Navegando por Autor "Ribeiro, Matheus Trindade"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
TCC Prognóstico de internação para fraturas em idosos utilizando o Algoritmo XGBoost(Universidade Federal do Rio Grande do Norte, 2025-01-13) Ribeiro, Matheus Trindade; Vidal, Francisco José Targino; http://lattes.cnpq.br/7452687215068186; Peixoto, Helton Maia; http://lattes.cnpq.br/8709900833456787; Mata, Matheus de Sousa; http://lattes.cnpq.br/3923692125757582O envelhecimento populacional e o aumento das fraturas em idosos representam um desafio para os sistemas de saúde. Internações em idosos podem ser agravadas por diversos fatores, como a própria idade avançada ou doenças crônicas dos pacientes. A predição de internações e a identificação de fatores de riscos são fundamentais para otimizar a gestão de recursos. O presente trabalho tem como objetivo desenvolver e avaliar um modelo de predição, utilizando o algoritmo XGBoost, capaz de identificar com precisão o desfecho da internação de idosos com fraturas, determinando se resultará em alta hospitalar ou óbito. Para tanto, será utilizada uma base de dados do Sistema Único de Saúde referente a internações causadas por fraturas em idosos em um período de 2014 a 2023, abrangendo mais de 530 mil internações. A análise exploratória dos dados foi realizada para identificar as principais características associadas ao óbito. Variáveis como idade, sexo, tipo de fratura, raça/cor, lugar onde mora, o tipo de hospital (se filantrópico, se privado/conveniado, se próprio do SUS), dias de internação, valores gastos com a internação, foram consideradas. Após o pré-processamento dos dados, o algoritmo XGBoost foi treinado para classificar os pacientes em duas classes: pacientes que possuem maior probabilidade de ir a óbito e pacientes que irão receber alta. A performance do modelo foi avaliada utilizando métricas como acurácia, recall, F1-score e a curva ROC.