ABSTRACT
Objetivos: Neste trabalho foi comparada a percepção de usuários sobre a qualidade de conteúdos de websites da área da saúde e suas respectivas avaliações sobre a adequação destes websites aos critérios éticos propostos pela HON. Métodos: Uma interface web foi desenvolvida com tecnologias Web 2.0 para a avaliação dos critérios de adequação e da percepção de qualidade. Estudantes da área de informática em saúde foram selecionados para determinar a percepção de qualidade e adequação de conteúdos de 50 websites no domínio da saúde. Resultados: Participaram deste estudo 352 estudantes, que realizaram 2.277 avaliações. Cada website foi avaliado em média 36,83 vezes, e os websites avaliados tiveram uma média de adequação de 50,11% e a pontuação da percepção de qualidade foi de 49,06 em uma escala de 0 a 100. Diante dos 12 critérios propostos, apenas 3 apresentaram correlação estatisticamente significante se comparado com a percepção dos usuários sobre a qualidade do conteúdo de websites de saúde. Conclusão: Diante das análises foi possível identificar que os websites apresentaram poucos indícios de adequação (50,11) e na visão dos avaliadores mesmo com pouca adequação, os websites foram considerados bons.
Objectives: This study compared the user quality perception of health content regarding their assessments of the adequacy of the criteria for websites based on HON code recommendations. Methods: A web interface was developed with Web 2.0 technologies for this assessment of adequacy criteria. Students of health domain voted their quality perception and adequacy of content for 50 websites in the health domain, based on the criteria of adequacy defined by the HON code. Results: This study included 352 students and showed that the average adequacy assessed for the websites were 50.11 and 49.06 of perception, in a range from 0 to 100. Given the 12 criteria, only 3 showed a statistically significant correlation compared with the users? perception about the quality of health websites content. Conclusion: Against the analysis it was found that the websites showed little evidence of adequacy (50.11) and in view of the evaluators even in low adequacy, the websites were considered good.
Objetivos: Este estudio comparó la percepción de calidad de contenido del dominio de salud por usuarios com su evaluación de la adecuación dos sítios web con los criterios de recomendaciones basados en código HON. Métodos: Una interfaz web fue desarrollado con las tecnologías Web 2.0 para la evaluación de los criterios de adecuación. Estudiantes de área de salud determina su percepción de la calidad y de la adecuación de contenidos para 50 sitios web en el ámbito de la salud, con base en los criterios de adecuacion definidos por el código HON. Resultados: Este estudio incluyó 352 estudiantes que mostraron la media de la evaluación de adecuación para los sitios web de 50,11 y 49,06 de la percepción, en un rango de 0 a 100. Teniendo en cuenta los 12 criterios, sólo 3 mostraron una correlación estadísticamente significativa en comparación con la percepción de los usuarios sobre la calidad de los contenidos en sitios web en salud. Conclusión: Diante de los análisis se encontró que los sitios web mostraron pocas pruebas de adecuación (50,11) y, en opinión de los evaluadores, incluso en la aptitud baja, los sitios web se considera buenos.
Subject(s)
Quality Control , Medical Informatics , Internet , Reference Standards , Perception , Information SystemsABSTRACT
Objective: There has been a considerable growth of the architecture and complexity of digital repositories in Health Informatics (HI). For information retrieval different information treatment and representation, such as automatic content classification, are required. The purpose of this study is to present the results of a procedure for automatic classification of scientific articles in HI using a specific thesaurus. Design: Statistical, vector, and artificial intelligence methods were applied to classify HI-related content. Articles extracted from the HI and Health journals and a specialized HI thesaurus were used for method application and result evaluation. Measurements: Statistical procedures and measures of accuracy, precision, recall, area under the ROC curve, and combination of precision and recall (F1 measure) were performed to measure the degree of similarity between terms of the specialized HI thesaurus and the selected articles. Results: The percentage of accuracy achieved was 0.87, F1 measure was 0.87 and the area under the ROC curve was 0.94. Conclusion: The results were positive, showing that the use of a specialized thesaurus on Health Informatics in conjunction with the methods used allows the classification of articles in the areas of Health Informatics and Health.
