PREDIÇÃO DE DOENÇA PULMONAR OBSTRUTIVA CRÔNICA (DPOC) EM ADULTOS COM MACHINE LEARNING

Vol 2, 2021 - 142372
Pôster Eletrônico - PE47 - Saúde do trabalhador (TODOS OS DIAS)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Introdução: A doença pulmonar obstrutiva crônica (DPOC) afeta muitos adultos acima de 50 anos. Parte da sua incidência na população é atribuída ao trabalho e à exposição a fatores de risco como a poeira de sílica, e antecipar o diagnóstico pode evitar o seu agravamento. Objetivos: Identificar pacientes com maior risco de ter diagnóstico positivo de DPOC usando variáveis coletadas rotineiramente na atenção primária. Métodos: Foram analisados 120.294 participantes da base do UK Biobank recrutados entre 2006 e 2010. Desses, 1.837 (1,5%) tiveram diagnóstico positivo de DPOC. Ao todo, foram selecionadas 20 variáveis, entre dados demográficos, exames laboratoriais, hábitos e sintomas, para a construção de modelos preditivos de DPOC usando cinco algoritmos de machine learning (redes neurais artificiais, extra trees, random forests, catboost, e extreme gradient boosting). Além disso, foi selecionado um subconjunto de 7.628 participantes com histórico na indústria da construção e da mineração para treinar um modelo especializado. Entre esses, 248 (3,25%) tiveram diagnóstico positivo. Os dados foram divididos aleatoriamente, sendo 70% alocados para treinamento dos modelos e 30% para testes de performance. Resultados: Ambos os modelos apresentaram boa performance preditiva. O modelo geral obteve AUC de 0.847, sensibilidade de 0.786 e especificidade de 0.765. No modelo especialista, obteve-se uma AUC de 0.830, sensibilidade de 0.773 e especificidade de 0.773. As cinco principais variáveis preditoras foram tosse crônica, idade, histórico de asma, expectoração e exposição ao tabaco. Conclusão: Os resultados mostram que é possível predizer risco individual de diagnóstico de DPOC usando variáveis comumente coletadas no pronto-atendimento.

Eixo Temático
  • Saúde do trabalhador