Predição de fidelização de doadores de sangue utilizando algoritmos de classificação
Resumo
Doar sangue é um ato de solidariedade e capaz de salvar inúmeras vidas. A falta de sangue é um problema recorrente na sociedade, que parece ter sido agravada com o advento da pandemia da COVID-19. Instituições de saúde costumam promover campanhas periodicamente no intuito de aumentar a captação de doadores. Ações como essa são importantes para manter os estoques condizentes com a demanda populacional. Este trabalho apresenta a utilização de técnicas de machine learning para predição de fidelização de doadores de sangue. Trata-se de um trabalho em andamento com resultados preliminares promissores e que possibilitará auxiliar em políticas de captação e fidelização de doadores.Referências
Alajrami, E. et al. (2019). “Blood donation prediction using artificial neural network”. In: International Journal of Academic Engineering Research (IJAER), v. 3, n. 10, p. 1-7.
Bruce, P. and Bruce, A. (2019) “Estatística Prática Para Cientistas de Dados - 50 Conceitos Essenciais”. Alta Books.
Ministério da Saúde. (2020) “Apresentação - Seja Solidário, Doe Sangue”, Disponível em: [link]. Acesso em 02 mar de 2022.
Prokhorenkova, L. et al (2018) “CatBoost: unbiased boosting with categorical features”, In: Advances in Neural Information Processing Systems, Edited by S. Bengio and H. Wallach and H. Larochelle and K. Grauman and N. Cesa-Bianchi and R. Garnett, v. 31, Curran Associates, Inc.
Refaeilzadeh P. and Tang L. and Liu H. (2009) Cross-Validation. In: LIU L., ÖZSU M.T. (eds) Encyclopedia of Database Systems. Springer, Boston, MA. https://doi.org/10.1007/978-0-387-39940-9_565.
Silva, D.H. et al. (2021) “Perfil dos doadores novos de sangue do hemocentro de Ribeirão Preto/SP”, In: Hematology, Transfusion and Cell Therapy, v. 43, n. 1, p. S352, Editora Elsevier.
Silva, F. H. da (2018), “Estudo e desenvolvimento de métodos para predição de doadores de sangue”, Universidade Federal de Goiás.
Bruce, P. and Bruce, A. (2019) “Estatística Prática Para Cientistas de Dados - 50 Conceitos Essenciais”. Alta Books.
Ministério da Saúde. (2020) “Apresentação - Seja Solidário, Doe Sangue”, Disponível em: [link]. Acesso em 02 mar de 2022.
Prokhorenkova, L. et al (2018) “CatBoost: unbiased boosting with categorical features”, In: Advances in Neural Information Processing Systems, Edited by S. Bengio and H. Wallach and H. Larochelle and K. Grauman and N. Cesa-Bianchi and R. Garnett, v. 31, Curran Associates, Inc.
Refaeilzadeh P. and Tang L. and Liu H. (2009) Cross-Validation. In: LIU L., ÖZSU M.T. (eds) Encyclopedia of Database Systems. Springer, Boston, MA. https://doi.org/10.1007/978-0-387-39940-9_565.
Silva, D.H. et al. (2021) “Perfil dos doadores novos de sangue do hemocentro de Ribeirão Preto/SP”, In: Hematology, Transfusion and Cell Therapy, v. 43, n. 1, p. S352, Editora Elsevier.
Silva, F. H. da (2018), “Estudo e desenvolvimento de métodos para predição de doadores de sangue”, Universidade Federal de Goiás.
Publicado
07/06/2022
Como Citar
H. FILHO, Fernando Wagner B.; LEAL, Bruno de C.; FERNANDES, Ana G. de Almeida; CAMPELO, Poliana L. dos Santos; VINUTO, Tiago da S.; PEDROSA, Nathália L..
Predição de fidelização de doadores de sangue utilizando algoritmos de classificação. In: TRABALHOS EM ANDAMENTO - SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 22. , 2022, Teresina/PI.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 110-115.
ISSN 2763-8987.
DOI: https://doi.org/10.5753/sbcas_estendido.2022.222561.
