Please use this identifier to cite or link to this item:
http://hdl.handle.net/10071/29148
Author(s): | Gomes, Filipa Isabel Ribeiro |
Advisor: | Dias, José Miguel de Oliveira Monteiro Sales Rosário, Luís Afonso Brás Simões do |
Date: | 27-Jul-2023 |
Title: | Finding patterns in cardiologic diseases using a data-driven approach |
Reference: | Gomes, F. I. R. (2023). Finding patterns in cardiologic diseases using a data-driven approach [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/29148 |
Keywords: | Data science Cardiologia -- Cardiology Doença cardiovascular -- Cardiovascular disease Diagnóstico -- Diagnosis Alert system Inteligência artificial -- Artificial intelligence Análise de dados -- Data analysis Sistema de alertas |
Abstract: | Globally, cardiovascular disease (CD) is the leading cause of death. Several guidelines for the
treatment of CD have been published with the aim of improving the quality of care and reducing
costs. Thus, it is increasingly important to detect and diagnose cardiovascular diseases early.
This study aims to build an algorithm to predict whether a patient will exceed their heart
rate. In addition, the goal was to build an alert system that monitors the patient's clinical status
and, whenever there is a change, according to some parameters, the doctor receives a message
automatically. This study was based on a set of data from Santa Maria Hospital in Lisbon,
obtained through Digital Services Agreements developed under the FCT project
DSAIPA/AI/0122/2020 AIMHealth - Artificial Intelligence Based Mobile Applications for
Public Health Response.
The data-centric method followed the CRISP-DM Data Mining (DM) methodology.
Based on the dataset it was possible, following this methodology, to develop a Machine
Learning (ML) algorithm that could predict in advance whether the patient would exceed the
interquartile range of their heart rate.
We found that our ML algorithm was able to predict cardiac problems in 90% of the
cases and that our alert system was effective in early detection of cardiac problems in patients.
This study has shown that using ML is a valuable tool for detecting the worsening of a patient's
health condition. A nível mundial, as doenças cardiovasculares (DC) são a principal causa de morte. Foram publicadas várias diretrizes para o tratamento das DC com o objetivo de melhorar a qualidade dos cuidados e reduzir os custos. Assim, é cada vez mais importante detetar e diagnosticar precocemente as doenças cardiovasculares. Este estudo tem como objetivo construir um algoritmo que permita prever se o doente vai ultrapassar a sua frequência cardíaca. Para além disso, o objetivo foi construir um sistema de alerta que monitoriza o estado clínico do doente e, sempre que houver uma alteração, de acordo com alguns parâmetros, o médico recebe uma mensagem automaticamente. Este estudo teve como base um conjunto de dados do Hospital Santa Maria em Lisboa, obtidos através de Acordos de Prestação de Serviços Digitais desenvolvidos no âmbito do projeto FCT DSAIPA/AI/0122/2020 AIMHealth - Aplicações Móveis Baseadas em Inteligência Artificial para Resposta de Saúde Pública. O método centrado nos dados seguiu a metodologia de Mineração de Dados (MD) CRISP-DM. Com base no conjunto de dados foi possível, seguindo esta metodologia, desenvolver um algoritmo de Aprendizagem Automática (AA) que pudesse prever antecipadamente se o doente iria exceder o intervalo interquartil da sua frequência cardíaca. Verificámos que o nosso algoritmo de AA conseguiu prever problemas cardíacos em 90% dos casos e que o nosso sistema de alerta foi eficaz na deteção precoce de problemas cardíacos nos doentes. Este estudo demonstrou que a utilização de AA é uma ferramenta valiosa para detetar o agravamento do estado de saúde de um doente. |
Department: | Departamento de Ciências e Tecnologias da Informação |
Degree: | Mestrado em Sistemas Integrados de Apoio à Decisão |
Peerreviewed: | yes |
Access type: | Open Access |
Appears in Collections: | T&D-DM - Dissertações de mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Master_filipa_ribeiro_gomes.pdf | 1,84 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.