Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.59254/sbpo-2026-232750
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!A pneumonia adquirida na comunidade (PAC) é uma das principais causas de admissão em UTIs entre idosos, associada a mortalidade hospitalar elevada e doença crítica persistente (DCP). Este estudo desenvolve e compara modelos de aprendizado de máquina para predição de desfecho composto negativo — óbito hospitalar, DCP ou alta para homecare — em idosos (≥ 65 anos) com PAC em UTI. Foram aplicados quatro algoritmos — regressão logística, Random Forest, XGBoost e LightGBM — sobre 41.699 registros multicêntricos (2022–2025), com validação em base independente de 2026. Os modelos foram avaliados com validação cruzada estratificada, IC95% por bootstrap e teste de DeLong. Diante da equivalência estatística (todos p > 0,70), a Regressão Logística foi selecionada pelo critério de parcimônia, com AUC de 0,738 [IC95%: 0,715–0,761] na validação externa. Os achados reforçam o potencial do aprendizado de máquina como suporte à decisão clínica em UTIs.
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