No abstract

Beta regression models are a class of supervised learning tools for regression problems with univariate and limited response. Current fitting procedures for beta regression require variable selection based on (potentially problematic) information criteria. We propose model selection criteria that take into account the leverage, residuals, and influence of the observations, both to systematic linear and nonlinear components. To that end, we propose a Predictive Residual Sum of Squares (PRESS)-like machine learning tool and a prediction coefficient, namely P 2 statistic, as a computational procedure. Monte Carlo simulation results on the finite sample behavior of prediction-based model selection criteria P 2 are provided. We also evaluated two versions of the R 2 criterion. Finally, applications to real data are presented. The new criterion proved to be crucial to choose models taking into account the robustness of the maximum likelihood estimation procedure in the presence of influential cases.

NCT02809014.

Este trabalho visa apresentar uma experiência de participação colaborativa no processo de desenvolvimento, validação, análise de qualidade e usabilidade do Prontuário Eletrônico de Estomatologia (PEEst), no curso de Odontologia da Universidade Federal da Paraíba (UFPB). O PEEst foi implementado a partir de uma metodologia de desenvolvimento e validação estruturada em etapas, utilizando a linguagem de programação PHP, JavaScript, HTML5 e CSS. Os testes e validação contaram com a participação de docentes e discentes da disciplina de Estomatologia II, que registraram as informações no PEEst e responderam ao formulário de avaliação. Foi verificada a necessidade de capacitações dos usuários com relação a qualidade dos registros das informações. O PEEst mostrou ser uma ferramenta eficaz com interface autoexplicativa, permitindo acesso seguro, possibilitando registrar fotos e informações detalhadas do paciente e de suas lesões, sendo uma ótima opção para ser utilizada nas Clínicas de Estomatologia, especialmente, nas clínicas escolas.