Data Mining do modelo de previsão dos métodos de controlo da diabetes

Abstract

A “Era da informação digital” é uma realidade nos tempos atuais, permitindo que a informação esteja acessível a todos, disponível a qualquer hora e em qualquer lugar. Nas organizações, continuam a existir várias dificuldades para tratar o volume de dados recolhidos nas diversas iterações e níveis, bem como nas vertentes de atuação. O processo de extração de dados é importante para o Data Mining, para a recolha de dados de forma organizada e orientada, para o desenvolvimento de algoritmos. Neste contexto, a gestão do conhecimento representa para as organizações a possibilidade de ter informação orientada para o desenvolvimento de estratégias e a obtenção de vantagens competitivas. Para as organizações, em particular na área da saúde, é importante a utilização de tecnologias e técnicas para processar os dados de forma rápida e automatizada, auxiliando as organizações no processo de tomada de decisão. Na presente dissertação propõe-se apresentar um modelo de suporte para a análise do registo de utentes com Diabetes Mellitus tipo 2 com recurso ao Data Mining. Esta tecnologia permite tratar volumes de dados de forma organizada, localizando padrões, para realizar conexões, correlações ou anomalias numa grande quantidade de dados, permitindo encontrar problemas, hipóteses e oportunidades de forma coerente, bem como gerar insights vantajosos para a classificação e previsão do registo de utentes com Diabetes Mellitus tipo 2 nos Agrupamentos de Centros de Saúde (ACES). A metodologia de investigação utilizada, Design Science Research, conduziu à formalização de uma estratégia para o tratamento de dados recolhidos e a gestão do conhecimento com recurso ao Data Mining para a construção de um modelo de suporte à análise da diabetes. Palavras-chave : Data Mining, Design Science Research

The “Digital Information Age” is a reality today, allowing information to be accessible to everyone, available anytime and anywhere. In organizations, several difficulties remain in processing the volume of data collected in different iterations and at different levels and aspects of action. The data extraction process is important for Data Mining, collecting data in an organized and targeted way, to use in the development of algorithms. In this context, knowledge management represents for organizations the possibility of having information aimed at developing strategies and obtaining competitive advantages. For organizations, particularly in the healthcare sector, it is important to use technologies and techniques to process data quickly and automatically, assisting organizations in the decision-making process. In this dissertation we propose the presentation of a support model for analyzing the registry of users with type 2 Diabetes Mellitus with support for Data Mining. This technology allows the processing of data volumes in an organized way, to locate patterns, making connections, correlations, or anomalies in a large amount of data, allowing the discovery of problems, hypotheses and opportunities in a coherent way, as well as generating advantageous insights for classifying and forecasting the registration of users with type 2 Diabetes Mellitus in Health Center Groups (ACES). The research methodology used, Design Science Research (DSR), led to the formalization of a strategy for processing collected data and managing knowledge using Data Mining to build a model to support diabetes analysis. Keywords : Data Mining, Design Science Research