A estratégia de mudar a direção dos investimentos ocorre após essas farmacêuticas investirem pesado em uma área que envolve alto risco e requer anos de estudos e testes clínicos em animais e humanos para obter resultados e remédios com segurança e eficácia comprovadas.

Segundo o psiquiatra Mauro Aranha, do Conselho Regional de Medicina do Estado de São Paulo (Cremesp), é natural que os laboratórios revejam suas linhas de financiamento.

Fonte: www.g1.globo.com

Atualmente tem sido crescente o número de usuários das redes sociais, no Brasil este número supera 40 milhões, com isso torna-se fundamental as empresas, sejam elas pequenas ou grandes monitorar e analisar o tráfego nestas mídias.

No entanto este monitoramento precisa ser feito através de ferramentas amigáveis e que possibilite que os dados sejam interpretados e analisados rapidamente, é  neste contexto que o BIME é extremamente útil!

Por exemplo, a Laptopper uma empresa varejista com atuação online, utiliza o BIME para desenvolver web-analytics, acompanhando  e analisar o tráfego  em seu site e em suas mídias sociais e os apresenta em seu Dashboard (painéis), veja a direita.

Experimente o BIME e veja como ele poder ser útil para apresentar e analisar os dados.

Small Businesses & Marketing Infographic.

Verificar a pressão é um hábito comum, mas pesquisadores acreditam que a forma como essa medição é tradicionalmente feita – apenas em um dos braços – deve mudar. Publicada na revista científica The Lancet, a nova pesquisa sugere que uma grande diferença entre a leitura da pressão sistólica nos braços direito e esquerdo, em sequência, poderia indicar alto risco de morte por doenças vasculares.


Diferenças na aferição pressão podem elevar em 70% mortes por doenças cardiovasculares.


Para chegar a essa conclusão, os pesquisadores da Peninsula College of Medicine and Dentistry, na Inglaterra, analisaram 28 estudos anteriores sobre a diferença da pressão sanguínea entre os braços.


Os cientistas verificaram evidências significativas de que uma diferença de 15mmHg (milímetros de mercúrio), ou mais, estaria associada ao maior risco de desenvolver doença cerebrovascular, que afeta o suprimento de sangue para o cérebro, levando a problemas cognitivos, como a demência. De acordo com o estudo, a diferença de 15 mmHg (milímetros de mercúrio) na aferição da pressão arterial sistólica entre os dois braços também eleva em 70% o risco de morte por problemas cardiovasculares.

Fonte: www.gnt.globo.com

Santa must have received our wishlist this year, as over Christmas Bime featured in ReadWriteWeb’s list of the top 10 enterprise cloud apps and services of 2011. We were in fine company with companies such as Heroku and Xeround also included on the list. The author, Scott Fulton, describes a dramatic shift from 2010 to 2011 for businesses thanks to the cloud:

“In a very short time, suddenly true scalability for every IT service appeared within their reach.”


The choices for the list were evaluated partly based on the “social data flow”, a positive reflection of the buzz around Bime and thepositive press we received in 2011. Scott writes extensively about Bime’s Deja Vu data cache, which facilitates users to host their data in the cloud allowing them to use it online, anytime.


To read exactly what RWW wrote about Bime and to view the complete list of top 10 enterprise cloud apps and services of 2011, click here.


Fonte: www.wearecloud.com

Governos de países emergentes estão sendo impelidos a adotar medidas para combater o avanço da obesidade, que atingiu níveis alarmantes em economias em rápido crescimento nas últimas três décadas.

Dados inéditos da Organização Mundial de Saúde (OMS) obtidos com exclusividade pela BBC Brasil confirmam que, assim como o rápido crescimento do PIB (Produto Interno Bruto), o sobrepeso e a obesidade dispararam em países como China, Índia, África do Sul, Brasil e México.


Conhecidos no passado por dificuldade em alimentar suas populações, estes países hoje se debatem com problemas de natureza oposta – em um fenômeno que especialistas chamam de “dupla carga”.


“A forma com que calculamos o desenvolvimento econômico é simplesmente uma medida do quanto consumimos – então o quanto mais você consume, mais rico você é… e é claro que isso é ruim para ganho de peso”, disse à BBC Brasil SV Subramanian, professor de Saúde da População e Geografia da Universidade de Harvard.