Objetivo: Há um crescimento considerável na arquitetura e complexidade dos repositórios digitais em Informática em Saúde (IS). A recuperação de informação neste cenário requer diferentes tratamentos e representações, como a classificação automática de conteúdo. O propósito deste estudo é apresentar os resultados de um processo automatizado para a classificação de artigos científicos de Informática em Saúde, utilizando um tesauro especializado neste domínio de conhecimento. Métodos: Métodos estatísticos, vetoriais e de inteligência artificial foram aplicados para classificar conteúdo relacionado à Informática em Saúde. Artigos científicos publicados em revistas de Saúde e Informática em Saúde, bem como um tesauro especializado em Informática em Saúde foram utilizados para a aplicação dos métodos e avaliação dos resultados.Avaliação: Métodos estatísticos e medidas de acurácia, precisão, revocação, área sob a curva ROC e F1-measure foram realizadas para medir o grau de similaridade entre os termos do tesauro especializado e os artigos selecionados. Resultados: O percentual de acurácia obtido foi de 0.87, F1-measure foi 0.87 e a área sob a curva ROC foi 0.94. Conclusão: Os resultados obtidos foram positivos, mostrando que a utilização de um tesauro especializado em Informática em Saúde em conjunto com os métodos aplicados possibilita a classificação de artigos nos domínios da Informática em Saúde e Saúde.
Objetivo: Hay un aumento considerable de la complejidad y la arquitectura de los repositorios digitales en Informática de la Salud (IS). La recuperación de la información en este escenario requiere diferentes tratamientos y actuaciones, como la clasificación automática de contenidos. El propósito de este estudio es presentar los resultados de un proceso automatizado para la clasificación de artículos científicos sobre Informática en Salud, utilizando un diccionario de sinónimos en la misma área de interés. Métodos: Los métodos estadísticos, el vector y la inteligencia artificial han sido aplicados para clasificar los contenidos relacionados con la Informática en Salud. Artículos publicados en revistas de Salud y de Informática en Salud, así como un diccionario especializado en Informática en Salud se utilizó para la aplicación de métodos y la evaluación de los resultados. Clasificación: Métodos estadísticos y medidas de la exactitud, precisión, cobertura, área bajo la curva ROC y F1 mediciones se realizaron para medir el grado de similitud entre los términos del diccionario de sinónimos y artículos especializados seleccionados. Resultados: El porcentaje de precisión obtenido fue de 0,87, F1-medida fue de 0,87 y el área bajo la curva ROC fue de 0,94. Conclusión: Los resultados fueron positivos, demostrando que el uso de un tesauro especializado en Informática en Salud en relación con los métodos que permite la clasificación de los artículos en las áreas de Informática en Salud y Salud.
Subject(s)
Data Analysis , Medical Informatics , Artificial Intelligence , Periodicals as Topic , Computer Systems , Vocabulary, ControlledABSTRACT
OBJETIVO: Na última década os computadores de mão se popularizaram entre profissionais da saúde. Nos EUA, por exemplo, cerca de 60-70% dos estudantes de medicina já os utilizam. A disponibilização de informação clínica nestes dispositivos pode auxiliar no ensino de práticas médicas, no entanto, a maneira como são estruturadas pode influenciar na satisfação e no aprendizado dos alunos. Portanto, este artigo objetiva apresentar os resultados da avaliação do MDFluxo: um programa para auxílio ao ensino de oftalmologia em computadores de mão. MÉTODOS: O programa foi desenvolvido com fluxogramas estruturados, extraídos do Guia de Oftalmologia da Universidade Federal de São Paulo. A avaliação foi realizada, comparando o desempenho de 20 estudantes de medicina na solução de casos clínicos, utilizando o programa, o livro ou nenhum material. RESULTADOS: Os resultados mostram que o desempenho dos estudantes na avaliação com o livro foi equivalente ao MDFluxo nas questões sobre etiologia (p<0,01) e conduta (p<0,05) na solução dos casos clínicos, desempenho melhor do que sem a utilização de nenhum material. CONCLUSÃO: Na avaliação de satisfação com o uso do programa 82,5% dos estudantes aprovou sua utilização na solução de casos clínicos.
