@MASTERSTHESIS{ 2024:859570027,
 	title = {Algoritmos de aprendizado de máquina aplicados na previsão clínica de pacientes com insuficiência cardíaca e uma revisão para dados limitados},
 	year = {2024},
 	url = "https://bdtd.unifal-mg.edu.br:8443/handle/tede/2589",
 	abstract = "O uso do aprendizado de máquina na área da saúde representa uma revolução significativa
 nos métodos de diagnóstico e tratamento de doenças. Essa tecnologia aproveita a capacidade
 computacional avançada para identificar padrões complexos em dados médicos. Essa
 abordagem representa significativo o potencial de melhorar substancialmente a eficiência dos
 diagnósticos relacionados a doenças graves como o caso da Insuficiência Cardíaca
 Congestiva. No entanto, enfrenta-se um desafio contínuo nesta área: a aplicação efetiva de
 aprendizado de máquina em cenários de escassez de dados, isto é, em situações onde as
 amostras disponíveis são limitadas. Este desafio estimula o estudo do aprendizado de máquina
 com pequenas amostras, uma abordagem que busca adaptar e otimizar os modelos de
 aprendizado de máquina para funcionar eficientemente mesmo com um número restrito de
 dados. Esta dissertação, composta por uma coleção de artigos, explora aplicações de
 algoritmos de aprendizado de máquina na previsão clínica de pacientes com Insuficiência
 Cardíaca e a revisão de técnicas de aprendizado de máquina em cenários de poucos dados. O
 primeiro artigo apresenta uma aplicação prática que utiliza modelos de aprendizado de
 máquina para prever a sobrevivência e o tempo de internamento de pacientes com
 Insuficiência Cardíaca Congestiva, com enfoque nas variáveis mais significativas associadas
 aos fatores de risco e os resultados destacam o potencial dos modelos de aprendizado de
 máquina na previsão de desfechos clínicos em pacientes com ICC. O segundo artigo realiza
 uma análise teórica, investigando a aplicabilidade e eficácia de técnicas de aprendizado de
 máquina em contextos caracterizados pela escassez de dados. Este estudo destaca a
 importância dos modelos de aprendizado de máquina, técnicas como a seleção de variáveis, e
 o uso de dados médicos no campo do aprendizado de máquina, com contribuições na área da
 saúde, onde decisões baseadas em dados podem ter impactos consideráveis na vida dos
 pacientes.",
 	publisher = {Universidade Federal de Alfenas},
 	scholl = {Programa de Pós-Graduação em Estatística Aplicada e Biometria},
 	note = {Pró-Reitoria de Pesquisa e Pós-Graduação}
}