No mês que vem, líderes mundiais se encontrarão na primeira cúpula de alto nível da ONU sobre doenças não-transmissíveis, que incluem obesidade, e serão exortados a adotar medidas de controle e regulamentação sobre a indústria alimentícia, assim como sistemas para identificar potenciais complicações de saúde em estágio inicial.


Fonte: www.g1.globo.com

Vamos multiplicar as chances de acerto em 2012. Em caso de alegria e realizações, vamos torcer para que o intervalo de confiança seja enorme. Não deixe que as variáveis de humor estraguem esse dia tão especial de todos os sujeitos que estão em nossa volta e fazem parte de nossas vidas. Nesse Natal, sugiro diminuir os sentimentos ruins que existem no mundo e somar o amor, a paz e dividir todos os momentos felizes com nossos amigos e familiares. Feliz natal e um ano novo cheio de realizações quanti e qualitativas. É o que todos nós da equipe Estanislao desejamos a vocês.

• The reading in of the audit data set (this data set is supplied as part of the R Rattle package): This is an artificial data set consisting of fictional clients who have been audited, perhaps for tax refund compliance. For each case an outcome is recorded: whether the taxpayer’s claims had to be adjusted or not which in the data is represented by 0 (no) and 1 (yes).
• The pre-processing of input variables, which involves dummyfication of categorical variables and normalization of numerical variables
• The training and testing of a neural network model
• The exporting of the resulting PMML file which includes all pre-processing steps as well as the neural network model itself.

KNIME Workflow – Step-by-Step

Below we describe in 8 steps how we went around building such a workflow.


Step 1: We start by reading the audit data set from a csv file. We simply use node “CSV Reader” for that. We then use node “Number To String” to tell KNIME that our predicted variable “TARGET_Adjusted” should be treated as a string.

Step 2: Since we do not want to use all variables in the data set for training our neural network, we use the node “Column Filter” to filter out variables such as ID and IGNORE_Accounts.

Step 3: We are now ready to start massaging the remaining data. For that we use the new PMML-enabled node “One2Many” to create dummy variables out of the categorical raw input variables. Note that this node comes with a blue port indicating its PMML capabilities. We also use another “Column Filter” node to remove the original categorical variables from our data.



Step 4: We then add PMML-enabled node “Normalizer” to the workflow. This node normalizes all the numerical variables so that they can be presented to the neural network for training. Note that we linked the blue port from the preceding node to this node. This signals KNIME that we would like to have the PMML representation passed between nodes.

Step 5: We then use the node “Partitioning” to partition the audit data into two data sets, one for training and another for testing.

Step 6: We can now use node “RProp MLP Learner” to train our neural network model. Note that this node is also PMML-enabled and so we link the blue port from node “Normalizer” to it. This ensures that the PMML equivalent of the pre-processing operations are being passed to the neural net learner node.

Step 7: Given that the neural network has been trained, it is time to export the resulting PMML file. For that we use the node “PMML Writer”. You can inspect the exported PMML file on your own (see RESOURCES below).

Step 8: As far as PMML is concerned, we are done. But, to complete the model building process, we must evaluate our model against the test data. For that, we connect the test piece of node “Partitioning” to node “MultiLayerPerceptron Predictor”. Note that the trained neural network model is communicated from the learner node to the predictor node via a blue PMML port. Finally, we can then visualize the scoring results using node “Interactive Table”. With this step, our data workflow is complete.

Putting your model to work


Once you have you verified that the model works and that it generalizes over the testing data, you can simply upload the resulting PMML file into ADAPA where it will be made available for execution.


Resources


Learn

• Download the resulting PMML file (KNIME export), audit data set, and KNIME workflow for this example.

• Read the article published in the KDD 2011 PMML Workshop: PMML Pre-processing in KNIME.

• Read the white-paper Zementis and KNIME published together: Social Media, Recommendation Engines and Real-Time Model Execution with KNIME and ADAPA
• Visit the Zementis PMML Resources page to explore complete PMML examples.
• Join the PMML discussion group in LinkedIn.
• Export and Convert R models to PMML with KNIME.

Get products and technologies

KNIME, a user-friendly and comprehensive open-source data integration, processing, analysis, and exploration platform. From day one, KNIME has been developed using rigorous software engineering practices and is used by professionals in both industry and academia in over 60 countries.


Fonte: www.adapasupport.zementis.com