Please use this identifier to cite or link to this item:
Type
ThesisCopyright
Open access
Sustainable Development Goals
03 Saúde e Bem-EstarCollections
Metadata
Show full item record
DA AQUISIÇÃO A VISUALIZAÇÃO DE DADOS: APLICAÇÕES DA CIÊNCIA DE DADOS EM SAÚDE
Author
Advisor
Affilliation
Abstract in Portuguese
Termos como big data e ciência de dados ganharam visibilidade nas últimas décadas, sendo em geral associados aos desafios de análise de grandes bases de dados. Pretende-se com este trabalho reunir teorias e métodos da Ciência de Dados em Saúde como uma contribuição à Saúde Pública, estudando o ciclo de geração e disseminação de informação em saúde e aplicar técnicas de coleta, extração e visualização de dados com métodos de ciência de dados. Partindo de uma perspectiva histórica, a relação entre dados e saúde foi visitada, apresentando um novo paradigma da ciência de dados em saúde, considerando as possibilidades hibridas de uma ciência theory & data driven para a Saúde Pública. Os métodos e modelos de processo de ciência de dados, especificamente o KDD, SEMMA e CRISP-DM, foram explorados criticamente. Avaliando seus pontos em comum, um novo modelo de processos denominado KDD-PH (Knowledge Discovery in Databases for Public Health) foi proposto, sugerindo etapas específicas para um modelo de processos de ciência de dados para a pesquisa em saúde pública. Produções acadêmicas autorais foram apresentadas como resultados da aplicação prática destes métodos.
Abstract
Terms such as big data and data science have gained visibility in recent decades, being generally associated with the challenges of analyzing large databases. The aim of this work is to gather theories and methods of Health Data Science as a contribution to Public Health, studying the cycle of generation and dissemination of health information and apply techniques of data collection, extraction and visualization with science methods. Starting from a historical perspective, the relationship between data and health was visited, presenting a new paradigm of data science and health, considering the hybrid possibilities of a theory & data driven science for Public Health. Data science process methods and models, specifically KDD, SEMMA and CRISP-DM, have been critically explored. Evaluating their common points, a new process model called KDD-PH (Knowledge Discovery in Databases for Public Health) was proposed, suggesting specific steps for a data science process model for public health research. Authorial academic productions were presented as a result of the practical application of these methods.
Share