Identificando padrões de depressão em idosos por meio de mineração de dados

L. E. Zárate, Arthur Vinicius Dimas dos Santos, Jefferson Eduardo de Carvalho Camelo, C. N. Nobre, Mark Alan Junho Song
{"title":"Identificando padrões de depressão em idosos por meio de mineração de dados","authors":"L. E. Zárate, Arthur Vinicius Dimas dos Santos, Jefferson Eduardo de Carvalho Camelo, C. N. Nobre, Mark Alan Junho Song","doi":"10.59681/2175-4411.v16.2024.1020","DOIUrl":null,"url":null,"abstract":"Objetivo: Identificar padrões de depressão em idosos baseado em variáveis exógenas por meio da mineração de dados. Métodos: O processo aplica técnica de classificação Floresta Aleatória para descrever os padrões de depressão nessa população. Como fonte de dados considera-se a base de dados PNS, IBGE 2013. Resultados: Os resultados evidenciam como fatores relevantes, doenças crônicas pré-existentes, o nível de confiança com amigos e parentes, nível de escolaridade, etc. Para o grupo diagnosticado “Com depressão”, a precisão do modelo foi de 68,8%, sensibilidade de 77,2% e medida F1-score de 72,8%. Para o grupo diagnosticado “Sem depressão”, a precisão foi de 66,4%, Sensibilidade de 56,2% e a medida F1-score de 60,9%. Conclusão: Dentre os fatores destacam-se, em nível de importância, doença crônica pré-existente, um ou nenhum parente ou amigo em quem confiar, e escolaridade até o ensino médio. A prática de exercícios físicos e manter-se ativo é um aspecto favorável para a não-depressão.","PeriodicalId":91119,"journal":{"name":"Journal of health informatics","volume":"11 2","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-07-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of health informatics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.59681/2175-4411.v16.2024.1020","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Objetivo: Identificar padrões de depressão em idosos baseado em variáveis exógenas por meio da mineração de dados. Métodos: O processo aplica técnica de classificação Floresta Aleatória para descrever os padrões de depressão nessa população. Como fonte de dados considera-se a base de dados PNS, IBGE 2013. Resultados: Os resultados evidenciam como fatores relevantes, doenças crônicas pré-existentes, o nível de confiança com amigos e parentes, nível de escolaridade, etc. Para o grupo diagnosticado “Com depressão”, a precisão do modelo foi de 68,8%, sensibilidade de 77,2% e medida F1-score de 72,8%. Para o grupo diagnosticado “Sem depressão”, a precisão foi de 66,4%, Sensibilidade de 56,2% e a medida F1-score de 60,9%. Conclusão: Dentre os fatores destacam-se, em nível de importância, doença crônica pré-existente, um ou nenhum parente ou amigo em quem confiar, e escolaridade até o ensino médio. A prática de exercícios físicos e manter-se ativo é um aspecto favorável para a não-depressão.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
通过数据挖掘识别老年人抑郁模式
目的:利用数据挖掘技术,根据外生变量确定老年人抑郁的模式。方法:该过程采用随机森林分类技术来描述该人群的抑郁模式。数据来源是 2013 年巴西地理统计局的 PNS 数据库。结果结果表明,相关因素包括原有慢性疾病、对亲友的信任程度、受教育程度等。对于被诊断为 "患有抑郁症 "的群体,模型的准确率为 68.8%,灵敏度为 77.2%,F1 分数为 72.8%。对于诊断为 "无抑郁症 "的组别,准确率为 66.4%,灵敏度为 56.2%,F1 评分为 60.9%。结论:最重要的因素是已有慢性疾病、有或没有可倾诉的亲戚或朋友以及高中学历。进行体育锻炼和保持活跃是不抑郁的有利因素。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Detecção de Reações Adversas a Medicamentos em pacientes hospitalizados: uma abordagem de análise em rede Identificando padrões de depressão em idosos por meio de mineração de dados Reliability and quality of videos available on YouTube™ on bruxism E-SUS Atenção Básica e as influências na prática gerencial Minería de datos aplicada sobre el cáncer relacionado con el rabajo
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1