Para citar este trabalho use um dos padrões abaixo:
Objetivo: Analisar dados brasileiros de forma preditiva por meio de algoritmos de aprendizado de máquina para identificar variáveis de vulnerabilidade e risco na população para a prematuridade neonatal. Métodos: Dados de saúde pública brasileira do Sistema de Informações de Nascidos Vivos (SINASC) em 2022 foram analisados em todos os 26 estados federais, abrangendo 2.521.437 gestações e relatando desfechos gestacionais a termo ou prematuros. Inicialmente, 47 variáveis disponíveis nas consultas pré-natais foram selecionadas e o algoritmo Boruta foi utilizado para seleção de características, identificando 19 variáveis para treinamento dos modelos. Codificação one-hot e normalização z-score foram aplicadas para variáveis qualitativas e quantitativas, respectivamente. Algoritmos populares de aprendizado de máquina—XGBoost, Catboost, LightGBM e Random Forest—foram testados em um conjunto de teste de 30%. Resultados: Na análise geral, o algoritmo CatBoostClassifier apresentou Área Abaixo da Curva (AUC-ROC) de 0,640 (Precisão: 0,745, Recall: 0,117) e o XGBoost mostrou valores de AUC de 0,639 (Precisão: 0,748, Recall: 0,116). As principais variáveis preditivas incluíram altitude e longitude de residência, idade da mãe e mês da gestação de início do pré-natal. Conclusão: Algoritmos de aprendizado de máquina podem prever efetivamente a prematuridade utilizando dados de gravidez disponíveis nas consultas pré-natais; no entanto, é necessário mais informações dos Registros Eletrônicos de Saúde para permitir o uso de todas as informações disponíveis nas fases iniciais do pré-natal para uma melhor predição de gestações em risco de prematuridade. Pesquisas adicionais devem validar esta metodologia em diferentes contextos com dados semelhantes coletados rotineiramente.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo