Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Saldanha, Raphael de Freitas |
| Orientador(a): |
Barcellos, Christovam de Castro,
Pedroso, Marcel de Moraes |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Link de acesso: |
https://www.arca.fiocruz.br/handle/icict/48229
|
Resumo: |
Termos como big data e ciência de dados ganharam visibilidade nas últimas décadas, sendo em geral associados aos desafios de análise de grandes bases de dados. Pretende-se com este trabalho reunir teorias e métodos da Ciência de Dados em Saúde como uma contribuição à Saúde Pública, estudando o ciclo de geração e disseminação de informação em saúde e aplicar técnicas de coleta, extração e visualização de dados com métodos de ciência de dados. Partindo de uma perspectiva histórica, a relação entre dados e saúde foi visitada, apresentando um novo paradigma da ciência de dados em saúde, considerando as possibilidades hibridas de uma ciência theory & data driven para a Saúde Pública. Os métodos e modelos de processo de ciência de dados, especificamente o KDD, SEMMA e CRISP-DM, foram explorados criticamente. Avaliando seus pontos em comum, um novo modelo de processos denominado KDD-PH (Knowledge Discovery in Databases for Public Health) foi proposto, sugerindo etapas específicas para um modelo de processos de ciência de dados para a pesquisa em saúde pública. Produções acadêmicas autorais foram apresentadas como resultados da aplicação prática destes métodos. |
