Dissertação
Using Markov Chains and Temporal Alignment to Identify Clinical Patterns in Dementia EVALUATED
No setor da saúde, soluções que envolvem big data e métodos analíticos avançados tornam-se ainda mais importantes à medida que a complexidade dos pacientes, em termos de comorbidades, aumenta. Por sua vez, isto leva à necessidade de se criar um plano de tratamento mais integrado e centrado no paciente. Neste estudo, o foco está em detetar padrões chave de fenótipos e atividade clínica de pacientes com multimorbilidade que sofrem de Demência. Esta é uma doença que pode advir de diversos fatores com potencial para se tornar cada vez mais incidente à medida que a população envelhece. Nesta dissertação, apresentamos um conjunto de métodos que permitem identificar fenótipos chave e padrões de interações com consultas de especialidade, assim como estratificar a população de acordo com padrões semelhantes de interação com o hospital. Recorrendo a cadeias de Markov conseguimos identificar os tipos de consultas mais prevalentes, assim como as transições mais recorrentes entre especialidades. Com recurso ao algoritmo usado para a estratificação, nomeadamente o AliClu, identificámos com sucesso grupos de pacientes que apresentam padrões de atividade semelhantes, o que nos permitiu distinguir padrões de interação semelhantes dentro de cada agrupamento. Uma análise de fenótipos por cada conjunto obtido permitiu o reconhecimento de padrões que os diferenciam. Esta metodologia, em conjunto com dados demográficos e fenotípicos, tem o potencial de fornecer uma sinalização precoce da atividade clínica mais provável, servindo como ferramenta de apoio aos profissionais de saúde para decidir qual o melhor plano de tratamento, considerando uma abordagem centrada no paciente.
dezembro 6, 2021, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Susana de Almeida Mendes Vinga Martins
Departamento de Bioengenharia (DBE)
Professor Associado
