Anais do 11 º Congresso Brasileiro de Epidemiologia

Objetivos: Comparar a performance de algoritmos de inteligência artificial (machine learning) para a predição de óbito por doenças do aparelho cardiovascular, respiratório e neoplasias, em idosos residentes no Município de São Paulo (MSP). Métodos: Foi utilizada a coorte acompanhada desde 2006 (n=1.413) do Estudo SABE (Saúde, Bem-Estar e Envelhecimento), cuja amostra é representativa para os idosos residentes no MSP. As datas e causas dos óbitos foram obtidas por linkage com o Sistema de Informação de Mortalidade. Foram realizadas análises separadas para as 3 causas mais frequentes de óbito em 5 anos (doenças do aparelho circulatório, respiratório e neoplasias), de acordo com os capítulos da CID-10. Preditores numéricos foram normalizados e os dados divididos em treino (70%) e teste (30%). Foi utilizado o método de reamostragem “upsampling” nos dados de treino e validação cruzada 10-fold com 10 repetições para cada algoritmo testado. Para a avaliação da performance foram consideradas as áreas abaixo da curva ROC (AUCROC) e os modelos escolhidos foram analisados nos dados de teste. Resultados: Os óbitos por doenças respiratórias apresentaram melhor predição, seguido pelas doenças do aparelho circulatório. Para o primeiro, os algoritmos com melhor performance foram o gradient boosted trees (XGB) (AUCROC=0,88) e random forest (AUCROC=0,83). As variáveis preditoras mais importantes foram a idade e índice de massa corpórea. Conclusão: Modelos preditivos de óbito por causas específicas em idosos apresentaram resultados promissores com relação a sua habilidade discriminatória e pode ser uma ferramenta para rastreamento de grupos de risco, ajudando na implementação de estratégias preventivas.