Esse repositório contém o estudo dos dados de demência em um dataset opensource com a informação de 1000 pessoas e 24 features. O trabalho é constituido do tratamento, processamento e exploração dos dados, incluindo modelos de ML e seus resultados.
A base de dados está disponibilizada na plataforma Kaggle sobre as diretrizes da licença apache 2.0. Os dados foram levantados por meio de webscraping, consulta em dados open source e no sistema nacional de saúde britânico(NHS). Os dados englobam 1000 pessoas não identificadas entre 60 e 90 anos, com múltiplas informações relevantes. Os dados ao todo são 23 colunas e mais uma coluna com o diagnóstico de demência ou não (0 ou 1), esses dados são balanceados quanto a presença da doença e outros fatores como sexo, mão dominante e escolaridade.
| Atrbiuto | Descrição | Variável/Tipo |
|---|---|---|
| Diabetic | Sofre de diabetes? | Sim (1) ou não(0) |
| Alcohol Level | Quantidade de alcool no sangue. | Valor contínuo |
| Heart Rate | Batimentos cardiacos por minuto. | Valor inteiro |
| Blood Oxygen Level | Taxa de oxigenação do sangue. | Valor contínuo |
| Body Temperature | Temperatura medida. | Valor contínuo |
| Weight | Peso. | Valor contínuo |
| MRI Delay | Tempo que demorou para o médico pedir uma ressonância magnética. | Valor contínuo |
| Prescription | Qual remédio o paciente toma. | Classes (5) |
| Dosage in mg | Dose do remédio. | Valor inteiro |
| Age | Idade. | Valor inteiro |
| Education_Level | Grau de educação do paciente. | Classes (4) |
| Dominant_Hand | Qual a mão dominante. | destro (1) ou canhoto(0) |
| Gender | Genêro. | masculino (1) ou feminino(0) |
| Family_History | Histórico de demência na família. | Sim (1) ou não(0) |
| Smoking_Status | Relação do paciente com o cigarro. | Classes (3) |
| APOE_ε4 | Presença de variação no alelo 4 do gene APOE. | Sim (1) ou não(0) |
| Physical_Activity | Prática de atividade física. | Classes (3) |
| Depression_Status | O paciente possui depressão? | Sim (1) ou não(0) |
| Cognitive_Test_Scores | Nota no teste cognitivo. | Valor inteiro |
| Medication_History | Possui histórico de medicação? | Sim (1) ou não(0) |
| Nutrition_Diet | Tipo da dieta. | Classes (3) |
| Sleep_Quality | Qualidade do sono. | boa (1) ou ruim(0) |
| Chronic_Health_Conditions | Possui problemas cronicos de saúde? | Classes (4) |
| Dementia | Possui demência? | Sim (1) ou não(0) |
O pacote conda é necessário para criar ambientes virtuais Python. Para instalá-lo siga as instruções disponibilizadas na Documentação.
Agora, vamos clonar um repositório Git e criar um ambiente virtual Python:
# Baixe o projeto
git clone https://github.com/intel-comp-saude-ufes/2024-1-P1-dementia.git
# Entre na pasta do projeto
cd 2024-1-P1-dementia/
# Crie um ambiente virtual com nome 'dementia'
conda create -n dementia
# Ative o ambiente virtual
conda activate dementiaUma vez no ambiente virtual, instale as dependências do projeto:
conda install pip jupyterlab
pip install -r requirements.txtPara abrir os Jupyter Notebooks que contém o projeto, basta utilizar o projeto JupyterLab computational environment (já consta como dependência desse trabalho). Para executá-lo, basta digitar no terminal:
jupyter-labEntão, abra o browser em: http://localhost:8888/. O arquivo notebooks/project que contém todo o código desenvoldido do projeto.
| Curva ROC | Curva PRC XGBoost |
|---|---|
 |
 |
Nesse trabalho foram verificadas algumas informações interessantes quanto a demência e aos dados utilizados. Primeiramente as análises permitiram confirmar a relação tanto do tabagismo quanto da baixa escolaridade como fatores de risco para o desenvolvimento de demência e também se teve que a influência da mão dominante no desenvolvimento de demência não foi estatisticamente relevante.
Os resultados mostram que os classificadores utilizados tiveram bons resultados e teriam boa aplicabilidade para um modelo em produção. Entretanto, o algoritmo Extreme Gradient Boosting superou em desempenho quando comparado aos outros (melhor média harmônica F1). Dessa forma, poderia-se utilizar um sistema de alerta que avalie dados médicos básicos e aponte possíveis candidatos a desenvolver demência.
Este projeto é licenciado sob os termos da licença MIT e está disponível gratuitamente.