A técnica de clusterização, por meio do algoritmo K-means, no processo de data mining em saúde bucal

Abstract

Esta pesquisa demonstra a aplicação de data mining, por meio da técnica de clusterização, para traçar a incidência da cárie dental na região sul. A base de dados utilizada para a descoberta de conhecimento foi o levantamento epidemiológico de saúde bucal realizado pelo Departamento de Informática do Sistema Único de Saúde (DATASUS) em crianças de 06 a 12 anos de idade no ano de 1996. Data mining é a concretização da descoberta de conhecimento, sendo realizado por meio de um conjunto de metodologias, técnicas e métodos, de forma a solucionar um problema. No caso desta pesquisa, como o nível de conhecimento que se tem do resultado final é desconhecido, utilizou-se a metodologia de descoberta não supervisionada de relações e a técnica de clusterização, por ter como característica a segmentação de grandes bases de dados. Dentre os métodos de clusterização, utilizou-se o k-means que permitiu direcionar os dados para os clusters, já que o algoritmo busca aqueles com maior semelhança possível. A ferramenta usada para análise dos dados foi a Waikato Environment for Knowledge Analysis (WEKA), por ser de domínio público, de fácil instalação e implementada em JAVA, o que lhe garante portabilidade. Após aplicação da base de dados na ferramenta, interpretou-se os resultados obtidos, por meio de dados estatísticos e visualização gráfica, concluindo-se que a região sul apresenta predominância de dentes hígidos na faixa etária analisada.