Previsão de readmissões oncológicas: uma abordagem de aprendizado de máquina usando Banco de dados MIMIC-IV-ED

Silva, Rayssa Nascimento da

DSpace Home
→
Centro de Ciências Exatas e Tecnologia (CCET)
→
Informática Aplicada
→
INAP - Dissertações de Mestrado
→
View Item

dc.contributor.advisor	Garcia, Ana Cristina Bicharra
dc.contributor.author	Silva, Rayssa Nascimento da
dc.date.accessioned	2026-05-15T17:23:09Z
dc.date.available	2026-05-15T17:23:09Z
dc.date.issued	2025-09-15
dc.identifier.citation	SILVA, Rayssa Nascimento da. Previsão de readmissões oncológicas: uma abordagem de aprendizado de máquina usando Banco de dados MIMIC-IV-ED. 75f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro, Rio de Janeiro, 2025.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/15133
dc.description.sponsorship	n/a	pt_BR
dc.language.iso	Portuguese	pt_BR
dc.rights	openAccess	pt_BR
dc.title	Previsão de readmissões oncológicas: uma abordagem de aprendizado de máquina usando Banco de dados MIMIC-IV-ED	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.referee	Garcia, Ana Cristina Bicharra
dc.contributor.referee	Moraes, Laura de Oliveira Fernandes
dc.contributor.referee	Mello, Carlos Eduardo Ribeiro de
dc.degree.department	CCET	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Mestrado Acadêmico	pt_BR
dc.degree.local	Rio de Janeiro,RJ	pt_BR
dc.degree.program	Programa de Pós-Graduação em Informática	pt_BR
dc.subject.cnpq	CIÊNCIAS EXATAS E DA TERRA.CIÊNCIA DA COMPUTAÇÃO	pt_BR
dc.subject.en	Machine Learning	pt_BR
dc.subject.en	Oncology	pt_BR
dc.subject.en	Hospital Readmission	pt_BR
dc.subject.en	MIMIC-IV-ED Database	pt_BR
dc.subject.en	Health Prediction	pt_BR
dc.description.abstracten	This dissertation investigates the use of Machine Learning algorithms to predict the readmission of oncology patients within 30 days after discharge from the emergency department. Using the large-scale MIMIC-IV-ED database, the research analyzes clinical variables (such as vital signs) and demographics to identify risk patterns. The work proposes a classification system that integrates ICD (International Classification of Diseases) codes and race/ethnicity data to increase prediction accuracy. The results demonstrate that predictive models can assist hospital management in the early identification of vulnerable patients, allowing for preventive interventions that improve prognosis and reduce the burden on the healthcare system.	pt_BR
dc.degree.country	Brasil	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	Esta dissertação investiga o uso de algoritmos de Aprendizado de Máquina para prever a readmissão de pacientes oncológicos num período de 30 dias após a alta do setor de emergência. Utilizando o banco de dados de larga escala MIMIC-IV-ED, a pesquisa analisa variáveis clínicas (como sinais vitais) e demográficas para identificar padrões de risco. O trabalho propõe um sistema de classificação que integra códigos CID (Classificação Internacional de Doenças) e dados de raça/etnia para aumentar a precisão das previsões. Os resultados demonstram que modelos preditivos podem auxiliar a gestão hospitalar na identificação precoce de pacientes vulneráveis, permitindo intervenções preventivas que melhoram o prognóstico e reduzem a sobrecarga do sistema de saúde.	pt_BR
dc.subject.pt	Aprendizado de Máquina	pt_BR
dc.subject.pt	Oncologia	pt_BR
dc.subject.pt	Readmissão Hospitalar	pt_BR
dc.subject.pt	Banco de Dados MIMIC-IV-ED	pt_BR
dc.subject.pt	Predição em Saúde	pt_BR