PPGFST PROGRAMA DE PÓS-GRADUAÇÃO EM FISIOTERAPIA CENTRO DE CIÊNCIAS DA SAÚDE Telefone/Ramal: (84) 3342-2002 https://posgraduacao.ufrn.br/ppgfst

Banca de QUALIFICAÇÃO: PATRÍCIA MAYARA MOURA DA SILVA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : PATRÍCIA MAYARA MOURA DA SILVA
DATA : 22/03/2021
HORA: 14:00
LOCAL: Vídeo Conferência
TÍTULO:

Aprendizagem de máquina aplicada à execução da marcha em pacientes
com diabetes tipo 2.


PALAVRAS-CHAVES:


Palavras-chaves: Diabetes Mellitus; Marcha; Aprendizagem de Máquina.


PÁGINAS: 82
RESUMO:

Introdução: A diabetes caracteriza-se por um conjunto de doenças
metabólicas que podem causar diversas alterações. Uma delas ocorre na função sensório-motora que
gera alterações na execução da marcha, como: fase de apoio mais longa, passos mais curtos e
inadequada distribuição da pressão plantar. Métodos quantitativos de avaliação das alterações do
padrão de marcha podem ser decisivos para traçar estratégias de tratamento. Além disso, podem
ajudar na prevenção de complicações causadas pela diabetes. Com os avanços das técnicas de
aprendizagem de máquina (AM) o reconhecimento automatizado de padrões diante da enorme quantidade
de dados vem se tornando uma ferramenta essencial na área médica devido a capacidade de prever
complicações clínicas antes que a doença se agrave. Objetivos: Implementar modelo de AM sobre dados
de avaliação da marcha de pacientes diabéticos afim de prever complicações clínicas da diabetes.
Métodos: O estudo envolverá dois tipos de modalidades metodológicas: 1) Elaboração de protocolo e
Revisão Sistemática; 2) Desenvolvimento e aprimoramento de modelo preditivo de AM que analise a
execução da marcha e relacione-a com as complicações clínicas da diabetes. Os dados para execução
do estudo serão fornecidos mediante parceria com a Universidade Internacional da Flórida (FIU)
durante doutorado sanduíche (Edital No. 02/2020- CAPES/PRINT) com início previsto para maio de
2021.
Esses dados serão preparados e pré-processados para serem
implementados em diferentes modelos de AM. A escolha dos modelos de AM será guiada de acordo com os
resultados da Revisão Sistemática que também será elaborada nesse estudo. Após implementação dos
modelos, esses serão avaliados quanto a sua eficiência para se chegar a um modelo final.
Resultados: Foi realizado pré-processamento inicial dos dados usando o módulo do Python conhecido
como Pandas Profiling com os dados da primeira avaliação de 38 pacientes diabéticos, com média de
idade de 78,5 anos (±6,64), sendo 29 (76,3%) mulheres. Tendências de correlações são observadas
entre as variáveis nominais "tempo de exercício• (min) e "tomar a medicação corretamente•, bem como
"lista, dosagem e medicamentos" e o Mcontrole da diabetes". Na correlação entre todas as variáveis
pode-se observar correlações positivas e negativas entre as variáveis da marcha. Também observa-se
tendência de correlação entre as variáveis da marcha e variáveis antropométricas como peso, altura
e gordura corporal. Da mesma forma, observa-se tendência de correlação positiva entre as variáveis
de equilíbrio e os índices glicêmicos.


MEMBROS DA BANCA:
Presidente - 2374822 - FABRICIA AZEVEDO DA COSTA CAVALCANTI
Externo ao Programa - 1763991 - RUMMENIGGE RUDSON DANTAS
Interna - 2319151 - TATIANA SOUZA RIBEIRO
Notícia cadastrada em: 01/03/2021 13:49
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa04-producao.info.ufrn.br.sigaa04-producao