Detalhes bibliográficos
Ano de defesa: |
2017 |
Autor(a) principal: |
Veiga, Rafael Valente
 |
Orientador(a): |
Barbosa, Helio José Corrêa
 |
Banca de defesa: |
Goliatt, Priscila Vanessa Zabala Capriles
,
Oliveira, Itamar Leite de
,
Augusto, Douglas Adriano
,
Alves, Marcelo Ribeiro
 |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Juiz de Fora (UFJF)
|
Programa de Pós-Graduação: |
Programa de Pós-graduação em Modelagem Computacional
|
Departamento: |
ICE – Instituto de Ciências Exatas
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
https://repositorio.ufjf.br/jspui/handle/ufjf/5448
|
Resumo: |
Nas últimas décadas os casos de asma e demais doenças alérgicas tiveram grande aumento em todo o mundo, sendo atualmente um grande problema de saúde pública. As causas do aumento da prevalência destas patologias são desconhecidas, porém a hipótese mais aceita é que seja oriunda da redução de infecções na infância como consequência da recente melhora nas condições de higiene. Esta redução das infecções pode levar ao desenvolvimento anômalo do sistema imune, aumentando assim a chance de desenvolver alergias e a asma. Tanto a asma como as demais alergias são patologias complexas, causadas por fatores genéticos e ambientais, de modo que o uso de ferramentas computacionais, tais como a programação genética podem contribuir para a compreensão destas doenças. Aplicou-se a técnica de Programação Genética Gramatical Multiobjetivo (MGGP) em dados obtidos de um coorte de 1445 crianças entre 4 e 11 anos para gerar modelos os quais possam representar como as relações entre infecções e ambiente podem explicar o desenvolvimento de atopia e asma. Para avaliar a presença de asma foi usado um questionário do ISAAC fase II e para avaliar atopia foram realizadas medições de anticorpos IgE contra alérgenos comuns e teste de reatividade cutânea. Os resultados obtidos mostram que os modelos gerados pela MGGP apresentam desempenho em acurácia competitivos aos obtidos pelo algoritmo C4.5 e regressão logística múltipla para os diferentes desfechos. Os resultados obtidos pela MGGP são de fácil interpretação, e capazes de encontrar relações complexas relevantes para o entendimento destas patologias, sendo assim, a MGGP é uma poderosa ferramenta para ajudar a compreender essas condições. |