Mikael Henrique de Jesus Batista

Dr. Mikael Henrique de Jesus Batista


Research Focus & Metrics

Academic Career Length

7Years (2020-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
2 August 2021 in Saúde Coletiva (Barueri)
Verified
Journal Article
Open access
PDF file
MBMikael Henrique de Jesus Batista
Mikael Henrique de Jesus Batista
AAAlanne Alves de Araujo
Alanne Alves de Araujo
RSRuan Feitosa dos Santos
Ruan Feitosa dos Santos
DLDaiara Vicentino Lima
Daiara Vicentino Lima
TNTainá Soares Nunes
Tainá Soares Nunes
ASAna Catarina De Moraes Souza
Ana Catarina De Moraes Souza
Objetivo é sintetizar os conhecimentos científicos a respeito da humanização da assistência de enfermagem no parto natural, buscando destacar a importância da assistência humanizada durante o parto, apontando sobre seu papel no desenvolvimento de ações de humanização em um centro obstétrico de uma maternidade de referência. Método: A busca de dados foi realizada nas bases de dados: SciELO e Google Scholar a partir dos descritores em ciências da saúde: Enfermagem; Desafios e Parto humanizado, resultando na seleção final de 29 artigos. Resultados: A implantação de uma assistência de enfermagem humanizada durante o parto favorece o fortalecimento do vínculo profissional e paciente, garantindo o direito de escolha durante o trabalho de parto. Conclusão: Apesar das dificuldades com espaços inadequados e falta de matérias, a educação em saúde desempenhada pelos enfermeiros pode conscientizar a adesão ao parto natural como também a pratica da humanização por parte de outros profissionais de saúde.

13 May 2022 in Research, Society and Development
Verified
Journal Article
Open access
PDF file
DODéborah Nívia Lacerda Oliveira
Déborah Nívia Lacerda Oliveira
EFEduarda Carolina Rodrigues Ferreira
Eduarda Carolina Rodrigues Ferreira
GSGeice Tainara Alves de Souza
Geice Tainara Alves de Souza
VSVitória Silva Sibady
Vitória Silva Sibady
MBMikael Henrique de Jesus Batista
Mikael Henrique de Jesus Batista
Introdução: As doenças que acometem o trato respiratório são agudas ou crônicas e apresentam uma das maiores taxas de mortalidade do mundo, afetando diretamente milhões de pessoas de todas as idades. A pneumonia é descrita como uma doença conhecida desde os primórdios da humanidade, encontrada nos antigos escritos gregos, romanos e árabes. O conhecimento da atividade microbiana na pneumonia e o Streptococcus como agente causador foi descoberto há cerca de 120 anos. Métodos: Trata-se de uma Revisão Integrativa, que apresenta como pergunta norteadora a existência de evidências sobre o alto número de crianças internadas em unidades pediátricas com pneumonia viral, tendo como desfecho possibilitar uma melhor orientação nos cuidados preventivos. Resultados e discussão: Os achados evidenciam a necessidade de realizar a educação com os responsáveis legais de crianças, uma vez que esse público, por apresentar maior consciência em relação da vulnerabilidade para pneumonia. Conclusão: Os vírus desencadeadores da pneumonia viral são responsáveis por gripes e resfriados, como o Influenza A, B ou C, H5N1, H1N1 e até mesmo o novo coronavírus do COVID-19.

17 November 2020
Verified
Book
Closed access
PDF file
UBUniversidade Brasil
Universidade Brasil
MBMikael Henrique de Jesus Batista
Mikael Henrique de Jesus Batista
KFKelber Abrão Ferreira
Kelber Abrão Ferreira
UFUfrgs
Ufrgs

10 October 2026 in Healthcare
Verified
Journal Article
Open access
PDF file
GSGelson André Schneider
Gelson André Schneider
MJMoisés Laurence de Freitas Lima Junior
Moisés Laurence de Freitas Lima Junior
Davenilcio Luiz de SouzaDavenilcio Luiz de Souza
Davenilcio Luiz de Souza
DVDomingos Rafael Ferla Valladares
Domingos Rafael Ferla Valladares
MBMikael Henrique de Jesus Batista
Mikael Henrique de Jesus Batista
AKAndré Luis Korzenowski
André Luis Korzenowski
Objectives: This study presents a generic taxonomic framework as a roadmap for users who wish to implement systems for detecting fraud and waste in health data; this roadmap outlines which unsupervised machine learning techniques can be used to detect anomalies in health data, and whether these anomalies are point, contextual, or collective. Methods: The research employed the Design Science Research (DSR) methodology in five stages: awareness, ideation, development, evaluation, and conclusion. The proposed taxonomic framework was designed through the implementation of the artifact, using the “Sample 1 to Inpatient Claims CMS 2008–2010 Data Entrepreneurs’ Synthetic Public Use File (DE-SynPUF)” database, which contains 66,773 records and 81 features. The dataset was applied to the K-Means, Isolation Forest (IF), and Local Outlier Factor (LOF) algorithms for point anomaly detection. Results: The number of anomalies detected by at least one of the algorithms was 13,966, representing (20.9%) of the dataset; K-Means alone detected 1608 (2.4%), IF alone detected 4522 (6.8%), LOF alone detected 2301 (3.4%), K-Means and IF together detected 4497 (6.7%), K-Means and LOF together detected 41 (0.1%), IF + LOF combined detected 465 (0.7%), and all three algorithms in consensus detected 532 (0.8%). Conclusions: Thus, the taxonomic framework proposed in this study can be viewed as a roadmap for researchers and developers seeking to understand which unsupervised technique to apply in detecting anomalies in health data, considering the type of anomaly.