Implementação de um sistema mobile colaborativo para acompanhamento do quadro de pacientes com esclerose múltipla por meio de análise de sentimento
| dc.contributor.advisor | Gouveia, Roberta Macêdo Marques | |
| dc.contributor.advisor-co | Tschá, Elizabeth Regina | |
| dc.contributor.advisor-coLattes | http://lattes.cnpq.br/9598413463162759 | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/2024317361355224 | |
| dc.contributor.author | Araujo, Paula Priscila da Cruz | |
| dc.contributor.authorLattes | http://lattes.cnpq.br/0280090820230057 | |
| dc.date.accessioned | 2024-10-30T14:51:17Z | |
| dc.date.available | 2024-10-30T14:51:17Z | |
| dc.date.issued | 2024-10-02 | |
| dc.degree.departament | Estatística e Informática | |
| dc.degree.graduation | Bacharelado em Sistemas de Informação | |
| dc.degree.grantor | Universidade Federal Rural de Pernambuco | |
| dc.degree.level | Graduacao | |
| dc.degree.local | Recife | |
| dc.description.abstract | O estudo visa desenvolver um sistema mobile para facilitar o acompanhamento de pacientes acometidos por Esclerose Múltipla (EM) baseado no Toolkit Human-Centered Design (HCD) para atender as necessidades dos pacientes. O aplicativo permite que eles registrem e monitorarem emoções, sintomas e tratamentos, oferecendo relatórios mensais e alertas personalizados. Para a análise de sentimentos, foram utilizados os algoritmos de aprendizado de máquina XGBoost e Naive Bayes, sendo o XGBoost demonstrando melhor desempenho, com uma acurácia de 87,56% e um F1-Score de 0,876, enquanto o Naive Bayes, obteve 62,25% de acurácia e um F1-Score de 0,524. Os resultados indicam a eficácia da ferramenta no acompanhamento emocional e médico, contribuindo para a melhoria na qualidade de vida. | |
| dc.description.abstractx | The study aims to develop a mobile system to facilitate the monitoring of patients with Multiple Sclerosis (MS), based on the Human-Centered Design (HCD) Toolkit to meet patient needs. The app allows patients to record and track emotions, symptoms, and treatments, offering monthly reports and personalized alerts. For sentiment analysis, the machine learning algorithms XGBoost and Naive Bayes were used, with XGBoost showing better performance, achieving 87.56% accuracy and an F1-Score of 0.876, while Naive Bayes obtained 62.25% accuracy and an F1-Score of 0.524. The results indicate the tool’s effectiveness in emotional and medical monitoring, contributing to an improved quality of life. | |
| dc.format.extent | 29 f. | |
| dc.identifier.citation | ARAUJO, Paula Priscila da Cruz. Implementação de um sistema mobile colaborativo para acompanhamento do quadro de pacientes com esclerose múltipla por meio de análise de sentimento. 2024. 29 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2024. | |
| dc.identifier.darkflstrmv | https://n2t.net/ark:/57462/001300000m40v | |
| dc.identifier.uri | https://repository.ufrpe.br/handle/123456789/6373 | |
| dc.language.iso | por | |
| dc.publisher.country | Brasil | |
| dc.rights | openAccess | |
| dc.rights.license | Atribuição 4.0 Internacional (CC BY 4.0) | pt_BR |
| dc.rights.uri | https://creativecommons.org/licenses/by/4.0/deed.pt_BR | |
| dc.subject | Esclerose múltipla | |
| dc.subject | Aplicativos móveis | |
| dc.subject | Análise de sentimentos | |
| dc.subject | Mineração de dados (Computação) | |
| dc.subject | Aprendizado do computador | |
| dc.title | Implementação de um sistema mobile colaborativo para acompanhamento do quadro de pacientes com esclerose múltipla por meio de análise de sentimento | |
| dc.type | bachelorThesis |