Mineração de dados no apoio à gestão em saúde materno-infantil

• Nakamura, Cristiane Yumi ^[1] ; Cesario, Everton Osnei ^[1] ; Tatim Farhat, Lorena Maria ^[1] ; Moysés, Simone Tetu ^[1] ; Ribeiro Carvalho, Deborah ^[1]
  1. [1] Pontifícia Universidade Católica do Paraná

     Pontifícia Universidade Católica do Paraná

     Brasil

     
• Localización: Revista Brasileira de Pesquisa em Saúde - RBPS, ISSN-e 2446-5410, Vol. 21, Nº. 4, 2019, págs. 144-155
• Idioma: portugués
• Títulos paralelos:
  • The use of data-mining to support maternal and child health management
• Enlaces
  • Texto completo
• Resumen
  • English

    Introduction: Data mining (DM) is part of KDD (Knowledge Discovery in Database), which is a computational process focused on discovering new, valid and useful knowledge in databases in order to substantiate decision-making processes. Objective: The aim of the current integrative review is to investigate the potential use of DM to support maternal and child health management processes. Methods: Search process was adapted from the PRISMA method and applied to BVS, PubMed, Scopus (Elsevier) and IEEE Xplore repositories based on MeSH® terms such as “data mining” AND health AND child* OR maternal OR pregnant*. Results: Twenty-nine documents were included in the study: nine of them confirmed previous findings, ten focused on investigating models’ accuracy (lack of discussion with previous studies) and ten reported understandable, valid, new and useful results – associations between new chemical elements and ozone on asthma, between specific Australian ethnicity and stillbirth, between Indian American race and prematurity, between vaccination and prematurity, between geriatric pregnancy and low prenatal adherence, among others. Conclusion: Results have indicated DM’s potential to support maternal and child health management processes, mainly in interdisciplinary domains. A gap was identified between DM use and the effective application of its results.

  • português

    Introdução: A Mineração de Dados (MD) é uma etapa do Knowledge Discovery in Database (KDD), processo computacional que visa a descobrir conhecimentos novos, válidos e úteis em base de dados, fornecendo subsídios para a tomada de decisão. Objetivo: Verificar o potencial do uso da MD para apoio à gestão em saúde materno-infantil. Métodos: Busca adaptada do método PRISMA, realizada nos repositórios BVS, PubMed, Scopus (Elsevier) e IEEE Xplore, utilizando os descritores “data mining” AND health AND child* OR maternal OR pregnan*. Resultados: Foram incluídos 29 documentos, dos quais nove corroboraram a literatura, dez focaram a acurácia do modelo e dez encontraram resultados compreensíveis, válidos, novos e úteis, como associação de novos elementos químicos ao ozônio e asma, grupo étnico australiano e natimortalidade, raça indígena americana e prematuridade, vacinação e prematuridade, gestantes idosas e baixa adesão ao pré-natal. Conclusão: Os resultados demonstraram o potencial do uso da MD para apoio à gestão, especialmente quando a interdisciplinaridade se faz presente. Identificou-se uma lacuna entre o uso da MD e a aplicação efetiva dos seus resultados.