Análisis de interacciones de los actores de la red de conocimiento en salud ambiental del Observatorio Nacional de Salud de Colombia

Introducción: Las interrelaciones positivas y negativas entre el hombre y el medioambiente impactan en la salud general de la población, por esto, la gestión del conocimiento y la transformación social, orientadas a la prevención de la exposición a factores de riesgo ambiental y a la creación de ambientes propicios, deben realizarse a través de acciones multidisciplinares intersectoriales, como el trabajo colaborativo de redes del conocimiento. Objetivo: Describir las interacciones entre los actores de la Red de Conocimiento de Salud Ambiental del Observatorio Nacional de Salud de Colombia (ONS), con el fin de promover, mejorar y fortalecer la colaboración, intercambio de información y planificación conjunta de acciones. Metodología: Estudio descriptivo transversal de análisis de redes sociales mediante herramientas de minería de texto del lenguaje de programación R. Se analizaron las categorías de agua y saneamiento, clima, calidad del aire, radiaciones electromagnéticas e intoxicaciones químicas de un corpus documental de 99 textos de los actores de la red general de conocimiento en salud pública del ONS. Se calcularon medidas de centralidad y prestigio y se graficaron redes dirigidas multicapa con Power BI. Resultados: Los actores con mayor centralidad en la red fueron: Ministerio de Salud y Protección Social, Superintendencia de Salud, Profamilia, universidades de Antioquia y La Salle, ONS, Observatorio de Salud Ambiental de Bogotá, Organización Panamericana de la Salud y Organización Mundial de la Salud. Las cinco categorías analizadas presentaron bajas centralidades de grado, y las categorías de agua y clima mostraron mayor participación de los actores (más nodos e interacciones). Conclusiones: El análisis de redes sociales permitió identificar temas relevantes de salud ambiental entre los actores de la red del ONS, además de actores clave para desarrollar espacios de interacción y gestión del conocimiento. Acorde con las limitaciones del análisis, se sugiere la inclusión de aproximaciones bibliométricas para la actualización de las interacciones de la red.

Introduction: Positive and negative interactions between the human beings and the environment have an impact on the general health of the population. Therefore, it is necessary to use knowledge management and social transformation, in order to limit exposure to environmental risk factors by creating a favorable environment for healthcare. This should be carried out through multidisciplinary and intersectorial actions, such as the collaborative work of knowledge networks. Objective: To describe the interactions between the actors within the Environmental Health Knowledge Network Colombia's National Observatory of Health (ONS acronym in Spanish), in order to promote, improve and strengthen collaboration, information exchange and planning of collaborative actions. Methodology: Cross-sectional descriptive study to analyze social interactions through text mining tools by R, programmer language. Categories analyzed: Water and sanitation, climate, air quality, electromagnetic radiation and chemical poisoning. Data source: a documentary corpus of 99 texts done by actors of Environmental Health Knowledge Network of Colombia's ONS. We calculated centrality and prestige measures. We used Power BI in order to plot multi-layered directed networks. Results: Actors with greatest centrality in the network: Ministry of Health and Social Protection, Health Superintendency, Profamilia, Antioquia and La Salle universities, National Health Observatory, Bogota's Observatory of Environmental Health, the Pan American Health Organization and the World Health Organization. The five categories analyzed provides a low centrality degree, and water and climate categories presented greater participation by actors (more nodes and links). Conclusions: Social interactions analysis provides the identification of relevant environmental health issues in Colombia and key actors in order to develop interaction spaces for knowledge management. The analysis had limitations that suggest the inclusion of bibliometric approaches for updating the interactions within the network.

Padrões de apresentação da insuficiência cardíaca em emergência hospitalar / Heart failure clinical patterns in a hospital emergency admission / Patrones de presentación de insuficiência cardíaca em emergência hospitalaria

Objetivo: Descobrir padrões de apresentação clínica entre pacientes admitidos em uma emergência hospitalar com insuficiência cardíaca aguda. Métodos: Estudo exploratório de base de dados através da aplicação do processo de Descoberta de Conhecimento em Base de Dados, o qual é composto pelas etapas de pré-processamento, mineração de dados e pós-processamento. No estudo foi utilizado o software de código aberto com algoritmos de mineração de dados denominado Weka. Resultados: Foram analisados 965 pacientes, sendo 571(59%) mulheres. A idade média foi 80,79±12,76 anos. A maioria (635) foi classificada como laranja pelo Sistema de Triagem de Manchester, considerada condição de muita urgência com necessidade de atendimento em até 10 minutos. Os sinais e sintomas mais prevalentes foram aqueles relacionados a alterações respiratórias. Os pacientes classificados como amarelo apresentaram maior homogeneidade quando avaliados os sinais vitais. Conclusão: O padrão de apresentação clínica associado à classificação de risco de urgência e muita urgência em pacientes com insuficiência cardíaca que buscam a emergência hospitalar constitui-se, majoritariamente, de sinais e sintomas respiratórios.

