Análise exploratória de dados de traumatismo cranioencefálico usando floresta aleatória.

Abstract

Esse trabalho traz uma análise exploratória em dados de traumatismo cranioencefálico por meio do uso de aprendizado de máquina para a identificação dos atributos mais importantes na predição do desfecho de variáveis-alvo. As lesões causadas pelo traumatismo cranioencefálico são uma das maiores causas de mortes no mundo e também estão diretamente ligadas com diversos outros problemas neurológicos pós-trauma. Diversos algoritmos de aprendizado de máquina vêm sendo estudados e aplicados em análise de dados clínicos. Dessa forma, esse trabalho surgiu da necessidade identificada em se realizar uma análise exploratória de dados de traumatismo cranioencefálico. Modelos de floresta aleatória são utilizados para identificação dos atributos mais relevantes para a predição de desfechos. Para tal, foi utilizada a classe RandomForestRegressor da biblioteca scikit-learn do Python para a regressão dos dados, definindo a pontuação média de cada um dos atributos na predição do desfecho e, diante disso, a identificação dos atributos importantes. Os resultados produzidos consideraram a predição de duas variáveis-alvo, ambas relacionadas com a escala HAD. Através da aplicação da metodologia proposta, foram identificados os atributos que apresentam maior relevância na predição do desfecho de cada variável-alvo, sendo de extrema importância para o entendimento e análise do comportamento dos dados e do algoritmo para melhorias futuras.