Aplicações em quimiometria. Do diagnóstico médico à cientometria

Abstract

Este trabalho pretende mostrar a aplicabilidade dos métodos quimiométricos no tratamento e interpretação de vários tipos de problemas. Visa também, desenvolver e disponibilizar uma ferramenta de análise multivariada abrangente que possa ser executada de forma simples por vários utilizadores com ou sem formação especifica nesta área, assim como, evidenciar algumas características e limitações das ferramentas e procedimentos implementados. Uma das principais contribuições das técnicas de tratamento da informação dirigida ao usuário é claramente auxiliar no diagnóstico médico. Estas técnicas são especialmente úteis para promover a detecção precoce e a utilização de métodos menos invasivos que reduzam os riscos e o sofrimento dos pacientes. A análise multivariada é obrigatória quando vários parâmetros são obtidos em ensaios, e na maioria dos casos, a inspecção de todo o perfil de dados é claramente mais informativo que as avaliações parâmetro a parâmetro. A nossa abordagem está relacionada com a utilização de algumas técnicas quimiométricas bem conhecidas, para avaliar o impacto das variáveis na descrição do sistema e procurar os melhores descritores que permitam encontrar os indicadores de desenvolvimento potencial e o grau de progressão da doença. Especificamente, neste trabalho, abordamos uma variedade de dados relativos ao diagnóstico médico e a estudos epidemiológicos e mostramos que usando apenas estes métodos padrão, após uma selecção cuidadosa da abordagem para cada caso, é possível facilmente (i) separar classes ou categorias, recorrendo tanto a técnicas não supervisionadas como a técnicas supervisionadas, (ii) identificar redundâncias e relacionar variáveis, (iii) isolar factores e identificar padrões, incluindo marcas geográficas. Os resultados mostram que os quatro métodos multivariados, a análise de agrupamento (HCA), a análise de componentes principais (PCA), a análise discriminante linear (LDA) e o método dos mínimos quadrados parciais (PLS), permitem tirar conclusões complementares e distinguem correctamente os grupos existentes. De facto, o procedimento descrito neste trabalho é totalmente automatizado e atinge um grau de confiabilidade comparável às abordagens mais sofisticadas