Objective: To discover patterns of clinical presentation among patients admitted to an emergency hospital with acute heart failure. Methods: Exploratory study of a database through the application of the Knowledge Discovery process in a Database, which comprises the steps of pre-processing, data mining and post-processing. In the study, open source software with data mining algorithms called Weka was used. Results: 965 patients were analyzed, being 571 (59%) women. The mean age was 80.79±12.76 years. Most (635) were classified as orange by the Manchester Triage System, considered a very urgent condition requiring care within 10 minutes. The most prevalent signs and symptoms were those related to respiratory changes. Patients classified as yellow showed greater homogeneity when assessing vital signs. Conclusion: The pattern of clinical presentation associated with the risk classification of urgency and high urgency in patients with heart failure who seek hospital emergency consists, mostly, of respiratory signs and symptoms.

Objetivo: conocer patrones de presentación clínica en pacientes ingresados en un hospital de urgencias por insuficiencia cardiaca aguda. Métodos: Estudio exploratorio de una base de datos mediante la aplicación del proceso de Descubrimiento del Conocimiento en una Base de Datos, el cual está compuesto por las etapas de preprocesamiento, minería de datos y posprocesamiento. En el estudio, se utilizó un software de código abierto con algoritmos de minería de datos llamado Weka. Resultados: se analizaron 965 pacientes, siendo 571 (59%) mujeres. La edad media fue de 80,79 ± 12,76 años. La mayoría (635) fueron clasificados como naranja por el Sistema de Triaje de Manchester, considerado una condición muy urgente que requiere atención dentro de los 10 minutos. Los signos y síntomas más prevalentes fueron los relacionados con alteraciones respiratorias. Los pacientes clasificados como amarillos mostraron mayor homogeneidad a la hora de evaluar los signos vitales. Conclusión: El patrón de presentación clínica asociado a la clasificación de riesgo de urgencia y alta urgencia en pacientes con insuficiencia cardíaca que acuden a urgencias hospitalarias está constituido mayoritariamente por signos y síntomas respiratorios.

Estructura de comunidades en las redes semánticas de la investigación biomédica sobre disparidades en salud y sexismo / Structure of communities in semantic networks of biomedical research on disparities in health and sexism

Resumen: Introducción. Como una iniciativa para mejorar la calidad de la atención sanitaria, en la investigación biomédica se ha incrementado la tendencia centrada en el estudio de las disparidades en salud y sexismo. Objetivo. Caracterizar la evidencia científica sobre la disparidad en salud definida como la brecha existente entre la distribución de la salud y el posible sesgo por sexo en el acceso a los servicios médicos. Materiales y métodos. Se hizo una búsqueda simultánea de la literatura científica en la base de datos Medline PubMed de dos descriptores fundamentales: Healthcare disparities y Sexism. Posteriormente, se construyó una red semántica principal y se determinaron algunas subunidades estructurales (comunidades) para el análisis de los patrones de organización de la información. Se utilizó el programa de código abierto Cytoscape para el analisis y la visualización de las redes y el MapEquation, para la detección de comunidades. Asimismo, se desarrolló código ex profeso disponible en un repositorio de acceso público. Resultados. El corpus de la red principal mostró que los términos sobre las enfermedades del corazón fueron los descriptores de condiciones médicas más concurrentes. A partir de las subunidades estructurales, se determinaron los patrones de información relacionada con las políticas públicas, los servicios de salud, los factores sociales determinantes y los factores de riesgo, pero con cierta tendencia a mantenerse indirectamente conectados con los nodos relacionados con condiciones médicas. Conclusiones. La evidencia científica indica que la disparidad por sexo sí importa para la calidad de la atención de muchas enfermedades, especialmente aquellas relacionadas con el sistema circulatorio. Sin embargo, aún se percibe un distanciamiento entre los factores médicos y los sociales que dan lugar a las posibles disparidades por sexo.

