Mineração de dados no apoio à gestão em saúde materno-infantil

Autores/as

  • Cristiane Yumi Nakamura
  • Everton Osnei Cesario
  • Lorena Maria Tatim Farhat
  • Simone Tetu Moysés
  • Deborah Ribeiro Carvalho

Resumen

Introdução: A Mineração de Dados (MD) é uma etapa do Knowledge Discovery in Database (KDD), processo computacional que visa a descobrir conhecimentos novos, válidos e úteis em base de dados, fornecendo subsídios para a tomada de decisão. Objetivo: Verificar o potencial do uso da MD para apoio à gestão em saúde materno-infantil. Métodos: Busca adaptada do método PRISMA, realizada nos repositórios BVS, PubMed, Scopus (Elsevier) e IEEE Xplore, utilizando os descritores “data mining” AND health AND child* OR maternal OR pregnan*. Resultados: Foram incluídos 29 documentos, dos quais nove corroboraram a literatura, dez focaram a acurácia do modelo e dez encontraram resultados compreensíveis, válidos, novos e úteis, como associação de novos elementos químicos ao ozônio e asma, grupo étnico australiano e natimortalidade, raça indígena americana e prematuridade, vacinação e prematuridade, gestantes idosas e baixa adesão ao pré-natal. Conclusão: Os resultados demonstraram o potencial do uso da MD para apoio à gestão, especialmente quando a interdisciplinaridade se faz presente. Identificou-se uma lacuna entre o uso da MD e a aplicação efetiva dos seus resultados.

Descargas

Los datos de descarga aún no están disponibles.

Publicado

31-12-2019

Número

Sección

Revisão da literatura

Cómo citar

1.
Mineração de dados no apoio à gestão em saúde materno-infantil. RBPS [Internet]. 2019 Dec. 31 [cited 2025 Dec. 6];21(4):144-55. Available from: https://periodicos.ufes.br/rbps/article/view/31026