Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/57653| Type: | Resumo |
| Title: | Árvores de classificação para termorregulação ineficaz de neonatos |
| Authors: | Santiago, Larysse Chrystine de Oliveira Fróes, Nathaly Bianka de Moraes Aquino, Wislla Ketlly Menezes de Lopes, Marcos Venicios de Oliveira |
| Keywords: | Recém-nascidos - Saúde e higiene;Temperatura corporal - Regulação;Diagnóstico em enfermagem;Enfermagem pediátrica;Neonatologia |
| Issue Date: | 2016 |
| Publisher: | Universidade Federal do Ceará |
| Citation: | SANTIAGO, Larysse Chrystine de Oliveira; FRÓES, Nathaly Bianka de Moraes; AQUINO, Wislla Ketlly Menezes de; LOPES, Marcos Venicios de Oliveira. Árvores de classificação para termorregulação ineficaz de neonatos. Revista Encontros Universitários da UFC, Fortaleza, v. 1, n. 1, 2016. (Encontro de Extensão, 25) |
| Abstract in Brazilian Portuguese: | O trabalho de avaliação de neonatos numa maternidade-escola permitiu o desenvolvimento de ferramentas de apoio ao diagnóstico. O presente estudo descreve o processo de desenvolvimento de árvores de classificação clínica de neonatos quanto à presença / ausência do diagnóstico de enfermagem Termorregulação ineficaz. Estas ferramentas foram construídas a partir da avaliação de saúde de 216 neonatos admitidos nas Unidades de Cuidado Intermediário Neonatal Convencional e Unidades de Terapia Intensiva Neonatal da referida maternidade por integrantes do projeto de extensão Tecnologia para o Cuidado de Enfermagem, Para a coleta de dados utilizou-se um instrumento subdividido em dados clínicos e exame físico para identificação das características definidoras de diagnóstico de enfermagem em questão. Após a identificação das características definidoras, o status diagnóstico de cada neonato foi definido com base em probabilidades posteriores obtidas a partir da análise de classe latente. Em seguida, três diferentes algoritmos computacionais (CHAID, CART e QUEST) foram utilizados para construção das árvores de classificação. A frequência das características definidoras variou entre 0,5% e 32,9%. A prevalência do diagnóstico em 43,5%. A árvores construída a partir do algoritmo CHAID incluiu quatro características definidoras. O erro de estimativa por validação cruzada foi de 14,4% e percentual de classificação correta foi de 90,3%. A árvore construída com base no método CART incluiu nove características definidoras. O erro de estimativa por validação cruzada foi de 10,2% e percentual de classificação correta foi de 92,6%. Por fim, a árvore construída com base no método QUEST incluiu seis características definidoras. O erro de estimativa por validação cruzada foi de 10,6% e percentual de classificação correta foi de 91,2%. As três árvores apresentaram desempenho satisfatório, sendo aquela obtida por método QUEST a que apresentou melhor desempenho. |
| URI: | http://www.repositorio.ufc.br/handle/riufc/57653 |
| Access Rights: | Acesso Aberto |
| Appears in Collections: | ENEX - Resumo de trabalhos apresentados em eventos |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 2016_resumo_eve_lcosantiago.pdf | 74,46 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.