Abstract: Introduction: As an initiative to improve the quality of health care, the trend in biomedical research focused on health disparities and sex has increased. Objective: To carry out a characterization of the scientific evidence on health disparity defined as the gap between the distribution of health and the possible gender bias for access to medical services. Materials and methods: We conducted a simultaneous search of two fundamental descriptors in the scientific literature in the Medline PubMed database: healthcare disparities and sexism. Subsequently, a main semantic network was built and some structural subunits (communities) were identified for the analysis of information organization patterns. We used open-source software: Cytoscape to analyze and visualize the semantic network, and MapEquation for community detection, as well as an ad hoc code available in a public access repository. Results: The core network corpus showed that the terms on heart disease were the most common among the descriptors of medical conditions. Patterns of information related to public policies, health services, social determinants, and risk factors were identified from the structural subunits, but with a certain tendency to remain indirectly connected to the nodes of medical conditions. Conclusions: Scientific evidence indicates that gender disparity does matter for the care quality in many diseases, especially those related to the circulatory system. However, there is still a gap between the medical and social factors that give rise to possible disparities by sex.

Characterization of the self-perception of oral health in the Brazilian adult population / Caracterização da condição percebida de saúde bucal na população adulta brasileira

Abstract This article aims to perform an analysis of the factors that determine the self-perception of oral health of Brazilians, based on a multidimensional methodology basis. This is a cross-sectional study with data from a national survey. A household interview was conducted with a sample of 60,202 adults. Self-perception of oral health was considered the outcome variable and sociodemographic characteristics, self-care and oral health condition, use of dental services, general health and work condition as independent variables. The dimensionality reduction test was used and the variables that showed a relationship were submitted to logistic regression. The negative oral health condition was related to difficulty feeding, negative evaluation of the last dental appointment, negative self-perception of general health condition, not flossing, upper dental loss, and reason for the last dental appointment. The use of a multidimensional methodological basis was able to design explanatory models for the self-perception of oral health of Brazilian adults, and these results should be considered in the implementation, evaluation, and qualification of the oral health network.

Resumo O objetivo deste artigo é realizar uma análise dos fatores que determinam a autopercepção de saúde bucal dos brasileiros sob base metodológica multidimensional. Estudo transversal, com dados provenientes de inquérito em âmbito nacional. Foi realizada entrevista domiciliar com uma amostra de 60.202 adultos. Considerou-se a autopercepção de saúde bucal como variável desfecho e características sociodemográficas, de autocuidado e condição de saúde bucal, de utilização de serviços odontológicos, de condição de saúde geral e de trabalho como variáveis independentes. Empregou-se o teste de redução de dimensionalidade e as variáveis que apresentaram relação passaram pelo teste de regressão logística. A autopercepção negativa de saúde bucal apresentou-se relacionada à dificuldade para se alimentar, avaliação negativa do atendimento recebido durante a última consulta odontológica, autopercepção ruim da condição de saúde geral, não utilização de fio dental, perda dental superior e motivo da última consulta com o cirurgião dentista. A utilização de base metodológica multidimensional foi capaz de (re)desenhar modelos explicativos para a condição percebida de saúde bucal de adultos brasileiros, devendo, os seus resultados serem considerados na implementação, avaliação e qualificação da rede de saúde bucal.

Design of a geospatial model applied to Health management / La producción de un modelo geoespacial aplicado a la gestión de la salud / Concepção de um modelo geoespacial aplicado na gestão à saúde

ABSTRACT Objective: To identify geographically the beneficiaries categorized as prone to Type 2 Diabetes Mellitus, using the recognition of patterns in a database of a health plan operator, through data mining. Method: The following steps were developed: the initial step, the information survey. Development, construction of the process of extraction, transformation, and loading of the database. Deployment, presentation of the geographical information through a georeferencing tool. Results: As a result, the mapping of Paraná according to its health care network and the concentration of Type 2 Diabetes Mellitus is presented, enabling the identification of cause-and-effect relationships. Conclusion: It is concluded that the analysis of georeferenced information, linked to health information obtained through the data mining technique, can be an excellent tool for the health management of a health plan operator, contributing to the decision-making process in Health.

RESUMEN Objetivo: Identificar geográficamente a los beneficiarios categorizados como propensos a la enfermedad Diabetes mellitus tipo 2, utilizándose el reconocimiento de patrones en una base de datos de cierta compañía de seguro médico por medio de la minería de datos. Método: Se desarrollaron las siguientes etapas: fase inicial, levantamiento de información. Desarrollo, construcción del proceso de extracción, transformación y carga en la base de datos. Implantación, presentación de la información geográfica mediante la herramienta de georreferenciación. Resultados: Se presenta el mapeo de Paraná (Brasil) con relación a su red asistencial y la concentración de Diabetes mellitus tipo 2, proporcionando la identificación de las relaciones de causa-efecto. Conclusión: Se concluyó que el análisis de las informaciones georreferenciadas, vinculadas a las informaciones de salud obtenidas por la técnica de minería de datos, puede ser una excelente herramienta en la gestión de salud de cierta compañía de seguro médico, lo que contribuye al apoyo a la toma de decisiones en salud.

