MINERAÇÃO DE TEXTO EM QUEIXAS DE PACIENTES APLICADA À DETECÇÃO PRECOCE

Objetivos: Identificar eventos em saúde, pela utilização de métodos de mineração de texto e processamento de linguagem natural (PLN) aplicados às queixas de pacientes da rede de urgência e emergência (RUE), no município do Rio de Janeiro. Métodos: Campos abertos dos registros eletrônicos da RUE foram processados em etapas de limpeza - remoção de caracteres especiais e palavras não relevantes; tokenização; padronização de termos; e classificação dos atendimentos por sintomas de interesse. Com isso, foram construídos sinais de interesse epidemiológico na forma de séries temporais e de alertas para investigação de casos de doenças de notificação imediata, a partir de sintomas da definição de casos. Resultados: Os resultados foram dispostos em um painel Shiny que permite exploração de séries temporais, visualização de nuvem de palavras e detalhamento dos atendimentos a partir da combinação de sintomas pré-classificados, busca livre por termo ou por CIDs. Séries geradas a partir de sintomas relacionados aos casos de diarreia e arboviroses, por exemplo, foram incorporadas a modelos de séries temporais, reforçando sinais e sua capacidade preditiva. Além disso, com o alerta do painel, casos suspeitos de doenças de notificação imediata puderam ser identificados, ainda que não tenha inicialmente ocorrido suspeita diagnóstica. Conclusões: O estudo das queixas de pacientes revelou grande potencial de análise de tendências e de detecção precoce emergências em saúde pública. Além disso, traduziu-se em uma plataforma interna de exploração, visualização e alerta a partir das queixas de forma sistematizada, como ferramenta complementar à vigilância em saúde do Rio.