<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns="http://purl.org/rss/1.0/" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel rdf:about="http://hdl.handle.net/10362/2897">
    <title>DSpace Collection:</title>
    <link>http://hdl.handle.net/10362/2897</link>
    <description />
    <items>
      <rdf:Seq>
        <rdf:li rdf:resource="http://hdl.handle.net/10362/5211" />
      </rdf:Seq>
    </items>
    <dc:date>2013-05-21T14:24:21Z</dc:date>
  </channel>
  <item rdf:about="http://hdl.handle.net/10362/5211">
    <title>O prognóstico em cirurgia abdominal: avaliação com redes neuronais</title>
    <link>http://hdl.handle.net/10362/5211</link>
    <description>Title: O prognóstico em cirurgia abdominal: avaliação com redes neuronais
Authors: Henriques, Joaquim Manuel Lopes
Abstract: A presente dissertação tem como propósito a definição das características de um modelo prognóstico,utilizando uma rede neuronal, em doentes com patologia Cirúrgica, internados num serviço de Cirurgia Geral.&#xD;
Para esse fim obtive dados clínicos, operatórios, o resultado da intervenção e o tempo de internamento pós-operatório em doentes submetidos a um leque amplo de intervenções de Cirurgia abdominal.&#xD;
Construí um sistema computacional baseado em redes neuronais, utilizando os paradigmas considerados mais adequados para o tipo de variável a prever.&#xD;
Analisei em seguida o desempenho dos modelos obtidos.&#xD;
Construí um programa capaz de recolher os dados clínicos e apresentar o resultado da sua avaliação pelas redes neuronais criadas, sem envolver o seu utilizador nos aspectos técnicos da manipulação das redes neuronais.&#xD;
Para cumprimento desta estratégia procurei atingir os seguintes objectivos:&#xD;
Recolher dados de identificação, manifestações clínicas, tipo de doença(s), diagnósticos, características da intervenção cirúrgica e resultado, referentes a um conjunto de doentes suficiente para a construção de uma rede neuronal, com o número de variáveis empregue.&#xD;
Construir uma base de dados com os elementos de informação assim obtidos.&#xD;
Eliminar todos os casos em que se verificou faltar um elemento de informação.&#xD;
Criar dois grupos de casos, mutuamente exclusivos, para construção e validação das redes neuronais.&#xD;
Criar, com base nos elementos diagnósticos e resultado, 7 grupos não exclusivos, para avaliação das redes criadas.&#xD;
Avaliar estatisticamente as características dos grupos criados, para os comparar e caracterizar.&#xD;
Proceder à escolha de um programa para criação de redes neuronais em função da variedade de paradigmas oferecidos, facilidade de utilização, uso diversificado em diversos ambientes e mercados e a&#xD;
possibilidade de aceder às redes criadas, através de uma linguagem de programação de alto nível.&#xD;
Construir três tipos de redes diferentes. Cada tipo de rede utilizando um algoritmo diferente e adequado ao tipo de variável que se deseja prever.&#xD;
Avaliar as redes no que se refere à sua sensibilidade, especificidade, capacidade discriminativa e calibração.&#xD;
Criar um programa,usando a linguagem de programação "Delphi"©, para captura de dados, articulação dos mesmos com as redes neuronais criadas e expressão dos resultados prognósticos; esse programa permite alterar os valores dos elementos clínicos e verificar a repercussão dessa alteração no prognóstico.</description>
    <dc:date>1998-01-01T00:00:00Z</dc:date>
  </item>
</rdf:RDF>