RESUMO Objetivo: Identificar geograficamente os beneficiários categorizados como propensos à doença Diabetes Mellitus Tipo 2, utilizando o reconhecimento de padrões em uma base de dados de uma operadora de plano de saúde, por meio da mineração de dados. Método: Desenvolveram-se as seguintes etapas: fase inicial, levantamento de informações. Desenvolvimento, construção do processo de extração, transformação e carga do banco de dados. Implantação, apresentação das informações geográficas por meio da ferramenta de georreferenciamento. Resultados: Como resultados, apresenta-se o mapeamento do Paraná em relação a sua rede assistencial e a concentração de Diabetes Mellitus Tipo 2, oportunizando a identificação de relações de causa-efeito. Conclusão: Conclui-se que a análise de informações georreferenciadas, vinculadas às informações de saúde obtidas por meio da técnica de mineração de dados, pode ser um excelente instrumento para a gestão da saúde de uma operadora de plano de saúde, contribuindo para o apoio à tomada de decisões em saúde.

Analysis of influencing factors of severity in acute pancreatitis using big data mining

SUMMARY OBJECTIVES To evaluate the epidemiological characteristics of acute pancreatitis (AP) and explore potential relationships between these factors and severity. METHODOLOGY Data-sets of 5,659 patients with AP from health statistics and the Information Center of Jiangsu province, between 2014 and 2016, were analyzed. A self-organizing map (SOM) neural network was used for data clustering. RESULTS Biliary acute pancreatitis (BAP) (86.7%) was the most frequent etiological factor. A total of 804 (14.2%) patients had severe acute pancreatitis (SAP). The mean age of patients was 53.7 + 17.3 (range 12~94y). Most of the AP patients were married (75.4%); 6% of mild /moderately severe AP (MAP/MASP) patients were unmarried, which was less than SAP patients (P=0.016). AP patients with blood type AB in the general population (8.8%) was significantly lower than that of AP cases (13.9%) (P=0.019) and SAP cases(18.7%) (P=0.007). The number of AP patients in southern Jiangsu was much higher than that in northern Jiangsu province, especially in Nanjing (1229, 21.7%). The proportion of acute alcoholic pancreatitis (AAP) in the north of Jiangsu (Xuzhou 18.4%) was much higher than that in southern Jiangsu (Suzhou 2.6%). The whole sample was divided into five classes by SOM neural network. If BAP patients were male, old, divorced, and blood type AB or B, they were more likely to develop SAP. Middle-age, unmarried or divorced male patients with blood type B/AB who suffered from HAP or AAP were also more likely to develop SAP. CONCLUSIONS The number of unmarried patients with MAP/MASP was smaller than that of SAP. Blood types AB and B were more frequent in AP, especially in SAP. The differences between southern Jiangsu and northern Jiangsu, in number of AP patients and the proportion of AAP, were significant. In class I and class IV, the ratio of SAP was much higher than in other classes and the whole sample.

Fatores que contribuem para a mortalidade infantil utilizando a mineração de dados / Factors that contribute to children ́s mortality assessed through data mining

Objetivo: complementar os fatores relacionados à mortalidade infantil. Método: foram utilizados os dados do Sistema de Informação sobre Nascidos Vivos e do Sistema de Informação de Mortalidade, do período de 2010 a 2014, de um município do Estado do Paraná. Foram extraídas estatísticas descritivas, e utilizado mineração de dados, por meio dos algoritmos J48 e NPP. Resultados: foram identificadas relações entre o baixo peso ao nascer e a idade gestacional; observou-se que mães com mais de um nascido morto tiveram crianças prematuras; não foram identificadas associações entre a escolaridade materna e a mortalidade infantil; destacam-se que 56,8% dos óbitos eram evitáveis, sendo a maioria reduzíveis por atenção adequada à mulher durante a gestação. Conclusão: são fatores relacionados à mortalidade infantil o baixo peso ao nascer, idade gestacional e anomalias, isso reforça a necessidade de políticas públicas voltadas à saúde materna e aos nascimentos prematuros.

To complement factors related to infant mortality. Data were retrieved from the Information System on Live Births and from the Information System of Mortality, between 2010 and 2014 in a municipality in the state of Paraná, Brazil. Descriptive statistics were taken and data mining was employed through algorithms J48 and NPP. Relationships between low weight at birth and pregnancy age were identified; it has been reported that mothers with more than one infant death had premature children; 56.8% of deaths were avoidable and lacked adequate care during pregnancy. Low weight at birth, pregnancy age and anomalies are factors related to infant mortality. Public policies towards mothers´ health and towards premature births are required.

