Cálculo e análise dos índices hematimétricos usando Python
Palabras clave:
Computação em Informática Médica, Técnicas de Laboratório Clínico, AnemiaResumen
Introdução: os índices hematimétricos (IH) avaliam os eritrócitos e são o VCM (volume corpuscular médio), CHCM (concentração de hemoglobina corpuscular média), HCM (hemoglobina corpuscular média) e o RDW (red cell distribution width). Objetivo: criar uma calculadora para os IH e fazer as análises dos resultados, utilizando a linguagem de programação Python. Métodos: a calculadora dos IH foi desenvolvida no Google Colab, com o Python 3. Resultados e discussão: no Google Colab é possível inserir os dados do paciente, realizar os cálculos e textos explicativos. Com o uso do Google Colab é possível disponibilizar a calculadora aos alunos, ou seja, é factível realizar testes e receber deles sugestões de melhoria. Conclusão: é possível utilizar o Python para calcular os IH e oportunizar aos educandos contatos com a programação.
Descargas
Citas
2. Santos, SLF, Costa VA, Tavares HST, et al. Utilização dos índices hematimétricos no diagnóstico diferencial de anemias microcíticas. Mostra Científica da Farmácia [Internet]. 2016; 3(1): 1-5. Disponível em: http://reservas.fcrs.edu.br/index.php/mostracientificafarmacia/article/view/1275
3. Ribeiro-Alves MA, Gordan PA. Diagnóstico de anemia em pacientes portadores de doença renal crônica. Jornal Brasileiro de Nefrologia. 2007; 29(4): 4-6.
4. Borges LE. Python para desenvolvedores. São Paulo: Novatec Editora; 2014. 320 p.
5. Coelho FC. Computação científica com Python. Rio de Janeiro: Edição do autor; 2007. 263 p.
6. Banin, SL. Python 3: Conceitos e aplicações: Uma abordagem didática. São Paulo: Editora Érica; 2018. 264 p.
7. Silva, MD. Aplicação da Ferramenta Google Colaboratory para o Ensino da Linguagem Python. Anais da Escola Regional de Engenharia de Software (ERES) [internet]. 2020; 67-76. Disponível em: https://sol.sbc.org.br/index.php/eres/article/view/13717
8. Almeida F, Hayashi V. Experimento de Processamento de Músicas com Python Notebook e Aplicativo loT. XXXIX Simpósio Brasileiro de Telecomunicações e Processamento de Sinais [Internet]. 2021; 1-5. Disponível em: https://biblioteca.sbrt.org.br/articlefile/2884.pdf
9. Baptista L. Usando Python e Google Colab para Ensinar Química Física Durante a Pandemia. 2021. 11 f. Documento de Trabalho- Universidade do Estado do Rio de Janeiro, Departamento de Química e Ambiental, Rio de Janeiro, 2021. Disponível em: https://chemrxiv.org/engage/apigateway/chemrxiv/assets/orp/resource/item/60c7548e0f50dba5b9397d43/original/using-python-and-google-colab-to-teach-physical-chemistry-during-pandemic.pdf
10. Menezes MNC. Introdução à Programação com Python. 3 ed. São Paulo: Novatec; 2019. 328 p.
11. Perkovic, L. Introdução à Computação Usando Python - um Foco no Desenvolvimento de Aplicações. São Paulo: LTC; 2016. 516 p.
12. Marty E, Marty RM. Hematologia Laboratorial. São Paulo: Érica, 2015. 120 p.
13. Bain B. Células Sanguíneas: Um Guia Prático. 5. ed. São Paulo: Artemed Editora S. A., 2016. 490 p.
14. Hoffmann LP, Polletti C, Roehrig KS et al. Avaliação dos índices hematimétricos emitidos pelos contadores hematológicos Pentra 120 Range e Sysmex XT-2000i. Revista Brasileira de Análises Clínicas. 2007; 39 (1): 25-28.
15. Grotto HZW. O hemograma: importância para a interpretação da biópsia. Revista Brasileira de Hematologia e Hemoterapia. 2009; 31(3): 178-182.
16. Brum MF. Eritrograma: Novas Perspectivas de Análise. 2013. 12 f. Trabalho de Conclusão de Curso (Pós-Graduação em Hematologia Laboratorial) – Curso de Pós-Graduação, Universidade Regional do Noroeste do Estado do Rio Grande do Sul, Rio Grande do Sul, 2013. Disponível em: https://bibliodigital.unijui.edu.br:8443/xmlui/bitstream/handle/123456789/1657/Artigo_Pronto%20MABEL_BRUM_pdf.pdf?sequence=1&isAllowed=y
17. Filho EAG, Silva MA, Campelo LC, et al. Uso de inteligência artificial para auxiliar o combate à obesidade: estudo de caso em Python. Ciência da Computação: Tecnologias Emergentes em Computação. 2021; 2(1): 274 – 282.
18. Feltrin P, Kulman C. Desenvolvimento de métodos portáteis para o diagnóstico de COVID-19. Mostra Integrada da Região NORTE – IFRS 2021. Disponível em: https://eventos.ifrs.edu.br/index.php/mostraintegradaregiaonorte/MoepexIbiruba/paper/view/11175
19. Lima TPF, Sena GR, Neves, CS, et al. Previsão de óbito e importância de características clínicas em idosos com COVID-19 utilizando o Algoritmo Random Forest. Revista Brasileira de Saúde Materno Infantil. 2021; 21: 453-460.
20. Castro AF, Oliveira AG, Vieira GFF, et al. Utilização da linguagem Python na análise de dados de dengue em Recife, capital do estado de Pernambuco, Nordeste do Brasil e definição de linha de tendência usando Machine Learning. Disponível em: https://www.researchgate.net/publication/361989988_Utilizacao_da_linguagem_Python_na_analise_de_dados_de_dengue_em_Recife_capital_do_estado_de_Pernambuco_Nordeste_do_Brasil_e_definicao_de_linha_de_tendencia_usando_Machine_Learning_Use_of_Python_langua
21. Fria BL, Alves JN, Costa CM. Uma experiência de inserção de Linguagem de Programação no Ensino Médio Integrado à Educação Profissional Técnica a partir da flexibilização curricular. Revista Labor. 2021; 1(25): 242-260.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Revista de Saúde Digital e Tecnologias Educacionais
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Os originais aceitos e publicados tornam-se propriedade da Revista Brasileira de Tecnologias Educacionais em Saúde. A revista adota a Licença Creative Commons, CC BY-NC. É possível acessar, baixar (download), copiar, imprimir, compartilhar e distribuir os artigos publicados conosco, desde que para uso não comercial, mencionando a RESDITE e atribuindo os créditos de autoria. A revista permite que os autores distribuam a versão do trabalho publicada conosco (ex.: em repositórios institucionais), desde que seja reconhecida a autoria e a publicação inicial na RESDITE.
