Browsing by Issue Date, starting with "2025-05-12"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- Missing data handling in health sciences a neuro-fuzzy methods approachPublication . Pereira, José António Ferreira Lobo; Oliveira, Teresa A.; Carvalho, Davide Maurício Costa; Mubayi, AnujOs levantamentos epidemiológicos de saúde periodontal exigem um tempo de exame extenso quando realizados através de avaliações completas da boca, o que sobrecarrega participantes e examinadores. Para aliviar isso, utiliza-se exames parciais da boca, omitindo intencionalmente alguns dados. No entanto, esses métodos podem levar a estimativas enviesadas de prevalência. Esta dissertação aborda essa questão aplicando métodos IA-fuzzy para imputação de dados ausentes em levantamentos epidemiológicos com avaliações unilaterais das arcadas dentárias. Usando técnicas avançadas de machine learning, esta investigação visa melhorar a predição de valores omitidos intencionalmente, garantindo estimativas de prevalência não enviesadas. A revisão da literatura destaca a complexidade da periodontite e as limitações dos métodos tradicionais de imputação de dados na gestão de dados ausentes. O estudo utiliza dados de exames periodontais do National Health and Nutrition Examination Survey (NHANES) e emprega métodos estatísticos avançados para avaliar a simetria dentária. O método de imputação Mãe-Filha (MoDau), baseado em modelos XGBoost, foi desenvolvido para aprimorar a qualidade dos dados imputados. Os resultados indicam que a função de medição de simetria (SM) avalia eficazmente a simetria da profundidade de sondagem periodontal (pocket probing depth, PPD), mostrando forte correlação com as avaliações profissionais. O método Modau exibe uma precisão preditiva robusta, especialmente para categorias mais altas de PPD, embora apresente discrepâncias nos valores mais baixos. Este estudo ressalta a utilidade clínica e epidemiológica da função SM e o potencial dos métodos Artificial Inteligence-fuzzy (AI-fuzzy) para melhorar a imputação de dados. Pesquisas futuras devem explorar a aplicação desses métodos em outras áreas odontológicas e integrar técnicas adicionais de inteligência artificial (IA) para refinar ainda mais os modelos preditivos.