Segmentação de nomes por meio de modelos escondidos de Markov e sua aplicação na vinculação de registros

AUTOR(ES)

Gonçalves, Rita de Cassia Braga, Freire, Sergio Miranda

FONTE

Cad. Saúde Pública

DATA DE PUBLICAÇÃO

2014-10

RESUMO

Este estudo visa avaliar a utilização dos modelos escondidos de Markov (HMM) para a segmentação de nomes de pessoas e sua influência na vinculação de registros. Um modelo HMM foi aplicado à segmentação dos nomes do paciente e da mãe nas bases do Sistema de Informações sobre Mortalidade (SIM), Subsistema de Informação de Procedimentos de Alta Complexidade (APAC), e Sistema de Informação Hospitalar (AIH). Uma amostra de 200 pacientes de cada uma das bases foi segmentada via HMM e o resultado foi comparado com a realizada pelos autores. As bases APAC-SIM e APAC-AIH foram vinculadas usando-se três diferentes estratégias de segmentação dos nomes, sendo uma delas via HMM. A conformidade da segmentação via HMM variou de 90,5% a 92,5%. As estratégias de segmentação produziram resultados similares na vinculação de registros. Este estudo sugere que a segmentação de nomes brasileiros por meio do HMM não é mais eficaz no processo de vinculação que segmentações tradicionais.

ASSUNTO(S)

cadeias de markov sistemas de informação base de dados

Documentos Relacionados

• Um Método para segmentação e reconhecimento de palavras manuscrritas usando modelos escondidos de Markov
• Cascateamento de modelos escondidos de Markov para identificação de estados
• Modelos escondidos de Markov para classificaÃÃo de proteÃnas
• RECONHECIMENTO DE VOZ CONTÍNUA PARA O PORTUGUÊS UTILIZANDO MODELOS DE MARKOV ESCONDIDOS
• Os modelos multiestágios de maturidade: um breve relato de sua história, sua difusão e sua aplicação na gestão de pessoas por meio do People Capability Maturity Model (P-CMM)