Visualização de distribuições de dados complexos provenientes de fontes heterogêneas

• Ano de defesa: 2023
• Autor(a) principal: Martins, Natalia de Fatima
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Dados heterogêneos; Data Visualization; Eletronic health records EHR; Heterogeneous data; OMOP CDM; Registros médicos EHR; Similaridade; Similarity; Visualização de dados
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-05062023-101705/

Os Sistemas de Gerenciamento de Bases de Dados (SGBD) baseados na Teoria Relacional foram desenvolvidos para atender às necessidades de armazenagem e recuperação de dados representados por valores numéricos, datas e pequenas cadeias de caracteres, chamados genericamente de dados escalares. Consultas sobre dados escalares são feitas por comparações baseadas em relações de identidade ou relações de ordem. Com a evolução da tecnologia da informação, se faz necessário organizar, armazenar e recuperar outros tipos de dados, tais como imagens, vídeos, séries temporais, sequências genômicas etc. A esses, nos referimos como dados complexos, porque eles não são comparados diretamente, mas por meio de funções de extração de características aplicadas sobre os dados. Portanto, uma vez extraídas, as características são utilizadas no lugar dos dados originais para executar as comparações. Considerando, ainda, a crescente e genuína necessidade de se analisar grandes volumes de dados de diferentes e diversas áreas do conhecimento, em destaque, a área médica, objeto deste trabalho e avaliando as inerentes limitações das técnicas mais frequentes, apresentamos, neste trabalho, uma abordagem alternativa, utilizando ferramentas de visualização (Tableau) para avaliar e gerar insights sobre objetos complexos (pacientes) através da modelagem de EHR (Eletronic Health Records) disponibilizados pelo Hospital do Coração (InCor). Estes, por sua vez, estão armazenados sobre o padrão OMOP, uma arquitetura de dados Entidade-valor-Atributo que também é desafiadora para analistas e outros profissionais da área de dados. O resultado deste trabalho é apresentar um caminho prático e aplicável que oferece benefícios potenciais tanto para técnicas de avaliação de objetos complexos quanto para descoberta de conhecimento na área médica.