Show simple item record

dc.contributor.advisorPisa, Ivan Torres [UNIFESP]
dc.contributor.authorMaciel, Rafael Fabio [UNIFESP]
dc.date.accessioned2015-07-22T20:49:25Z
dc.date.available2015-07-22T20:49:25Z
dc.date.issued2010-10-27
dc.identifier.citationMACIEL, Rafael Fabio. Aplicação de redes neurais artificiais em transplantes renais: classificação de nefrotoxicidade e rejeição celular aguda. 2010. Dissertação (Mestrado) - Universidade Federal de São Paulo (UNIFESP), São Paulo, 2010.
dc.identifier.urihttp://repositorio.unifesp.br/handle/11600/8957
dc.description.abstractBACKGROUND: Complications associated with kidney transplantation and immunosuppression can be prevented or treated effectively if diagnosed in early stages with monitoring post-transplant. OBJECTIVE: To present the results of comparison of automatic pattern classifiers using different techniques of artificial intelligence to predict events of nephrotoxicity and acute cellular rejection (RCA), with up to one year of renal transplantation METHODS: Statistical tests were performed on the prevalence and linear regression in variables regarding nephrotoxicity and RCA. We used different classifiers (neural networks, support vector machines (SVM), decision trees, Bayesian inference, and closest neighbors) in order to provide RCA and nephrotoxicity. The classifiers were evaluated according to the value of sensitivity, specificity and area under ROC curve (AUC). RESULTS: The prevalence of acute cellular rejection was 31.0% and 26.9% of nephrotoxicity. The technique had the highest sensitivity value prediction for the submission to the transplanted kidney biopsy was SVM (LIBSVM algorithm) with sensitivity rates of 0.87 (accuracy rate 79.86; specificity 0.70; AUC 0.79). The technique had the highest AUC for predicting nephrotoxicity and RCA was bayesian inference (NaiveBayes), with AUC rates of 0.8 (accuracy rate 75.92). CONCLUSION: The results are encouraging, with rates of trial and error consistent with the determination of acute cellular rejection and nephrotoxicity.en
dc.description.abstractINTRODUÇÃO: Complicações associadas ao transplante de rim e imunossupressão podem ser prevenidas ou tratadas efetivamente quando são diagnosticadas em fases iniciais com o monitoramento pós-transplante. OBJETIVO: Apresentar resultados da comparação de classificadores automáticos de padrões utilizando diferentes técnicas de inteligência artificial para prever eventos de nefrotoxicidade e rejeição celular aguda (RCA) com até um ano após o transplante renal. MÉTODOS: Foram analisados dados de 135 prontuários de pacientes submetidos a transplante renal no período de fevereiro de 2006 a junho de 2010 e realizados testes estatísticos de incidência e regressão logística nas variáveis em relação à nefrotoxicidade e RCA. Foram utilizados diferentes classificadores: redes neurais, support vector machines (SVM), árvores de decisão, inferência bayesiana e vizinhos mais próximos, com o objetivo de prever RCA e nefrotoxicidade. Os classificadores foram avaliados segundo o valor de sensibilidade, especificidade e área sob a curva ROC (AUC). RESULTADOS: A incidência de RCA foi de 31,0% e de nefrotoxicidade de 26,9%. A técnica que apresentou o melhor valor de sensibilidade para prever se há nefrotoxicidade ou RCA foi a SVM (algoritmo LIBSVM) com sensibilidade 0,87 (taxa de acerto 79,86%; especificidade 0,70; AUC 0,79). A técnica que apresentou o melhor valor de AUC para prever nefrotoxicidade ou RCA foi a de inferência bayesiana (algoritmo NaiveBayes) com AUC 0,80 (taxa de acerto 75,92%). CONCLUSÃO: Os resultados são animadores, com taxas de erro e acerto condizentes com a determinação de rejeição celular aguda e nefrotoxicidade.pt
dc.format.extent52 p.
dc.language.isopor
dc.publisherUniversidade Federal de São Paulo (UNIFESP)
dc.rightsAcesso aberto
dc.subjectMonitoramento de medicamentos/efeitos adversospt
dc.subjectReconhecimento de padrãopt
dc.subjectRedes neuraispt
dc.subjectMonitoring of drug/adverse effectsen
dc.subjectNeural networksen
dc.subjectPattern recognitionen
dc.subjectKidney transplantationen
dc.subjectTransplante renalpt
dc.titleAplicação de redes neurais artificiais em transplantes renais: classificação de nefrotoxicidade e rejeição celular agudapt
dc.title.alternativeApplication of Artificial Neural Networks in Kidney Transplantation: Classification of Nephrotoxicity and Acute Cellular Rejectionen
dc.typeDissertação de mestrado
dc.contributor.institutionUniversidade Federal de São Paulo (UNIFESP)
dc.identifier.fileDISSERTAÇÃO_Rafael Fábio Maciel.pdf
dc.description.sourceTEDE
unifesp.campusSão Paulo, Escola Paulista de Medicina (EPM)
unifesp.graduateProgramSaúde Coletiva - EPM


Files in this item

This item appears in the following Collection(s)

Show simple item record