Perfil de Adultos que Sofreram AVC: Uma análise comparativa de técnicas de Aprendizado de Máquina

• Rafael Cabral Campos Pinheiro Pontifícia Universidade Católica de Minas Gerais (PUC Minas)
• Beethoven M. Andrade Pontifícia Universidade Católica de Minas Gerais (PUC Minas)
• Cristiane Neri Nobre Pontifícia Universidade Católica de Minas Gerais (PUC Minas)
• Luis Enrique Zárate Pontifícia Universidade Católica de Minas Gerais (PUC Minas)

DOI: https://doi.org/10.5753/sbbd_estendido.2026.249749

Resumo

Este trabalho aplicou Machine Learning para caracterizar indivíduos com AVC utilizando dados da PNS 2019. O estudo focou na faixa etária de 55 a 77 anos, definida via frequência acumulada. Após etapas de pré-processamento e otimização de hiperparâmetros, os modelos demonstraram alta eficácia na detecção dos casos e forneceram regras importantes para o diagnóstico da doença.

Palavras-chave: Mineração da Dados, Saúde pública, Balanceamento de Dados

Referências

Dritsas, E. and Trigka, M. (2022). Stroke risk prediction with machine learning techniques. Sensors, 22(13):4670.

Oliveira, M. S. and Maciel, R. P. (2021). A importância da prevenção dos fatores de riscos no acidente vascular encefálico: revisão integrativa da literatura. Research, Society and Development, 10(16):e353101624294.

Rodrigues, M. S., Santana, L. F., and Galvão, I. M. (2017). Fatores de risco modificáveis e não modificáveis do avc isquêmico: uma abordagem descritiva. Revista de Medicina, 96(3):187–192.

Santos, F. d. S., Dias, M. S., Mintem, G. d. C., Oliveira, I. O., and Gigante, D. P. (2020). Processamento de alimentos e fatores de risco cardiometabólicos: revisão sistemática. Revista de Saúde Pública, 54:70.