Evaluating Classification Algorithms performance with Matlab for generating alerts of risk of infant death
2018
Luiz Odorico Monteiro de Andrade , Antonio Mauro Barbosa de Oliveira
Abstract: GISSA is an intelligent system for health decision making focused on childish maternal care. In this system, are generated alerts that involve the five health domains: clinicalepidemiological, normative, administrative, knowledge management and shared knowledge. The system proposes to contribute to the reduction of child mortality in Brazil. Thus, this paper presents studies over an intelligent module that uses Machine Learning to generate child death risk alerts on GISSA. These studies focus on trying different classification Algorithms, with a methodology based on Data Mining to reach a learning model capable of calculating the probability of a newborn dying. The work brings together public databases SIM and SINASC for the training of classification algorithms, identifying relationships between birth and death data of children under one year. During the methodological process, it was made a subsampling to balance the number of inputs and be fair in the training model results, executed with Matlab scripts .
Resumo: O GISSA é um sistema inteligente para tomada de decisão em saúde com foco no cuidado materno infantil. Nesse sistema, são gerados alertas que envolvem os cinco domínios da saúde: clínicoepidemiológico, normativo, administrativo, gestão do conhecimento e conhecimento compartilhado. O sistema se propõe a contribuir para a redução da mortalidade infantil no Brasil. Assim, este artigo apresenta estudos sobre um módulo inteligente que utiliza Machine Learning para gerar alertas de risco de morte infantil no GISSA. Esses estudos focam na tentativa de diferentes Algoritmos de classificação, com uma metodologia baseada em Data Mining para chegar a um modelo de aprendizado capaz de calcular a probabilidade de um recém-nascido morrer. O trabalho reúne as bases de dados públicas SIM e SINASC para o treinamento de algoritmos de classificação, identificando relações entre dados de nascimento e óbito de crianças menores de um ano. Durante o processo metodológico, foi feita uma subamostragem para balancear o número de entradas e ser justo nos resultados do modelo de treinamento, executado com scripts Matlab.