Objetivos gerais: Obter modelos de predição sobre a alta hospitalar e verificar se esses modelos são distintos considerando os gêneros masculino e feminino.

Base de dados

Para esta implementação foi utilizada base de dados disponilizada por Sadikin, Mujiono (2020), “EHR Dataset for Patient Treatment Classification”, Mendeley Data, V1, doi: 10.17632/7kv3rctx7m.1

Ela é composta das seguintes variáveis

• Na implementação realizada na pesquisa "Exploratory Study of Some Machine Learning Techniques to Classify the Patient Treatment" empregaram vários algoritmos, e constataram que o XGBoost gerou os melhores resultados, tendo obtido uma acurácia máxima de 0.7579.

• Aqui faremos uma abordagem distinta, pois a base de dados será separada por gênero, ou seja, os atributos do gênero masculino serão utilizados separadamento daqueles do gênero feminino para obter os modelos de predição. Isso é motivado pelo fato que os valores de referência dos exames são distintos dependendo do gênero. Além disso empregaremos o algoritmo Random Forest, pois tem menor custo computacional na fase ade aprendizado.

Para mais detalhes e discussão sobre o assunto acesse o capítulo de e-book: "Um modelo de Inteligência Artificial para auxílio na decisão de alta hospitalar" disponível aqui: https://editorapantanal.com.br/ebooks-capitulo.php?ebook_id=topicos-nas-ciencias-da-saude-volume-ix&ebook_ano=2022&ebook_caps=1&ebook_capitulo=Cap13&ebook_org=1

Acesse este vídeo-tutorial pelo Youtube: https://www.youtube.com/watch?v=cTCoBIBPJSc