Na maioria dos países, o câncer de mama entre as mulheres é predominante. Se diagnosticado precocemente, apresenta alta probabilidade de cura. Diversas abordagens baseadas em Estatística foram desenvolvidas para auxiliar na sua detecção precoce. Este artigo apresenta um método para a seleção de variáveis para classificação dos casos em duas classes de resultado, benigno ou maligno, baseado na análise citopatológica de amostras de célula da mama de pacientes. As variáveis são ordenadas de acordo com um novo índice de importância de variáveis que combina os pesos de importância da Análise de Componentes Principais e a variância explicada a partir de cada componente retido. Observações da amostra de treino são categorizadas em duas classes através das ferramentas k-vizinhos mais próximos e Análise Discriminante, seguida pela eliminação da variável com o menor índice de importância. Usa-se o subconjunto com a máxima acurácia para classificar as observações na amostra de teste. Aplicando ao Wisconsin Breast Cancer Database, o método proposto apresentou uma média de 97,77% de acurácia de classificação, retendo uma média de 5,8 variáveis.

In the majority of countries, breast cancer among women is highly prevalent. If diagnosed in the early stages, there is a high probability of a cure. Several statistical-based approaches have been developed to assist in early breast cancer detection. This paper presents a method for selection of variables for the classification of cases into two classes, benign or malignant, based on cytopathological analysis of breast cell samples of patients. The variables are ranked according to a new index of importance of variables that combines the weighting importance of Principal Component Analysis and the explained variance based on each retained component. Observations from the test sample are categorized into two classes using the k-Nearest Neighbor algorithm and Discriminant Analysis, followed by elimination of the variable with the index of lowest importance. The subset with the highest accuracy is used to classify observations in the test sample. When applied to the Wisconsin Breast Cancer Database, the proposed method led to average of 97.77% in classification accuracy while retaining an average of 5.8 variables.

Na maioria dos países, o câncer de mama entre as mulheres é predominante. Se diagnosticado precocemente, apresenta alta probabilidade de cura. Diversas abordagens baseadas em Estatística foram desenvolvidas para auxiliar na sua detecção precoce. Este artigo apresenta um método para a seleção de variáveis para classificação dos casos em duas classes de resultado, benigno ou maligno, baseado na análise citopatológica de amostras de célula da mama de pacientes. As variáveis são ordenadas de acordo com um novo índice de importância de variáveis que combina os pesos de importância da Análise de Componentes Principais e a variância explicada a partir de cada componente retido. Observações da amostra de treino são categorizadas em duas classes através das ferramentas k-vizinhos mais próximos e Análise Discriminante, seguida pela eliminação da variável com o menor índice de importância. Usa-se o subconjunto com a máxima acurácia para classificar as observações na amostra de teste. Aplicando ao Wisconsin Breast Cancer Database, o método proposto apresentou uma média de 97,77% de acurácia de classificação, retendo uma média de 5,8 variáveis.

In the majority of countries, breast cancer among women is highly prevalent. If diagnosed in the early stages, there is a high probability of a cure. Several statistical-based approaches have been developed to assist in early breast cancer detection. This paper presents a method for selection of variables for the classification of cases into two classes, benign or malignant, based on cytopathological analysis of breast cell samples of patients. The variables are ranked according to a new index of importance of variables that combines the weighting importance of Principal Component Analysis and the explained variance based on each retained component. Observations from the test sample are categorized into two classes using the k-Nearest Neighbor algorithm and Discriminant Analysis, followed by elimination of the variable with the index of lowest importance. The subset with the highest accuracy is used to classify observations in the test sample. When applied to the Wisconsin Breast Cancer Database, the proposed method led to average of 97.77% in classification accuracy while retaining an average of 5.8 variables.

INTRODUÇÃO: Entre os riscos intrínsecos na assistência à saúde, a infusão de medicamentos é uma preocupação constante. Essa pesquisa analisou os tipos de notificações de eventos adversos, com a possibilidade dos profissionais envolvidos no uso incorreto de operação de Bombas de Infusão (BI). Os autores realizaram uma pesquisa dos problemas decorrentes de eventos adversos gerados da utilização de BI e desenvolveram um instrumento de identificação de conhecimentos de habilidades e usabilidades de BI. MÉTODOS: A metodologia utilizada no estudo foi desenvolvida em quatro fases. Na primeira e segunda fase, realizou-se uma pesquisa no banco de dados de relatos sobre notificações na unidade de Tecnovigilância da Agência Nacional de Vigilância Sanitária (ANVISA) com o levantamento de dados, classificação de equipamentos, tipificação de problemas e análise de causas comuns. Na terceira fase realizou-se a análise do banco de dados de notificações de um fabricante de BI. Na última fase foi feita a análise de causas comuns para desenvolver as ações preventivas e o desenvolvimento do instrumento proposto. RESULTADOS: Foram analisados os anos de 2006 a 2011 onde existiam 1.971 relatos sobre notificações de equipamentos médicos hospitalares, sendo 251 desses relatos sobre BI (12,6%). Essa porcentagem foi a maior encontrada entre todos os equipamentos notificados. CONCLUSÃO: O estudo permitiu afirmar que os profissionais que operam as BI, muitas vezes possuem carência de conhecimento e/ou falta de compromisso com a atividade. Pode-se afirmar que um aspecto importante e inquestionável sobre o uso de BI é a relação com a segurança.

INTRODUCTION: Among the inherent risks in health care, the infusion of drugs is a constant concern. This research examined the types of notification of adverse events, with the possibility of the health professionals involved in the incorrect use of Infusion Pumps (IP) operation. The authors conducted a research of the problems arising from adverse events generated using IP and developed an instrument to identify the skills and knowledge of BI usability. METHODS: The methodology used in the study was developed in four phases. In the first and second phases, we carried out a search in the database of reports on notification in technovigilance unit of the Brazilian Health Surveillance Agency (ANVISA) with data collection, equipment classification, classification and analysis of problems of common causes. In the third phase took place the analysis of the database of notification from an IP manufacturer. In the last phase an analysis was made of the common causes for developing preventive actions and the development of the proposed instrument. RESULTS: We analyzed the years 2006 to 2011 where there were 1.971 reports of medical equipment notification, and 251 of these reports on IP (12.6%). This percentage was the highest among all equipment reported. CONCLUSION: The study allowed us to say that the professionals who operate the IP often denote lack of knowledge and / or lack of commitment to the activity. It can be argued that an important and unquestionable aspect about the use of IP is related to safety.