Array
(
    [responseDate] => 2023-12-18T00:17:14Z
    [request] => https://ojs.uel.br/revistas/uel/index.php/informacao/oai
    [GetRecord] => SimpleXMLElement Object
        (
            [record] => SimpleXMLElement Object
                (
                    [header] => SimpleXMLElement Object
                        (
                            [identifier] => oai:ojs.pkp.sfu.ca:article/16018
                            [datestamp] => 2015-12-21T22:34:02Z
                            [setSpec] => Array
                                (
                                    [0] => informacao:ART
                                    [1] => driver
                                )

                        )

                    [metadata] => SimpleXMLElement Object
                        (
                            [dc] => SimpleXMLElement Object
                                (
                                    [title] => Uso de Técnicas de Mineração de Dados para a Identificação Automática de Beneficiários Propensos ao Diabetes Mellitus Tipo 2
                                    [creator] => Array
                                        (
                                            [0] => Carvalho, Deborah Ribeiro
                                            [1] => Dallagassa, Marcelo Rosano
                                            [2] => da Silva, Sandra Honorato
                                        )

                                    [subject] => Recuperação da informação
                                    [description] => Introdução:As empresas de saúde armazenam uma grande quantidade de dados visando fundamentalmente o controle administrativo, pagamentos das contas médicas, etc., não havendo obrigatoriedade do preenchimento de dados clínicos epidemiológicos, entre os quais o CID – Código Internacional de Doenças. Este tipo de prática dificulta a identificação de possíveis enfermidades de seus beneficiários, a partir da utilização de técnicas de extração de informação tradicionais, e consequentemente, a implantação de programas de prevenção de doenças e de promoção da saúde.Objetivo: Portanto, esse artigo propõe um modelo baseado em técnicas de mineração de dados para a identificação automática de beneficiários com propensão a doenças crônicas. Metodologia: Metodologicamente esse modelo compreende as seguintes etapas: identificação inicial das variáveis e respectivas análises; seleção das variáveis a serem utilizadas e preparadas; mineração de dados e validação das regras descobertas por especialistas. Objetivando testar o modelo proposto foi realizado um experimento voltado ao reconhecimento de indivíduos com propensão ao diabetes mellitus tipo 2.Resultados: Para o processo de mineração de dados foram selecionadas 12 variáveis, considerando um conjunto de 43.375 beneficiários, sendo descobertas 843 regras, com uma taxa de acerto de 88,9%. Dentre essas 843 regras foram selecionadas seis para serem avaliadas por quatro especialistas.Conclusões: Essa avaliação concluiu pela eficácia do modelo, com um grau de concordância da ordem de 89,6%.
                                    [publisher] => Universidade Estadual de Londrina
                                    [date] => 2015-12-21
                                    [type] => Array
                                        (
                                            [0] => info:eu-repo/semantics/article
                                            [1] => info:eu-repo/semantics/publishedVersion
                                        )

                                    [format] => application/pdf
                                    [identifier] => Array
                                        (
                                            [0] => https://ojs.uel.br/revistas/uel/index.php/informacao/article/view/16018
                                            [1] => 10.5433/1981-8920.2015v20n3p274
                                        )

                                    [source] => Array
                                        (
                                            [0] => Informação & Informação; v. 20 n. 3 (2015); 274 - 296
                                            [1] => 1981-8920
                                        )

                                    [language] => por
                                    [relation] => https://ojs.uel.br/revistas/uel/index.php/informacao/article/view/16018/17648
                                    [rights] => Copyright (c) 2021 Informação & Informação
                                )

                        )

                )

        )

)