Using Predictive Classifiers to Prevent Infant Mortality in the Brazilian Northeast
2017
Luiz Odorico Monteiro de Andrade, Ronaldo Fernandes Ramos, Antonio Mauro Barbosa de Oliveira
Abstract: Despite the fact that infant mortality rates havebeen decreased in recent years, this issue stills being considered alarming to Brazilian health system indicators. In this context,the GISSA framework, an intelligent governance framework for Brazilian health system, emerges as a smart system for the Federal Government program, called Stork Network. Its main objective is to improve the healthcare for pregnant women as well as their newborns. This application aims to generate alerts focusing on the health status verification of newborns and pregnant woman to support decision-makers in preventive actions that may mitigate severe problems. Therefore, this paper presents the LAIS, an Intelligent health analysis system that uses data mining (DM) to generate newborns death risk alerts through probability-based methods. Results show that the NaıveBayes classifier presents better performance than the other DM approaches to the used pregnancy data set analysis of this work. This approach performed an accuracy of 0.982 and a Receiver Operating Characteristic (ROC) Area of 0.921. Both indicators suggest the proposed model may contribute to the reduction of maternal and fetal deaths.
Resumo: Apesar das taxas de mortalidade infantil terem diminuído nos últimos anos, essa questão ainda é considerada alarmante para os indicadores do sistema de saúde brasileiro. Nesse contexto, o framework GISSA, uma estrutura de governança inteligente para o sistema de saúde brasileiro, surge como um sistema inteligente para o programa do Governo Federal, denominado Rede Cegonha. Seu principal objetivo é melhorar os cuidados de saúde para mulheres grávidas, bem como seus recém-nascidos. Esta aplicação visa gerar alertas com foco na verificação do estado de saúde de recém-nascidos e gestantes para apoiar os tomadores de decisão em ações preventivas que possam mitigar problemas graves. Portanto, este artigo apresenta o LAIS, um sistema inteligente de análise de saúde que utiliza mineração de dados (DM) para gerar alertas de risco de morte de recém-nascidos por meio de métodos baseados em probabilidade. Os resultados mostram que o classificador NaıveBayes apresenta melhor desempenho do que as outras abordagens DM para a análise do conjunto de dados de prenhez utilizado neste trabalho. Esta abordagem apresentou uma precisão de 0,982 e uma área de característica de operação do receptor (ROC) de 0,921. Ambos os indicadores sugerem que o modelo proposto pode contribuir para a redução dos óbitos maternos e fetais.