Mineração de dados aplicada ao conhecimento em uma população universitária / Data Mining applied to knowledge in a university population / La minería de datos aplicada al conocimiento en población universitária

RESUMO

Objetivo: Descrever o processo de mineração de uma base de dados de tabagismo obtida de uma população universitária do Sul de Santa Catarina. Métodos: Estudo de natureza aplicada (tecnológica), transversal, de campo e laboratório, e descritivo. A base de dados utilizada foi de um estudo de prevalência realizado na Universidade do Extremo Sul Catarinense no segundo semestre de 2010, resultando em 575 registros. Foi realizado pré-processamento; em seguida, mineração de dados, primeiro pela clusterização fuzzy, sucedida pela tarefa de classificação; última etapa abordou a avaliação das árvores e regras geradas. Resultados: Foram realizados mais de 300 experimentos, resultando em 524 regras, 339 oriundas da base completa, e 185 da clusterizada de fumantes. Na base completa obteve-se sensibilidade 98,0[IC95%=(97,0;99,0)], especificidade 87,0[IC95%=(97,0;99,0)], acurácia 98,0[IC95%=(79,0;94,0)]; a base clusterizada resultou em sensibilidade 84,0[IC95%=(78,0;90,0)], especificidade 73,0[IC95%=(61,0;86,0)], acurácia 82,0[IC95%=(74,0;89,0)]. Conclusão: O perfil epidemiológico dos tabagistas resultante das regras geradas em nosso estudo foi semelhante da literatura.

ABSTRACT

Objective: To describe the process of Data Mining of a smoking database obtained from a university population in the South of Santa Catarina. Methodos Descriptive, laboratory and camp, transversal, technologic nature study. The database used was originated from a prevalence study in the second semester of 2010, at the University do Extremo Sul Catarinense, which has resulted 575 registers. In the beginning the preprocessing was performed; next, the Data Mining, first trough fuzzy clustarization, followed by the classification; last step assessed the generated rules. Results: More than 300 experiments were performed, resulting 524 rules, 339 originated from the complete non-clusterized database, and 185 from smoking cluster. The complete database showed sensitivity 98,0[CI95%=(97,0;99,0)], specificity 87,0[CI95%=(97,0;99,0)] and precision 98,0[CI95%=(79,0;94,0)]; the smoking clusterized database resulted sensitivity 84,0[CI95%=(78,0;90,0)], specificity 73,0[CI95%=(61,0;86,0)] and precision 82,0[CI95%=(74,0;89,0)]. Conclusion: The epidemiologic profile of the tobacco users resultant of the generated rules in our research was similar to the literature.

RESUMEN

Objetivo: Describir el proceso de minería de una base de datos del consumo de tabaco obtenido de una población universitaria del Sur de Santa Catarina. Metodos: Estudio de naturaleza aplicada (tecnología), ámbito transversal y de laboratorio, y descriptivo. La base de datos utilizada fue un estudio de prevalencia realizado en Universidad del Extremo Sul Catarinense el segundo semestre de 2010, que resulta en 575 registros. Hemos llevado a cabo pre-procesamiento, a continuación, la minería de datos, primero por agrupamiento difuso, logrado por la tarea de clasificación; etapa final se dirigió a la evaluación de los árboles y las reglas generadas. Resultados: Realizaron más de 300 experimentos, que resulta las normas 524, 339 que surgen de la base completa, y 185 de los fumadores clúster. Base sólida la sensibilidad se obtuvo 98,0[IC95%=(97,0;99,0)], especificidad 87,0[IC95%=(97,0;99,0)], precisión 98,0[IC95%=(79,0;94,0)]; basado en clúster produjo sensibilidad 84,0[IC95%=(78,0;90,0)], la especificidad 73,0[IC95%=(61,0;86,0)], exactitud 82,0[IC95%=(74,0;89,0)]. Conclusión: El perfil epidemiológico de los fumadores que resultan de las normas generadas en nuestro estudio fue la literatura similar.