RESUMO
Objetivo: identificar a prevalência dos diagnósticos, intervenções e resultados na consulta de Enfermagem deseguimento a pacientes com câncer de mama, próstata e cólon em ambulatório. Método: estudo quantitativo,tipo transversal, realizado a partir de instrumento elaborado e prontuário eletrônico de 101 pacientes. Osdados foram analisados com estatística descritiva simples e apresentados em tabela. Resultados: odiagnóstico mais prevalente foi Estilo de vida sedentário e a principal intervenção para este diagnóstico foia Promoção do exercício e o resultado Participação no lazer. A prevalência destes achados foi 14,43%,respectivamente. Conclusão: os dados contribuíram para identificar o perfil dos pacientes em seguimento,reforçando a necessidade de intensificação da atuação do enfermeiro no planejamento de intervenções emconsulta de Enfermagem.
Assuntos
Masculino , Feminino , Humanos , Adulto , Pessoa de Meia-Idade , Idoso , Idoso de 80 Anos ou mais , Continuidade da Assistência ao Paciente , Enfermagem Oncológica , Neoplasias da Mama , Neoplasias da Próstata , Neoplasias do Colo , Processo de Enfermagem , Seguimentos , Estudos Transversais , Registros Eletrônicos de SaúdeRESUMO
The field of odontology requires an appropriate adjustment of treatments according to the circumstances of each patient. A follow-up treatment for a patient experiencing problems from a previous procedure such as endodontic therapy, for example, may not necessarily preclude the possibility of extraction. It is therefore necessary to investigate new solutions aimed at analyzing data and, with regard to the given values, determine whether dental retreatment is required. In this work, we present a decision support system which applies the case-based reasoning (CBR) paradigm, specifically designed to predict the practicality of performing or not performing a retreatment. Thus, the system uses previous experiences to provide new predictions, which is completely innovative in the field of odontology. The proposed prediction technique includes an innovative combination of methods that minimizes false negatives to the greatest possible extent. False negatives refer to a prediction favoring a retreatment when in fact it would be ineffective. The combination of methods is performed by applying an optimization problem to reduce incorrect classifications and takes into account different parameters, such as precision, recall, and statistical probabilities. The proposed system was tested in a real environment and the results obtained are promising.
