| Popis: |
Esta pesquisa tem por objetivo central a concepção de uma abordagem para predição de mortalidade em UTIs. Foi empregada uma coorte de 17.734 pacientes, provenientes do Banco de Dados MIMIC-III, sendo consideradas 12 variáveis preditoras de entrada e 7 métodos de Aprendizagem de Máquina. A melhor performance foi alcançada pelo método Gradient Boosting Classifier (GBC), que atingiu 0,53 de F1 score e 0,85 de AUC. A abordagem concebida viabiliza a geração de modelos robustos, capazes de detectar padrões ocultos, lidar com grandes quantidades de dados e ter maior poder de discriminação nas classificações. Os resultados são promissores e, em alguns casos, superiores a outras propostas identificadas na revisão de literatura. |
