KNOWLEDGE DISCOVERY IN DATABASES PARA APOIO À DECISÃO EM ATIVIDADES VINCULADAS À ENFERMAGEM

Autores

  • Ana Paula Sartorelli Pontifícia Universidade Católica - PUC, Curitiba PR , Brasil, Pontifícia Universidade Católica - PUC, Tecnologia em Saúde. Curitiba, PR - Brasil. http://orcid.org/0000-0002-2747-3225
  • Carlyne Lopata Pontifícia Universidade Católica - PUC, Curitiba PR , Brasil, Pontifícia Universidade Católica - PUC, Tecnologia em Saúde. Curitiba, PR - Brasil. http://orcid.org/0000-0002-0998-5198
  • Denilsen Carvalho Gomes Pontifícia Universidade Católica - PUC, Curitiba PR , Brasil, Pontifícia Universidade Católica - PUC, Tecnologia em Saúde. Curitiba, PR - Brasil. http://orcid.org/0000-0001-9555-2948
  • Marcia Regina Cubas Pontifícia Universidade Católica - PUC, Curitiba PR , Brasil, Pontifícia Universidade Católica - PUC, Tecnologia em Saúde. Curitiba, PR - Brasil. http://orcid.org/0000-0002-2484-9354
  • Deborah Ribeiro Carvalho Pontifícia Universidade Católica - PUC, Curitiba PR , Brasil, Pontifícia Universidade Católica - PUC, Tecnologia em Saúde. Curitiba, PR - Brasil. http://orcid.org/0000-0002-9735-650X

DOI:

https://doi.org/10.35699/reme.v25i1.44525

Palavras-chave:

Mineração de Dados, Bases de Dados Bibliográficas, Informática em Enfermagem, Educação em Enfermagem, Tomada de Decisões

Resumo

Objetivo: relatar experiências de estratégias do uso da mineração de dados em dois cenários de práticas de Enfermagem. Descrição da experiência: em ambas as experiências foi utilizado o algoritmo Apriori para descoberta de regras de associação e identificado as situações de exceção. A primeira experiência utilizou dados provenientes de óbitos infantis da região metropolitana de Curitiba - PR. Na segunda experiência utilizaram-se prontuários de pacientes atendidos por enfermeiros na classificação de risco em um hospital particular de Curitiba - PR. O primeiro estudo identificou 374 regras gerais e o segundo, 108 regras gerais, ambos com suas respectivas regras de exceção. Conclusão: a aplicação do Knowledge Discovery in Databases pode ser demonstrada e efetivada em dois cenários distintos, a fim de contribuir para a tomada de decisão pelo gestor. Espera-se que o relato reforce a importância do ensino da informática em Enfermagem como ferramenta de apoio à decisão.

Downloads

Não há dados estatísticos.

Referências

Geilsa SCV, Augusta MD. A gestão da informação em atenção básica de saúde e a qualidade dos registros de Enfermagem. Investig Enferm. 2018[citado em 2020 abr. 09];20(2):01-8. Disponível em: https://pesquisa.bvsalud.org/portal/resource/pt/biblio-995111

Topaz M, Pruinelli L. Big Data and Nursing: implications for the future. Stud Health Technol Inform 2017[citado em 2020 jun. 18];232:165-71. Disponível em: https://www.ncbi.nlm.nih.gov/pubmed/28106594

Fayyad U, Piatetsky-Shapiro G, Smyth P, Uthurusamy R. Advances in knowledge discovery and data mining. American Association for Artificial Intelligence. Menlo Park: MIT Press; 1996.

Li Q, Zhang Y, Kang H, Xin Y, Shi C. Mining association rules between stroke risk factors based on the Apriori algorithm. Technol Health Care. 2017[citado em 2020 abr. 09];25(S1):197-205. Disponível em: https://www.ncbi.nlm.nih.gov/pubmed/28582907

Agrawal R, Srikant R. Fast algorithms for mining association rules. In: Proceedings of the 20th VLDB Conference. Santiago, Chile; 1994. p.487-99.

Hussain F, Liu H, Suzuki E, Lu H. Exception Rule Mining with a Relative Interestingness Measure. Proceedings of the 4th Pacific-Asia Conference on Knowledge Discovery and Data Mining PAKDD, Kyoto, Japão; 2000 Apr. 18-20.

Sartorelli AP. Mineração de dados para identificação de novas relações entre variáveis associadas à mortalidade infantil, em um município da região metropolitana de Curitiba [dissertação]. Curitiba: Pontifícia Universidade Católica do Paraná; 2018.

Emergency Severity Index (ESI). A triage tool for emergency. Department care. Version 4, Implementation Handbook. Rockville: AHRQ Publication; 2012[citado em 2017 abr. 16]. Disponível em: https://www.ahrq.gov/sites/default/files/wysiwyg/professionals/systems/hospital/esi/esihandbk.pdf

Pinheiro JMF, Tinoco LS, Rocha ASS, Rodrigues MP, Lyra CO, Ferreira MAF. Atenção à criança no período neonatal: avaliação do pacto de redução da mortalidade neonatal no Rio Grande do Norte, Brasil. Ciênc Saúde Colet. 2016[citado em 2020 dez. 27];21(1):243-52. Disponível em: https://doi.org/10.1590/1413-81232015211.09912014

Oliveira CM, Bonfim CV, Guimarães MJB, Frias PG, Medeiros ZM. Mortalidade infantil: tendência temporal e contribuição da vigilância do óbito. Acta Paul Enferm. 2016[citado em 2020 dez. 27];29(3): 282-90. Disponível em: https://doi.org/10.1590/1982-0194201600040

Malfussi LBH, Bertoncello KCG, Nascimento ERP, Silva SG, Hermida PMV, Jung W. Concordância de um protocolo institucional de avaliação com classificação de risco. Texto Contexto Enferm. 2018[citado em 2020 abr. 30];27(1):e4200016. Disponível em: https://www.scielo.br/pdf/tce/v27n1/0104-0707-tce-27-01-e4200016.pdf

Souza CC. A tomada de decisão do enfermeiro na classificação de risco: qual o embasamento teórico para a prática neste cenário de cuidado? REME - Rev Min Enferm. 2015[citado em 2020 abr. 08];19(2):09-11. Disponível em: http://www.dx.doi.org/10.5935/1415-2762.20150021

Publicado

16-07-2021

Como Citar

1.
Sartorelli AP, Lopata C, Gomes DC, Cubas MR, Carvalho DR. KNOWLEDGE DISCOVERY IN DATABASES PARA APOIO À DECISÃO EM ATIVIDADES VINCULADAS À ENFERMAGEM. REME Rev Min Enferm. [Internet]. 16º de julho de 2021 [citado 12º de setembro de 2024];25(1). Disponível em: https://periodicos.ufmg.br/index.php/reme/article/view/44525

Edição

Seção

Relato

Artigos mais lidos pelo mesmo(s) autor(es)