OBJECTIVE: In the last decade the handheld computers have been popularized among health professionals, on the USA, for instance, among 60-70% of medical students already use them. Make clinical information available on these devices can aid teaching medical practices, however, the way they are structured may influence students' satisfaction and learning. The purpose of this paper is to present MDFluxo evaluation, a program developed in handheld computers to aid ophthalmology teaching. METHODS: The program was developed with structured flowcharts extracted from The Ophthalmology Guide book. The assessment was placed comparing 20 medical under-graduating students' performance solving clinical cases aided by the program, a book, or no material. RESULTS: The results shown that the performance of students in the evaluation with book was equivalent to MDFluxo in etiology (p <0.01) and conduct (p <0.05) on clinical cases solving and better performance than without the use any material. CONCLUSION: On MDFluxo user satisfaction evaluation 82.5% of students approved it's use on clinical case solving.
ABSTRACT
Introdução: Complicações associadas ao transplante de rim e imunossupressão podem ser prevenidas ou tratadas efetivamente quando são diagnosticadas em fases iniciais com o monitoramento pós-transplante. Objetivo: O objetivo deste estudo exploratório é comparar classificadores automáticos de padrões utilizando diferentes técnicas de inteligência artificial para prever eventos de nefrotoxicidade e rejeição celular aguda (RCA) em pacientes com até um ano do transplante renal. Métodos: Foram realizados testes estatísticos de incidência e regressão logística nas variáveis em relação à nefrotoxicidade e RCA. Foram utilizados diferentes classificadores (redes neurais, support vector machines (SVM), árvores de decisão, inferência bayesiana, e vizinhos mais próximos) com o objetivo de prever RCA e nefrotoxicidade. Os classificadores foram avaliados segundo o valor de sensibilidade, especificidade e área sob a curva ROC (AUC). Resultados: A incidência de RCA foi de 31,0% e de nefrotoxicidade de 26,9%. A técnica que apresentou o melhor valor de sensibilidade foi a SVM (algoritmo LIBSVM) com sensibilidade 0,87 (taxa de acerto 79,86%; especificidade 0,70; AUC 0,79). A técnica que apresentou o melhor valor de AUC para prever nefrotoxicidade ou RCA foi a de inferência bayesiana (algoritmo NaiveBayes) com AUC 0,80 (taxa de acerto 75,92%). Conclusão: Os resultados são animadores, com taxas de tentativa e erro condizentes com a determinação de rejeição celular aguda e nefrotoxicidade.
Background: Complications associated with kidney transplantation and immunosuppression can be prevented or treated effectively if diagnosed in early stages with monitoring post-transplant. Objective: The objective of this exploratory study is compare automatic classifiers using different techniques of artificial intelligenceáto predict events of nephrotoxicity and acute cellular rejection (ACR), with up to one year of renal transplantation Methods: The incidence and the statistical test logistic regression have been calculated in variables regarding nephrotoxicity and ACR.áWe used different classifiers (neural networks, support vector machines (SVM), decision trees, Bayesian inference, and closest neighbors) in order to provide ACR and nephrotoxicity. The classifiers were evaluated according to the value of sensitivity, specificity and area under ROC curve (AUC). Results: The prevalence of acute cellular rejection was 31.0% and 26.9% of nephrotoxicity. The technique had the highest sensitivity value prediction for the submission to the transplanted kidney biopsy was SVM (LIBSVM algorithm) with sensitivity rates of 0.87 (accuracy rate 79.86; specificity 0.70; AUC 0.79). The technique had the highest AUC for predicting nephrotoxicity and ACR was bayesian inference (NaiveBayes), with AUC rates of 0.8 (accuracy rate 75.92).Conclusion: The results are encouraging, with rates of accuracy and error consistent with the determination of acute cellular rejection and nephrotoxicity.