Utilize este identificador para citar ou criar um atalho para este documento:
https://hdl.handle.net/10923/26218
Tipo: | Monografia |
Título: | Tool preditivo em diagnóstico de Alzheimer via regressão logística multivariada |
Autor(es): | Silveira, Artur Lima da |
Orientador: | Hauser, Eliete Biasotto |
Data de Publicação: | 2020 |
Palavras-chave: | MODELAGEM MATEMÁTICA REGRESSÃO LOGÍSTICA MULTIVARIADA ANÁLISE DE COMPONENTES PRINCIPAIS ALZHEIMER |
Resumo: | O objetivo deste trabalho é o desenvolvimento de uma metodologia para a criação de um instrumento de detecção da doença de Alzheimer através da análise de quarenta e duas variáveis que caracterizam uma amostra de quarenta e um pacientes voluntários do projeto Superidosos desenvolvido no Instituto do Cérebro do Rio Grande do Sul (InsCer). Para tanto, identificou-se quais variáveis da amostra são mais relevantes para explicar o fato de o paciente ter ou não a doença. Foram usados modelos de regressão logística multivariada e análise de componentes principais, assim como as técnicas de validação do modelo desenvolvido. Essa escolha fundamenta-se na literatura disponível a respeito de tools preditivos para diagnósticos de doenças, análise de riscos e outras áreas. A amostra caracteriza-se por testes cognitivos, informações clínicas e hábitos pessoais. Foram selecionados onze testes cognitivos para o modelo de regressão logística multivariada e os resultados obtidos indicam que os mesmos possuem forte correlação entre si. Na sequência, com análise de componentes principais, foi possível utilizar todos os onze testes, tornando-os estatisticamente significativos para estimar a probabilidade de o paciente ter a doença de Alzheimer. |
URI: | https://hdl.handle.net/10923/26218 |
Aparece nas Coleções: | TCC Matemática
|
Todos os itens no Repositório da PUCRS estão protegidos por copyright, com todos os direitos reservados, e estão licenciados com uma Licença Creative Commons - Atribuição-NãoComercial 4.0 Internacional. Saiba mais.