Publication
Sensibilidade e especificidade na curva roc: um caso de estudo
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Ferreira, Liliana Catarina Rosa | |
| dc.contributor.advisor | Santos, Rui Filipe Vargas de Sousa | |
| dc.contributor.author | Cristiano, Mariana Vitória de Menezes Bordalo | |
| dc.date.accessioned | 2018-01-08T12:11:49Z | |
| dc.date.available | 2018-01-08T12:11:49Z | |
| dc.date.issued | 2017-11-07 | |
| dc.description.abstract | A fiabilidade de qualquer diagnóstico clínico é fundamental para o sucesso de um sistema de saúde. Deste modo, é crucial dispor de medidas que permitam aferir, de forma intuitiva, a qualidade de testes para classificar indivíduos como doentes ou saudáveis relativamente a determinada doença. Conceitos básicos da epidemiologia, tais como acurácia, sensibilidade, especificidade, valores preditivos positivo e negativo, razões de verosimilhança positiva e negativa permitem aferir o melhor desempenho entre diferentes testes. A curva ROC, ao representar a sensibilidade e a especificidade para todos os possíveis valores para o ponto de corte, é uma das ferramentas mais utilizadas para avaliar e comparar diferentes tipos de metodologias de diagnóstico. Além disso, a área sob a curva ROC é uma medida objetiva do desempenho do teste associado. Nesta dissertação aplica-se a curva ROC a um caso de estudo cujos dados representam os resultados de um teste de diagnóstico ao cancro da pele que, com recurso a técnicas de imagiologia, procura detetar a presença de padrão reticular de forma a diagnosticar melanomas. A base de dados utilizada contém informação sobre 158 imagens dermatoscópicas. Através de técnicas de processamento de imagem, cada imagem foi filtrada em 9 escalas diferentes e cada escala dividida em 26 medidas. Para cada um dos 234 resultados, foram aplicadas três avaliações distintas: desvio padrão, energia e entropia. Como aplicação ao caso de estudo, foram analisadas duas metodologias distintas. A primeira procura a medida que gera a “melhor” curva, considerando a área abaixo da mesma. A segunda consiste na procura do “melhor” ponto de corte de uma dada curva, através da maximização da soma da sensibilidade e especificidade ou da minimização da distância ao ponto ideal (ausência de erros de classificação). Em ambas as metodologias utilizaram-se medidas agrupadas, através da média aritmética ou da média ponderada, recorrendo ao algoritmo Adaboost, ou simplesmente os dados originais. Os resultados obtidos evidenciam que o agrupamento de medidas permite alcançar resultados mais fiáveis. Todavia, devem ser utilizadas técnicas que permitam uma análise prévia das medidas a utilizar, bem como das ponderações adequadas para cada uma dessas medidas, uma vez que a utilização da média aritmética (ponderação igual em todas as medidas), na maioria das situações, demonstrou mau desempenho. | pt_PT |
| dc.identifier.tid | 201811030 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.8/2927 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Curva ROC | pt_PT |
| dc.subject | Diagnóstico | pt_PT |
| dc.subject | Sensibilidade | pt_PT |
| dc.subject | Especificidade | pt_PT |
| dc.subject | Padrão reticular | pt_PT |
| dc.title | Sensibilidade e especificidade na curva roc: um caso de estudo | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Gestão de Sistemas de Informação Médica | pt_PT |