Este trabalho explora dados médicos e demográficos de pacientes, incluindo variáveis como idade, gênero e IMC, juntamente com o status de diabetes. O objetivo é analisar esses fatores para identificar tendências e construir modelos preditivos, visando estimar o risco de diabetes nos pacientes.
- Davi Aciole
- Décio Francis
- José Almeida
- Levy Pinheiro
- Rúben Rocha
- [Thiago Malta]
A diabetes é uma doença crônica que se caracteriza por uma produção insuficiente ou má absorção de insulina, o hormônio que regula a glicose no sangue. A prevenção e o controle da diabetes incluem uma alimentação equilibrada, atividade física e monitoramento regular dos níveis de glicose, visando evitar complicações mais graves, como problemas cardíacos, de visão e circulação. O entendimento de quais fatores mais contribuem para diagnóstico de diabetes e a possibilidade de prevê-los é essencial para a sociedade. Além de beneficiar os profissionais da saúde, o projeto colabora com informações para todos que vêm na diabetes um problema grave e que desejam se prevenir dela.
O projeto será desenvolvido utilizando a metodologia CRISP-DM, seguindo os seguintes passos:
- Entendimento de negócio
- Entendimento de dados
- Preparação dos dados
- Modelagem
O projeto será divido em duas entregas, são elas:
- Análise Exploratória de Dados (EDA): entendimento das varáveis que influenciam o diagnóstico de diabetes e identificação de padrões nos dados através de hipóteses, visualizações e insights.
- Análise Comparativa de Modelos: construção de modelos de aprendizado de máquina para previsão de casos de diabetes.
É esperado a identificação das variáveis mais influentes para o diagnóstico por meio de análises de correlação. Com um modelo de melhor precisão, podemos prever a presença de diabetes em pacientes diversos. Portanto, esses resultados ajudarão a entender o perfil de pessoas com diabetes e a fornecer insights para intervenções mais direcionadas.