Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/57653
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSantiago, Larysse Chrystine de Oliveira-
dc.contributor.authorFróes, Nathaly Bianka de Moraes-
dc.contributor.authorAquino, Wislla Ketlly Menezes de-
dc.contributor.authorLopes, Marcos Venicios de Oliveira-
dc.date.accessioned2021-04-09T13:36:56Z-
dc.date.available2021-04-09T13:36:56Z-
dc.date.issued2016-
dc.identifier.citationSANTIAGO, 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)pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/57653-
dc.language.isopt_BRpt_BR
dc.publisherUniversidade Federal do Cearápt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectRecém-nascidos - Saúde e higienept_BR
dc.subjectTemperatura corporal - Regulaçãopt_BR
dc.subjectDiagnóstico em enfermagempt_BR
dc.subjectEnfermagem pediátricapt_BR
dc.subjectNeonatologiapt_BR
dc.titleÁrvores de classificação para termorregulação ineficaz de neonatospt_BR
dc.typeResumopt_BR
dc.description.abstract-ptbrO 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.pt_BR
Aparece nas coleções:ENEX - Resumo de trabalhos apresentados em eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2016_resumo_eve_lcosantiago.pdf74,46 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.