Comparison of machine-learning algorithms to build a predictive model for detecting undiagnosed diabetes - ELSA-Brasil: accuracy study / Comparação de algoritmos de aprendizagem de máquina para construir um modelo preditivo para detecção de diabetes não diagnosticada - ELSA-Brasil: estudo de acurácia

ABSTRACT CONTEXT AND OBJECTIVE: Type 2 diabetes is a chronic disease associated with a wide range of serious health complications that have a major impact on overall health. The aims here were to develop and validate predictive models for detecting undiagnosed diabetes using data from the Longitudinal Study of Adult Health (ELSA-Brasil) and to compare the performance of different machine-learning algorithms in this task. DESIGN AND SETTING: Comparison of machine-learning algorithms to develop predictive models using data from ELSA-Brasil. METHODS: After selecting a subset of 27 candidate variables from the literature, models were built and validated in four sequential steps: (i) parameter tuning with tenfold cross-validation, repeated three times; (ii) automatic variable selection using forward selection, a wrapper strategy with four different machine-learning algorithms and tenfold cross-validation (repeated three times), to evaluate each subset of variables; (iii) error estimation of model parameters with tenfold cross-validation, repeated ten times; and (iv) generalization testing on an independent dataset. The models were created with the following machine-learning algorithms: logistic regression, artificial neural network, naïve Bayes, K-nearest neighbor and random forest. RESULTS: The best models were created using artificial neural networks and logistic regression. ­These achieved mean areas under the curve of, respectively, 75.24% and 74.98% in the error estimation step and 74.17% and 74.41% in the generalization testing step. CONCLUSION: Most of the predictive models produced similar results, and demonstrated the feasibility of identifying individuals with highest probability of having undiagnosed diabetes, through easily-obtained clinical data.

RESUMO CONTEXTO E OBJETIVO: Diabetes tipo 2 é uma doença crônica associada a graves complicações de saúde, causando grande impacto na saúde global. O objetivo foi desenvolver e validar modelos preditivos para detectar diabetes não diagnosticada utilizando dados do Estudo Longitudinal de Saúde do Adulto (ELSA-Brasil) e comparar o desempenho de diferentes algoritmos de aprendizagem de máquina. TIPO DE ESTUDO E LOCAL: Comparação de algoritmos de aprendizagem de máquina para o desenvolvimento de modelos preditivos utilizando dados do ELSA-Brasil. MÉTODOS: Após selecionar 27 variáveis candidatas a partir da literatura, modelos foram construídos e validados em 4 etapas sequenciais: (i) afinação de parâmetros com validação cruzada (10-fold cross-validation); (ii) seleção automática de variáveis utilizando seleção progressiva, estratégia "wrapper" com quatro algoritmos de aprendizagem de máquina distintos e validação cruzada para avaliar cada subconjunto de variáveis; (iii) estimação de erros dos parâmetros dos modelos com validação cruzada; e (iv) teste de generalização em um conjunto de dados independente. Os modelos foram criados com os seguintes algoritmos de aprendizagem de máquina: regressão logística, redes neurais artificiais, naïve Bayes, K vizinhos mais próximos e floresta aleatória. RESULTADOS: Os melhores modelos foram criados utilizando redes neurais artificiais e regressão logística alcançando, respectivamente, 75,24% e 74,98% de média de área sob a curva na etapa de estimação de erros e 74,17% e 74,41% na etapa de teste de generalização. CONCLUSÃO: A maioria dos modelos preditivos produziu resultados semelhantes e demonstrou a viabilidade de identificar aqueles com maior probabilidade de ter diabetes não diagnosticada com dados clínicos facilmente obtidos.

