[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-126804-pt":3,"doc-seo-126804-112":30,"detail-sidebar-cat-0-pt-112":91},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":4,"is_deleted":4,"is_public":20,"is_downloadable":20,"audit_status":20,"page_count":21,"language":22,"language_code":23,"site_id":24,"html_lang":23,"table_of_contents":25,"faqs":26,"seo_title":27,"seo_description":14,"update_tm":28,"read_time":29},126804,1099523882182,"Eliana","https://ap-avatar.wpscdn.com/davatar_6f874abed73319feea01a86fa6f0fab8",32,"Pesquisa e Relatórios","Previsão da Admissão de doentes na Unidade de Cuidados Intensivos através de Modelos de Machine Learning","A investigação foca a necessidade de prever admissões na Unidade de Cuidados Intensivos (UCI) num cenário de crescente volume de dados e de maior exigência por diagnósticos e decisões mais precisas. Após pré-processamento e análise exploratória de dados de uma instituição portuguesa, são aplicados modelos de Machine Learning de classificação, Random Forest e Regressão Logística, para estimar a probabilidade de um doente ser admitido. A idade, a proveniência e medições de sinais vitais revelam papel relevante na capacidade preditiva, apoiando triagem e identificação de casos que requerem encaminhamento para a UCI.","2023  \nANASTASIYADANYLYAK  \nPrevisão da Admissão de doentes na Unidade de Cuidados Intensivos através de Modelos de Machine Learning  \nPrediction of Intensive Care Unit Admission using Machine Learning Models  \nUniversidade de Aveiro 2023  \nANASTASIYADANYLYAK  \nPrevisão da Admissão de doentes na Unidade de Cuidados Intensivos através de Modelos de Machine Learning  \nPrediction of Intensive Care Unit Admission using Machine Learning Models  \nDissertação apresentada à Universidade de Aveiro para cumprimento dos requisitosnecessários à obtenção do grau de Mestre em Estatística Médica , realizada sob aorientação científica do Doutor Luís Miguel Almeida da Silva, Professor auxiliar do Departamento de Matemática da Universidade de Aveiro, e do Doutor Bernardo Marques, Data Scientist na Prológica  \n.  \no júri / the jury  \npresidente / president Prof. Doutora Vera Mónica Almeida Afreixo  \nprofessora associada do Departamento de Matemática da Universidade de Aveiro  \nvogais / examiners committee Prof. Doutora Ana Helena Marques de Pinho Tavares  \nprofessora adjunta convidada da Escola Superior de Tecnologia e Gestão de Águeda  \nProf. Doutor Luís Miguel Almeida da Silva  \nprofessor auxiliar do Departamento de Matemática da Universidade de Aveiro  \nagradecimentos / acknowledgements  \nA escrita deste relatório de estágio e a sua conclusão representam momentos importantes no meu percurso académico. Houve altos e baixos ao longo desse percurso, e a superação destes desafios contou não apenas com o meu esforço, mas também com o apoio incansável de várias pessoas que desempenharam papéis essenciais durante estes meses .  \nEm primeiro lugar, gostaria de expressar um agradecimento especial ao meuorientador, Professor Luís Silva, por todo o apoio, paciência, total disponibilidade epelo exemplar profissionalismo demonstrado na orientação deste projeto. Tambémdesejo estender o meu agradecimento à Prologica, ao Bernardo e ao Heitor, que estiveram sempre disponíveis durante o período de orientação do estágio. Nãoposso deixar de expressar um especial obrigada à Professora Vera Afreixo, que desempenhou um papel fundamental não apenas para me ajudar a não desistir nesta fase, mas também por nos acompanhar de maneira incrível ao longo de todoo meu percurso no mestrado.  \nÀ minha mãe, ao Daniel, à Rita, aos meus avós e ao senhor Joaquim, expresso aminha gratidão por todo o apoio em todas as situações ao longo da minha jornada académica e não só .  \nAos meus amigos, Joana, Diogo, Didi, Bernardo, Beatriz, Lénia, Benedito e Marcos, que estiveram ao meu lado desde o início e nunca me abandonaram, queroagradecer calorosamente por todos os momentos memoráveis que compartilhámos. Estes momentos foram também uma fonte de inspiração e força que me ajudarama concluir este relatório com sucesso . Um grande obrigado a todos os outros que me acompanharam nesta etapa.  \nPor fim, mas não menos importante, deixo o meu agradecimento à Universidade de Aveiro e ao Departamento de Matemática por proporcionarem uma instituiçãofantástica que me permitiu crescer tanto pessoalmente quanto academicamente. Estou grata por todas as oportunidades e aprendizagens que recebi durante estaminha jornada nesta academia.  \nPalavras Chave Machine Learning, Unidade de Cuidados Intensivos, Classificação, Random Forest,  \nRegressão Logística, Previsão  \nResumo Nos últimos anos temos testemunhado avanços significativos no campo da  \nmedicina, impulsionados principalmente pelo desenvolvimento e incorporação denovas tecnologias. Estas inovações estão a revolucionar a forma como os profissionais de saúde diagnosticam e tratam as doenças, proporcionando resultadosmais precisos e eficientes. No entanto, com o aumento exponencial do volume de dados gerados diariamente, tornou-se fundamental desenvolver novas técnicas eferramentas que serão capazes de lidar com essa imensa quantidade de informação. Neste contexto, com o desenvolvimento das novas tecnologias surgem novastécnicas que nos podem ajudar a","cbCaioF3YiCBsrSe","https://ap.wps.com/l/cbCaioF3YiCBsrSe","pdf",641659,1,78,"Portuguese","pt",112,"# Resumo\n## Objetivo e motivação\n## Metodologia e modelos\n## Principais conclusões","[{\"question\":\"Qual é o objetivo do estudo sobre a UCI?\",\"answer\":\"Prever a probabilidade de admissão de doentes na Unidade de Cuidados Intensivos, reduzindo admissões não planeadas e apoiando decisões clínicas.\"},{\"question\":\"Quais modelos de Machine Learning foram utilizados?\",\"answer\":\"Foram usados dois modelos de classificação: Random Forest e Regressão Logística.\"},{\"question\":\"Que variáveis mostraram maior impacto na previsão?\",\"answer\":\"A idade, a proveniência dos doentes e medições de sinais vitais foram apontadas como variáveis significativas para prever a admissão na UCI.\"}]","Previsão da Admissão de doentes na Unidade de Cuidados Intensivos através de Modelos de Machine Learning | PDF",1785934891,120,{"code":4,"msg":31,"data":32},"ok",{"site_id":24,"language":23,"slug":33,"title":13,"keywords":34,"description":14,"schema_data":35,"social_meta":86,"head_meta":88,"extra_data":90,"updated_unix":28},"prediction-of-intensive-care-unit-admission-using-machine-learning-models","",{"@graph":36,"@context":85},[37,54,68],{"@type":38,"itemListElement":39},"BreadcrumbList",[40,44,48,51],{"item":41,"name":42,"@type":43,"position":20},"https://docshare.wps.com","Home","ListItem",{"item":45,"name":46,"@type":43,"position":47},"https://docshare.wps.com/pt/document/","Document",2,{"item":49,"name":12,"@type":43,"position":50},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",3,{"item":52,"name":13,"@type":43,"position":53},"https://docshare.wps.com/pt/document/prediction-of-intensive-care-unit-admission-using-machine-learning-models/126804/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":23,"description":14,"dateModified":62,"datePublished":62,"encodingFormat":61,"isAccessibleForFree":63,"interactionStatistic":64},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":41,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-05",true,{"@type":65,"interactionType":66,"userInteractionCount":4},"InteractionCounter",{"@type":67},"ViewAction",{"@type":69,"mainEntity":70},"FAQPage",[71,77,81],{"name":72,"@type":73,"acceptedAnswer":74},"Qual é o objetivo do estudo sobre a UCI?","Question",{"text":75,"@type":76},"Prever a probabilidade de admissão de doentes na Unidade de Cuidados Intensivos, reduzindo admissões não planeadas e apoiando decisões clínicas.","Answer",{"name":78,"@type":73,"acceptedAnswer":79},"Quais modelos de Machine Learning foram utilizados?",{"text":80,"@type":76},"Foram usados dois modelos de classificação: Random Forest e Regressão Logística.",{"name":82,"@type":73,"acceptedAnswer":83},"Que variáveis mostraram maior impacto na previsão?",{"text":84,"@type":76},"A idade, a proveniência dos doentes e medições de sinais vitais foram apontadas como variáveis significativas para prever a admissão na UCI.","https://schema.org",{"og:url":52,"og:type":87,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":89,"canonical":52},"index,follow",{"doc_id":7,"site_id":24},{"code":4,"msg":5,"data":92},[93,98,102,106,110,114,118,120,124,128],{"id":94,"doc_module":4,"doc_module_name":46,"category_name":95,"show_sort_weight":96,"slug":97},26,"Contos e Romances",60,"story-novel",{"id":99,"doc_module":4,"doc_module_name":46,"category_name":100,"show_sort_weight":96,"slug":101},46,"Estilo de Vida","lifestyle",{"id":103,"doc_module":4,"doc_module_name":46,"category_name":104,"show_sort_weight":96,"slug":105},28,"Exames","exam",{"id":107,"doc_module":4,"doc_module_name":46,"category_name":108,"show_sort_weight":96,"slug":109},47,"Geral","general",{"id":111,"doc_module":4,"doc_module_name":46,"category_name":112,"show_sort_weight":96,"slug":113},29,"Histórias em Quadrinhos","comic",{"id":115,"doc_module":4,"doc_module_name":46,"category_name":116,"show_sort_weight":96,"slug":117},27,"Literatura","literature",{"id":11,"doc_module":4,"doc_module_name":46,"category_name":12,"show_sort_weight":96,"slug":119},"research-report",{"id":121,"doc_module":4,"doc_module_name":46,"category_name":122,"show_sort_weight":96,"slug":123},33,"Religião e Espiritualidade","religion-spirituality",{"id":125,"doc_module":4,"doc_module_name":46,"category_name":126,"show_sort_weight":96,"slug":127},31,"Saúde e Cuidados","healthcare",{"id":129,"doc_module":4,"doc_module_name":46,"category_name":130,"show_sort_weight":96,"slug":131},45,"Tecnologia","technology"]