Dissertação
Unravelling Patterns from a Blood Donation Data Set using Machine Learning Approaches EVALUATED
A gestão do sangue é um problema preocupante para os humanos. Embora exista progresso tecnológico na área dos substitutos de hemoderivados, haverá sempre a necessidade de sangue total proveniente de doadores e dos produtos derivados que dele provêm, devendo ser feita uma otimização dos recursos disponíveis. Com isto em mente, esta tese tem como objetivo descobrir informações valiosas para otimizar as operações do IPST, fazendo melhor uso das equipas existentes, dos recursos e do inventário diário. Por esta razão, começamos por apresentar uma contextualização dos conceitos mais relevantes, seguido de uma revisão do estado da arte neste domínio. Posteriormente, realizamos uma análise exploratória de dados do conjunto de dados de doações de sangue fornecido pelo IPST para um melhor entendimento do mesmo. Esta análise foca-se em estudar o aspeto geográfico-temporal das doações, bem como os doadores que as realizaram. Em seguida, discutimos as abordagens de aprendizagem automática que usamos para estudar e encontrar padrões no conjunto de dados, e como estas foram aplicadas. Os resultados obtidos destacam as características das doações mais relevantes realizadas em 2017, 2018 e 2019, ao mesmo tempo que fornecem métricas de interesse capazes de suportar essas escolhas. Apresentamos também os resultados de um estudo que realizámos, focando mais o aspeto geográfico, e onde descobrimos as características dos padrões mais relevantes para cada um dos distritos portugueses, no mesmo período de tempo. Finalizamos com a discussão e a apresentação das principais conclusões do nosso estudo.
novembro 23, 2021, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Pedro Tiago Gonçalves Monteiro
Departamento de Engenharia Informática (DEI)
Professor Associado
ORIENTADOR
Sara Alexandra Cordeiro Madeira
Faculdade de Ciências da Universidade de Lisboa
Professor Associado