Suicide detection in Chile: proposing a predictive model for suicide risk in a clinical sample of patients with mood disorders

Objective: To analyze suicidal behavior and build a predictive model for suicide risk using data mining (DM) analysis. Methods: A study of 707 Chilean mental health patients (with and without suicide risk) was carried out across three healthcare centers in the Metropolitan Region of Santiago, Chile. Three hundred forty-three variables were studied using five questionnaires. DM and machine-learning tools were used via the support vector machine technique. Results: The model selected 22 variables that, depending on the circumstances in which they all occur, define whether a person belongs in a suicide risk zone (accuracy = 0.78, sensitivity = 0.77, and specificity = 0.79). Being in a suicide risk zone means patients are more vulnerable to suicide attempts or are thinking about suicide. The interrelationship between these variables is highly nonlinear, and it is interesting to note the particular ways in which they are configured for each case. The model shows that the variables of a suicide risk zone are related to individual unrest, personal satisfaction, and reasons for living, particularly those related to beliefs in one’s own capacities and coping abilities. Conclusion: These variables can be used to create an assessment tool and enables us to identify individual risk and protective factors. This may also contribute to therapeutic intervention by strengthening feelings of personal well-being and reasons for staying alive. Our results prompted the design of a new clinical tool, which is fast and easy to use and aids in evaluating the trajectory of suicide risk at a given moment.

Mineração de dados na identificação de padrões de mortalidade no Brasil de 1979 a 2013

Nos últimos 60 anos observou-se no Brasil um processo de transição demográfica e epidemiológica caracterizado por desigualdades regionais que proporcionou o aparecimento de padrões de mortalidade, gerando demandas de saúde específicas e representando um desafio para a saúde pública. As informações sobre mortalidade somam mais de 32 milhões de óbitos registrados no Sistema de Informação sobre e Mortalidade (SIM) que geralmente são analisados de maneira agregada e fragmentada. A mineração de dados é o instrumental preferencial para a identificação de padrões em grandes massas de dados e sua implementação junto ao grande volume de informações do SIM pode ajudar na compreensão do panorama amplo da mortalidade no país, subsidiando o desenvolvimento de políticas de saúde pública equitativas que possibilitem uma gestão mais efetiva do Sistema Único de Saúde. O objetivo desta tese é analisar padrões regionais e temporais da mortalidade no Brasil no período entre1979 e 2013. Trata-se de um estudo ecológico utilizando dados do SIM, do Censo e das Estimativas Populacionais do IBGE. As análises foram realizadas em três etapas, cada uma abordando diferentes indicadores de mortalidade, unidades de observação, períodos e métodos de análise. Na primeira foi analisada a evolução da mortalidade proporcional e do padrão etário de óbitos nas regiões, e das taxas de mortalidade segundo grupos de causa e causas selecionadas nas unidades da federação. Na segunda foi analisada a evolução das taxas de mortalidade segundo causas selecionadas e dos indicadores sociais, econômicos e demográficos, nas microrregiões e a correlação entre eles. Na terceira foram implementadas técnicas de mineração de dados nas informações individuais do SIM...

In the last 60 years a demographic and epidemiological transition process has been observedin Brazil, resulting in mortality patterns that generate specific health demands that arechallenges to public health. Mortality informations accounts more than 32 million registereddeaths in the Mortality Information System (SIM), generally analyzed in aggregate andfragmented approachs. Data mining is the preferred tool to identify patterns in big data setsand the implemetation of this techniques in the large information volume from SIM can helpto understand the big picture of mortality in Brazil, guiding equity health policiesdevelopment and allowing effective management of SUS. The objective of this thesis isanalyze regional and temporal patterns of mortality in Brazil between 1979 and 2013. This isa Ecological study using data from the SIM, Census and Population Estimatives of IBGE. Theanalysis was performed in three stages, addressing different mortality indicators, observationunits, periods and analysis methods. The first one was the proportional mortality evolutionand the death age in regions,the mortality rates by groups and selected causes in the federationunits. The second one was the mortality rates evolution by selected causes and social,economic and demographic indicators by microregions and the correlation between them. Inthe third, data mining techniques were implemented in SIM individual information...

Sistema preditivo para a doença de Alzheimer na triagem clínica / System predictive for Alzheimer's disease in clinical trial / Predictivo Sistema para la enfermedad de Alzheimer en ensayo clínico

Objetivo: Descrever uma aplicação que, utilizando-se de técnicas de mineração de dados, visa auxiliar os especialistas no processo de diagnóstico de pacientes com suspeita clínica de Alzheimer atendidos pelo Centro de Alzheimer e Parkinson no município de Campos dos Goytacazes/RJ. Método: Aplicação de técnicas relacionadas à etapa de pré-processamento dos dados, de classificação (naïve bayes, redes bayesianas e árvores de decisão) com avaliação dos resultados a partir do uso da validação cruzada estratificada k-fold, cujas implementações estão disponíveis na ferramenta Weka. Resultado: Observou-se os resultados numéricos dos modelos de acordo com as métricas: acurácia, taxa de erro, sensibilidade, taxa de falsos positivos e taxa de falsos negativos, obtendo-se as taxas de 73,8%, 26,2%, 76,3%, 27,4%, 23,7%, respectivamente. Conclusão: Verificou-se que os classificadores bayesianos, em especial redes bayesianas, apresentaram os melhores resultados para o diagnóstico da doença de Alzheimer a partir das métricas supracitadas.

