso Nacional de Educação" "edicao_evento" => "XI Congresso Nacional de Educação" "edicao_ano" => 2025 "edicao_pasta" => "anais/conedu/2025" "edicao_logo" => null "edicao_capa" => "692d8b19ea55f_01122025093329.png" "data_publicacao" => "2025-12-02" "edicao_publicada_em" => "2025-12-01 09:33:29" "publicacao_id" => 19 "publicacao_nome" => "Anais CONEDU" "publicacao_codigo" => "2358-8829" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #changes: [] #casts: array:14 [ "id" => "integer" "edicao_id" => "integer" "trabalho_id" => "integer" "inscrito_id" => "integer" "titulo" => "string" "resumo" => "string" "modalidade" => "string" "area_tematica" => "string" "palavra_chave" => "string" "idioma" => "string" "arquivo" => "string" "created_at" => "datetime" "updated_at" => "datetime" "ativo" => "boolean" ] #classCastCache: [] #attributeCastCache: [] #dates: [] #dateFormat: null #appends: [] #dispatchesEvents: [] #observables: [] #relations: [] #touches: [] +timestamps: false #hidden: [] #visible: [] +fillable: array:13 [ 0 => "edicao_id" 1 => "trabalho_id" 2 => "inscrito_id" 3 => "titulo" 4 => "resumo" 5 => "modalidade" 6 => "area_tematica" 7 => "palavra_chave" 8 => "idioma" 9 => "arquivo" 10 => "created_at" 11 => "updated_at" 12 => "ativo" ] #guarded: array:1 [ 0 => "*" ] }