Usando redes neurais artificiais e regressão logística na predição da Hepatite A

Abstract

Este trabalho desenvolve um sistema para predição da soroprevalência da Hepatite A. Para isto, são considerados os modelos de regressão de logística e redes neurais artificiais. O desempenho de tais modelos é medido através da taxa de classificação incorreta em uma amostra do município de Duque de Caxias, Rio de Janeiro, que possui elevada prevalência da doença. Resultados mostram que o modelo neural, aplicado sobre a informação relevante extraída do modelo de regressão logística, apresenta um bom desempenho, alcançando uma eficiência de classificação geral acima de 88%.This paper aims to develop a support system for seroprevalence prediction of hepatitis A. Logistic regression and artificial neural network models were considered. The accuracy of these models was measured based on the misclassification rate in a sample from the city of Duque de Caxias, Rio de Janeiro, where there is a high incidence of this disease. The results of the evaluation show that the neural model achieves an overall classification efficiency of 88%, when it uses relevant information extracted from the logistic model.