Luis Enrique Zarate

Non-causal feature selection methods may introduce errors in assessing feature relevance because they rely on a single selection criterion, which can lead to spurious correlations. The current causality methods of feature selection consider only the features that compose the Markov blanket of one target variable (class) as relevant. That may lead to the disregard of other relevant features. We present a new algorithm, LUISA, based on causal relationships. This algorithm expands the Markov blanket to include indirect ancestors for a specific target variable or class. We test the algorithm on five perspectives using synthetic and real-world datasets. The experiments show that LUISA is representative and that it performs satisfactorily under uncertainty. In addition, the learning models demonstrated promising results when using the reduced dataset compared to the complete dataset and various feature non-causal and causal selection methods.

Este estudo utilizou mineração de dados para classificar indivíduos saudáveis e hipertensos com doenças cardiovasculares (HA + DCV) no Brasil, a partir da PNS 2019. Foram testados algoritmos como Árvore de Decisão, Floresta Aleatória e Naive-Bayes. Os modelos tiveram desempenho semelhante, com a Floresta Aleatória atingindo 97% de precisão e sensibilidade para identificar saudáveis. No entanto, a classificação de HA + DCV foi desafiadora, com menor sensibilidade, possivelmente devido à ausência de diagnósticos formais e fatores como estilo de vida. Os resultados evidenciam a importância de dados mais detalhados e longitudinais para melhorar a identificação de doenças crônicas.

Objetivo: este artigo propõe uma integração de fontes de dados disponíveis para criação de uma base de dados, em nível municipal, que permita a análise da prevalência da esquistossomose no estado de Minas Gerais, Brasil. Método: por meio de um processo para entendimento do domínio, foram identificadas as principais dimensões e aspectos (fatores) que podem influenciar a prevalência da doença em um município. O modelo conceitual gerado pelo processo de entendimento auxiliou o processo de integração de dados. Resultados: a base de dados integrada permitiu realizar análises descritivas para o estado, e são uma fonte para identificação de padrões dos municípios propensos à doença. Conclusões: A base de dados resultante possibilita a construção de modelos preditivos para a formulação de políticas públicas e de programas de intervenção municipal.

Objetivo: identificar fatores de risco para a doença pulmonar obstrutiva crônica na população brasileira. Método: por meio de um processo para descoberta de conhecimento, e modelos de aprendizado de máquina, identificar fatores de risco para a doença na população brasileira, baseado na Pesquisa Nacional em Saúde 2019. Resultados: o melhor modelo de aprendizado foi alcançado com o algoritmo Floresta Aleatória apresentando uma medida F1 de 75% para o conjunto de teste. Conclusões: a partir da análise do nível de importância dos principais fatores como asma, idade de risco, fumo anterior, índice de massa corpórea, risco domiciliar, dentre outros, destacaram-se os quatro primeiros como principais fatores de risco.

O Transtorno Obsessivo Compulsivo (TOC) é um sofrimento mental caracterizado pela presença de obsessões e compulsões que afetam significativamente a vida dos indivíduos, conforme descrito no manual DSM-5. Este trabalho explora a análise do TOC utilizando dados da Pesquisa Nacional de Saúde (PNS) 2019, abordando aspectos socioambientais e comportamentais. Utilizando o algoritmo Explainable Boosting Machine (EBM) e uma Árvore de Decisão, o estudo identifica variáveis relevantes para a classificação do TOC, demonstrando a influência de fatores socioambientais na identificação do transtorno. Resultados indicam melhorias nas métricas dos modelos com a inclusão dessas variáveis, assim como concordância com outros resultados da literatura.