Objective: Describe an application that uses data mining techniques and aims to support those specialists in the Alzheimer diagnostic process which assist patients in the Alzheimer's and Parkinson's Center, located in the city of Campos dos Goytacazes, Brazil. Methods: Application of methods related with data pre-processing, classification (naïve bayes, bayesian networks and decision trees) using k-fold method for results evaluation, whose implementations are available in the Weka tool. Results: The obtained results related to the accuracy of the models were: accuracy - 73.8%; error rate ­ 26.2%; sensitivity ­ 76.3%; false positive rate - 27.4%; and false negative rate - 23.7%. Conclusion: The Bayesian classifiers, more specifically Bayesian networks, presented best results for the diagnosis of Alzheimer.

Objetivo: Describir una aplicación que utiliza técnicas de minería de datos, con objetivo de ayudar a los expertos en el diagnóstico de pacientes con sospecha de enfermedad de Alzheimer, que son atendidos en el Centro de Alzheimer y Parkinson en el municipio de Campos dos Goytacazes, Brasil. Método: Aplicación de técnicas para el procesamiento previo de los datos, la clasificación (naïve Bayes, redes bayesianas y rboles de decisión), aplicando el método k-fold en la evaluación de los resultados, cuyas implementaciones están disponibles en la herramienta Weka. Resultado: Los resultados obtenidos en relación con la exactitud de los modelos fueron: precisión ­ 73,8%; tasa de error - 26,2%; Sensibilidad ­ 76.3%; tasa de falsos positivos - 27,4%; y tasa de falsos negativos ­ 23,7%. Conclusión: Los clasificadores bayesianos, más concretamente redes bayesianas, presentaran mejores resultados para el diagnóstico de la enfermedad de Alzheimer.

Mineração de dados no enfrentamento da transmissão vertical da sífilis / Data mining for coping mother-to-child syphilis transmission

Este artigo objetiva identificar, por meio da Mineração de Dados, informações que auxiliem nas estratégias para o enfrentamento da transmissão vertical da sífilis em Curitiba-PR. Trata-se de estudo transversal, exploratório,bibliográfico e documental. Foi construída uma base de dados, proveniente dos Sistemas de Informação em Saúde: SINAN, SINASC e SCNES, e utilizada a tarefa de classificação nos experimentos de Mineração de Dados. Dentre os fatores associados ao tratamento inadequado da gestante destacam-se aqueles relacionados à falha na assistência ao pré-natal: ausência de realização de pré-natal, diagnóstico realizado em tempo inoportuno, falta de sensibilização do parceiro para o tratamento e não realização de tratamento. Também foi possível identificar falhas nos registros, com preenchimento inadequado, inconsistente ou de baixa qualidade. Os resultados obtidos sugerem a necessidade de sensibilização e capacitação dos profissionais de saúde no que diz respeito à assistência ao pré-natal, bem como no registro de dados referentes a esta assistência.

This paper aims to identify, with Data Mining, characteristics and standards that can help to confront mother-to-child transmission of syphilis in Curitiba-PR. It is a transversal, exploratory, bibliographical and documentary study. A database was created, from three Health Information Systems - SINAN, SINASC e SCNES, and it was used classification task in experiments of Data Mining. Among the factors associated with pregnant women's inappropriate treatment there are those related to gaps in antenatal car: lack of realization of antenatal care, late diagnosis, lack of pregnant women's partner awareness of the treatment and not undertaking treatment. It was also possible to identify failure in records, with inadequate filling records, inconsistent or with poor quality. Results suggest the need for sensitization and training of health professionals related to antenatal care, including records relating to this assistance.

DendroIDH: agrupando cidades por semelhança de indicadores / DendroHDI: clustering cities by similarity indicators / DendroIDH: intercalación de ciudades por indicadores de similitud

OBJETIVO: as cidades inteligentes estão surgindo mediante a necessidade de otimização de recursos e ampliação do bem-estar dos seus habitantes. Atualmente não existem dados claros sobre como comparar cidades inteligentes com base em indicadores que utilizem dados públicos, principalmente na área de Saúde. MÉTODO: este trabalho propõe a utilização de indicadores de IDH para comparar estatisticamente e agrupar cidades com semelhança de indicadores, e assim, oferecer aos seus gestores, a possibilidade de adotar estratégias de gestão baseadas em visualização de dados dispostos em dendrogramas. RESULTADO: foram realizados cálculos com a utilização de uma ferramenta estatística embases de dados públicas para obter dendrogramas de dados. CONCLUSÃO: o agrupamento de cidades por semelhança de indicadores se mostrou promissor para comparar e medir cidades com semelhantes características.

