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

Banca de DEFESA: PATRÍCIA MAYARA MOURA DA SILVA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : PATRÍCIA MAYARA MOURA DA SILVA
DATA : 10/03/2023
HORA: 14:00
LOCAL: Remoto
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: 164
RESUMO:

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 de- vido à
capacidade de prever complicações clínicas antes que a doença se agrave.
Objetivos: aplicar modelos de AM sobre dados de avaliação da marcha de
pacientes diabéticos, tipo 2, a fim de identificar os padrões de execução de
marcha que possam prever complicações clínicas da diabetes. Métodos: O
estudo envolveu dois tipos de modalidades metodológicas: 1) Elaboração de
protocolo e Revisão Sistemática; 2) Desenvolvimento e aprimoramento de
modelos preditivos de AM não supervisionada e supervisionada para análise
exploratória de dados, detecção da diabetes e detecção de complicações
clínicas na diabetes baseadas nos níveis de hemoglobina glicada. Os dados
para execução do estudo foram fornecidos mediante parceria com a
Universidade Internacional da Flórida (FIU) durante doutorado sanduíche
(Edital No. 02/2020 – CAPES/PRINT) entre setembro de 2021 e junho de
2022. Os dados foram pré-processados e implementados em diferentes
modelos de AM. Os modelos de AM utilizados foram avaliados quanto a sua
eficiência baseando-se na análise de silhouette para AM não supervisionada,
métricas de AM supervisionada baseadas na matriz de confusão e estatística
convencional adotando-se o nível de significância de 5%. Resultados: 1)
Resultou em dois artigos: Artigo 1 - O protocolo definiu a metodologia a ser
seguida na revisão; Artigo 2 - Quatro estudos (208 participantes) foram
incluídos na revisão. Dois usaram AM como método preditivo, um utilizou
estatística convencional baseada em regressão múltipla stepwise e um o classificador Fuzzy que é um método de incerteza. Os estudos atingiram pelo menos 75% em reportar adequadamente 19 itens do TRIPOD. Três dosestudos incluídos foram classificados como alto risco de viés. 2) Resultou emtrês artigos: Artigo 3 – K-Médias separou o conjunto de dados em doisgrupos (silhouette = 0,47). Os padrões de velocidade, comprimento do passo

e distribuição de pressão plantar da marcha foram estatisticamente diferentes
(p < 0,05) entre diabéticos e não diabéticos. Além disso, entre os
pacientes diabéticos, observou-se uma diferença de estatística significativa (p
< 0,05) nos padrões de distribuição de pressão plantar. Artigo 4 – Algoritmos
de AM supervisionada usando dados de marcha mostraram alta sensibilidade
na distribuição da pressão plantar da região do calcanhar para classificar
diabéticos de não diabéticos. Artigo 5 – O classificador XGB apresentou
melhores resultados alcançando AUC de 0,99, precisão de 0,91, recall de
0,90 e f1-score de 0,89. As três características da marcha mais relevantes na
classificação das complicações do diabetes encontradas foram base de apoio
esquerda, pressão esquerda média ao longo do tempo na região dos
metatarsos (I-III) e média da área do sensor ativo na região dos III-IV
falanges. Conclusão: O uso da AM vem crescendo cada vez mais se
fazendo necessário haver estudos metodológicos mais rigorosos de forma a
melhorar as evidências quanto ao desenvolvimento e aplicação de
ferramentas preditivas, principalmente em relação a dados de execução da
marcha de pacientes diabéticos. A AM em aplicações médicas vem
auxiliando no desenvolvimento de novas habilidades e abordagens no modo
de tratar. Em relação aos pacientes diabéticos, o uso de AM na detecção
precoce de certas alterações na execução da marcha, poderão ser
fundamentais na prática clínica para o direcionamento de tratamentos, os
quais poderão ser fundamentais na prevenção do aparecimento dos
distúrbios neurológicos.


MEMBROS DA BANCA:
Externo à Instituição - ABNER CARDOSO RODRIGUES NETO - ISD
Externo à Instituição - EDGAR RAMOS VIEIRA - FIU
Presidente - 2374822 - FABRICIA AZEVEDO DA COSTA CAVALCANTI
Externo ao Programa - 1763991 - RUMMENIGGE RUDSON DANTAS - nullInterna - 2319151 - TATIANA SOUZA RIBEIRO
Notícia cadastrada em: 06/03/2023 09:36
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa07-producao.info.ufrn.br.sigaa07-producao