USO DE MACHINE LEARNING PARA PREDIZER COLONIZAÇÃO DE PACIENTES COM ERC NA INTERNAÇÃO

Vol 2, 2021 - 139680
Comunicação Oral Coordenada - COC 30 - ESTRATEGIAS NÃO FARMACOLÓGICAS NA PANDEMIA POR COVID-19
Favoritar este trabalho
Como citar esse trabalho?
Resumo

As Enterobactérias Resistentes aos Carbapenêmicos (ERC) são uma causa importante de infecções e atualmente consideradas um problema de saúde pública mundial. Neste estudo, foram ajustados algoritmos de inteligência artificial (machine learning) com o objetivo de predizer colonização de ECR na internação hospitalar no Pronto-Socorro (PS). O banco de dados foi obtido de um estudo que fez o rastreio de colonização por ERC no momento da internação no PS do Hospital das Clínicas da FMUSP (HCFMUSP), sendo composto por 674 observações. Inicialmente foi realizado um estudo descritivo com o uso da correlação de Pearson, coeficiente V de Cramer e correlação bisserial. Após etapa de pré-processamento foram incluíras 11 variáveis preditoras e 485 observações (35 positivas; 7,2% de casos). Para a análise de ML inicialmente foram utilizadas diversas técnicas de rebalanceamento. Para o ajuste e validação dos modelos selecionados (regressão logística penalizada por Ridge, XGBoost, random forests e redes neurais artificiais) foi utilizada validação-cruzada de 3 folds com 10 repetições. Todas as análises preditivas foram realizadas em Python via scikit-learn. A regressão logística penalizada de Ridge obteve os melhores resultados via técnica de rebalanceamento ADASYN com AUC (0,822), sensibilidade (0,697), f1 (0,299), precisão (0,262) e acurácia (0,765). As variáveis preditoras mais importantes para o modelo foram uso de antimicrobiano até 30 dias antes da internação e paciente associado a serviço de saúde. Mesmo com poucas observações, os resultados são promissores na identificação rápida e consequente isolamento de portadores de CRE na admissão hospitalar, podendo levar a uma redução significativa de sua transmissão.

Eixo Temático
  • Epidemiologia das doenças transmissíveis