English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Among the various problems faced by clinics and doctors’ offices, it is worth noting the no-show of patients at their scheduled exams. In a scenario with high volumes of data, where the analysis of patient profiles becomes a nonscalable task to be done manually, a data sampling algorithm was proposed to assist the work of patient classification algorithms, in order to predict patients who will or will not attend the exams based on data from consultations and previously obtained patients. Results pointed out that a balanced sampling and using the proposed algorithm was crucial for a good result achieved by the techniques of machine learning classification when compared to a randomized and random sampling. Resumo. Dentre os diversos problemas enfrentados por clı́nicas e consultórios médicos, destaca-se o não comparecimento (no-show) de pacientes aos seus exames agendados. Em um cenário com alto volume de dados, onde a análise de perfis de paciente torna-se uma tarefa não escalável para ser feita de forma manual, foi proposto um método de amostragem de dados para o auxiliar o trabalho dos algoritmos de classificação de pacientes, a fim de predizer pacientes que irão ou não comparecer aos exames baseados em dados de consultas e pacientes previamente obtidos. Na análise, as técnicas de aprendizado de máquina para a classificação foram aplicadas em uma amostragem balanceada feita de forma aleatória e utilizado o método proposto. Os resultados indicam que o método proposto foi crucial para um bom resultado da classificação.

Diferentes abordagens de Subamostragem para Balanceamento da Base de Dados aplicados ao estudo de caso da Classificação de Absenteísmo de Pacientes Clínicos