OBJECTIVE: Smart cities are emerging by the need to optimize resources and expansion of the welfare of its inhabitants. Currently there are no clear data on how to compare smart cities based on indicators using public data, especially in the health area. METHOD: this paper proposes the use of HDI indicators to compare statistically and grouptowns with similar indicators, and thus, offer its managers, the possibility of adopting management strategies based on data visualization arranged in dendrograms. RESULT: Calculations were performed using a statistical tool in public databases for dendrograms data. CONCLUSION: the grouping of cities by similarity indicators showed promise to compareand measure cities with similar characteristics.

Componente web para el análisis de información clínica usando la técnica de Minería de Datos por agrupamiento / Web component for the analysis of clinical information using the technique of clustering data mining

La digitalización de los diferentes procesos y la automatización de los servicios generan grandes volúmenes de información. La Minería de Datos (MD) es una técnica de Inteligencia Artificial que permite encontrar la información no trivial que reside en los datos almacenados. La presente investigación pretende desarrollar una vista de análisis para el Sistema Integral para la Atención Primaria de Salud (SIAPS), usando la técnica de agrupamiento enmarcada en el algoritmo Simple K-Means, con el objetivo de realizar un análisis de la información clínica de los pacientes; para ello se plantea la extracción del conocimiento del almacén de datos alimentado del repositorio de historias clínicas electrónicas. La investigación se sustenta en la herramienta de libre distribución WEKA, esta funciona de forma aislada al SIAPS; la interfaz, así como las vistas, modelos e informes generados por WEKA en ocasiones resultan de difícil comprensión por los profesionales de la salud, los que no necesariamente tienen que poseer conocimientos avanzados de las nuevas tecnologías de la información. Para el desarrollo de la solución se empleó el lenguaje de programación Java 1.6, como servidor de aplicación JBoss 4.2 y Eclipse 3.4 como plataforma de desarrollo, como Sistema Gestor de Bases de Datos PostgreSQL 8.4 y SEAM como framework de integración. Durante todo el proceso se hizo uso de la plataforma Java Enterprise Edition 5.0. Como resultado se espera obtener una vista de análisis que facilite la comprensión de los modelos generados, apoyando de esta forma el proceso de toma de decisiones clínicas(AU)

The digitization of the different processes and automation services generate large volumes of information. Data mining (DM) is an artificial intelligence technique that allows finding non-trivial information residing in stored data. This research aims to develop a view of analysis for the Integral System for Primary Health Care (SIAPS), using grouping technique framed on Simple K-Means algorithm, with the goal of completing an analysis of the patients' clinical information, for it raises the extraction of knowledge from data warehouse powered by the repository of electronic medical records. The research is based on the free distribution tool WEKA, it works in isolation of SIAPS, the interface, as well as the views, models and reports generated by WEKA are sometimes difficult to understand by health professionals, who do not necessarily have to possess advanced knowledge of new information technologies. For the development of the solution was used Java 1.6 as a programming language, JBoss 4.2 as the application Server and Eclipse 3.4 as a development platform. PostgreSQL 8.4 was used as Database Management System and the integration framework SEAM. Java Enterprise Edition 5.0 platform was used during the whole process. An analysis view to facilitate the understanding of the generated models is expected as a result, to support the process of making clinical decisions(AU)

Adolescentes y consumo nocivo de alcohol: Chile 2009: mirando a las políticas públicas / Proposing a data mining scaffolding for preventing harmful alcohol consumption in Chilean adolescents

Background: Adolescent alcohol and drug consumption are important public health problems in the Chilean young population. Aim: The purpose of this study was to examine the potential ofa data mining approach in scaffolding policy making, using the particular case of differential risks of harmful alcohol consumption in adolescent students. Material and Methods: Index and control groups were composed by 7918 and 7138 participants respectively (drawn from a CONACE survey 2009), aged 16 ± 2 years, 52% mole. Heavy drinking at last month was the independent variable. As dependent variables parenting style, peer group influence, age and sex were used. For data analysis, a data mining approach was applied (CART, SPSS version 15). Results: The peer group influence was the main discriminant variable in males and the total sample, proving to be the only relevant variable in the case of women. The results suggest how a data mining approach may be useful in order to develop a hard data scaffolding for making and implementing policies in general andpolicies addressing adolescent alcohol consumption in particular.