Predição de casos de sífilis congênita: uma avaliação de desempenho de diferentes modelos de aprendizado de máquina

  • Igor Vitor Teixeira UPE
  • Patricia Takako Endo UPE

Resumo


As Infecções Sexualmente Transmissíveis (ISTs) são um problema preocupante, especialmente em países em desenvolvimento e subdesenvolvidos, nos quais fatores ambientais e outros determinantes da saúde contribuem para sua rápida disseminação. Diante desta situação, o principal objetivo deste trabalho é avaliar o desempenho de diferentes modelos de aprendizado de máquina na predição de resultados indesejáveis da sífilis congênita, a fim de auxiliar na alocação de recursos e otimizar as ações na área de saúde, especialmente em um ambiente de saúde com poucos recursos. Utilizamos dados clínicos e sociodemográficos de gestantes atendidas em um programa social do estado de Pernambuco, Brasil, denominado Programa Mãe Coruja Pernambucana (PMCP). Os modelos SVM e AdaBoost apresentaram os melhores resultados, utilizando 13 e 11 atributos como entrada, respectivamente.

Referências

da Saúde do Brasil, M. (2020a). Guia de vigilância em saúde. Acessado em 12 de dezembro de 2020.

da Saúde do Brasil, M. (2020b). Protocolo clínico e diretrizes terapêuticas para atenção integral às pessoas com infecções sexualmente transmissíveis (ist). Acessado em 7 de dezembro de 2022.

da Saúde do Brasil, M. (2021). Boletim epidemiológico sífilis.

Domingues, C. S. B., Duarte, G., Passos, M. R. L., Sztajnbok, D. C. d. N., and Menezes, M. L. B. (2021). Brazilian protocol for sexually transmitted infections, 2020: congenital syphilis and child exposed to syphilis. Revista da Sociedade Brasileira de Medicina Tropical, 54.

Ehsani-Moghaddam, B., Martin, K., and Queenan, J. A. (2019). Data quality in healthcare: A report of practical experience with the canadian primary care sentinel surveillance network data. Health Information Management Journal, 50(1-2):88–92.

Lima, M. G., Santos, R. F. R. d., Barbosa, G. J. A., and Ribeiro, G. d. S. (2013). Incidência e fatores de risco para sífilis congênita em belo horizonte, minas gerais, 2001-2008. Ciência & Saúde Coletiva, 18:499–506.

Santos, M. M. d., Rosendo, T. M. S. d. S., Lopes, A. K. B., Roncalli, A. G., and Lima, K. C. d. (2021). Weaknesses in primary health care favor the growth of acquired syphilis. PLoS neglected tropical diseases, 15(2):e0009085.

Teixeira, I. V., Leite, M. T. d. S., Melo, F. L. d. M., Rocha, E. d. S. R., Sadok, S., Carrarine, A. S. P. d. C., Santana, Marilia, R. C. P., Oliveira, A. M. d. L., Gadelha, K. V., Morais, C. M. d., Kelner, J., and Endo, P. T. (2022). Predicting congenital syphilis cases: a performance evaluation of different machine learning models. PLOS ONE.
Publicado
27/06/2023
TEIXEIRA, Igor Vitor; ENDO, Patricia Takako. Predição de casos de sífilis congênita: uma avaliação de desempenho de diferentes modelos de aprendizado de máquina. In: PRÊMIO ARTUR ZIVIANI - CONCURSO DE TESES E DISSERTAÇÕES (MESTRADO) - SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 23. , 2023, São Paulo/SP. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 120-125. ISSN 2763-8987. DOI: https://doi.org/10.5753/sbcas_estendido.2023.229715.