An algorithm for deduplication and insurance of quality in a database for ASD diagnosis: proposal and qualitative evaluation
Resumo
O diagnóstico do Transtorno do Espectro Autista (TEA) requer a atuação de profissionais de saúde altamente treinados, o que limita o acesso ao diagnóstico. O diagnóstico assistido por computador utilizando biomarcadores pode ser uma alternativa para tornar o diagnóstico mais acessível. No entanto, a disponibilidade de bases de dados públicas para apoiar o desenvolvimento de sistemas CAD ainda é um desafio. Este estudo apresenta um algoritmo projetado para identificar falhas na qualidade dos dados em um banco de dados para diagnóstico de TEA, como registros duplicados e dados ausentes, na plataforma Research Electronic Data Capture. A ferramenta automatiza a detecção de erros e gera relatórios estruturados para auxiliar profissionais de saúde na correção dos dados. Uma avaliação qualitativa confirmou sua utilidade e indicou que o tempo necessário para identificar erros pode ser reduzido em cerca de 15 vezes, contribuindo para minimizar o esforço necessário para manter uma base de dados consistente.
Referências
Burns, S. S., Browne, A., Davis, G. N., Rimrodt, S. L., and Cutting, L. E. (2014). Pycap (version 1.0) [computer software].
Chen, H., Hailey, D., Wang, N., and Yu, P. (2014). A review of data quality assessment methods for public health information systems. International Journal of Environmental Research and Public Health, 11(5):5170–5207.
Council, N. R., of Behavioral, D., Sciences, S., Education, on National Statistics, C., and on Handling Missing Data in Clinical Trials, P. (2010). The Prevention and Treatment of Missing Data in Clinical Trials. National Academies Press.
Kaushik, V. D., Bendale, A., Nigam, A., and Gupta, P. (2012). An efficient algorithm for de-duplication of demographic data. In Huang, D.-S., Jiang, C., Bevilacqua, V., and Figueroa, J. C., editors, Intelligent Computing Technology, pages 602–609, Berlin, Heidelberg. Springer Berlin Heidelberg.
Mandell, D. S., Novak, M. M., and Zubritsky, C. D. (2005). Factors associated with age of diagnosis among children with autism spectrum disorders. 116.
Pinheiro, T. D. (2018). Classificação de imagens faciais para o auxílio ao diagnóstico do transtorno do espectro autista.
Python Software Foundation (2025). difflib — helpers for computing deltas. Accessed: 28-02-2025.
The pandas development team (2020). pandas-dev/pandas: Pandas. Van Rossum, G. and Drake Jr, F. L. (1995). Python reference manual. Centrum voor Wiskunde en Informatica Amsterdam.
Wall, D. P., Dally, R., Luyster, R., Jung, J.-Y., and DeLuca, T. F. (2012). Use of artificial intelligence to shorten the behavioral diagnosis of autism. PLoS One.
Zeidan, J., Fombonne, E., Scorah, J., Ibrahim, A., Durkin, M. S., Saxena, S., Yusuf, A., Shih, A., and Elsabbagh, M. (2022). Global prevalence of autism: A systematic review update. Autism Res, 15:778–790.
