MODELO PREDITIVO PARA O DESENVOLVIMENTO DE CHOQUE SÉPTICO E HIPOVOLÊMICO EM PACIENTES DE UNIDADE DE TERAPIA INTENSIVA

• Autor(a) principal: Pessoa, Stela Mares Brasileiro
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFBA
• Texto Completo: https://repositorio.ufba.br/handle/ri/36467
• topic: CNPQ::CIENCIAS DA SAUDE::SAUDE COLETIVA::EPIDEMIOLOGIA; Aprendizado de Máquina; Choque Séptico; Choque; Machine Learning; Shock, Septic; Shock

O choque acomete grande parte dos pacientes internados em unidade de terapia intensiva (UTI) e é uma das principais causas de morte nesses locais. Um dos desafios para a diminuição da mortalidade é a identificação precoce do choque para início imediato do tratamento. Portanto, o objetivo deste estudo foi criação e validação de um modelo de predição de choque séptico ou hipovolêmico a partir de variáveis de fácil obtenção, coletadas na admissão de pacientes internados em uma unidade de terapia intensiva. Para tanto desenvolveu-se um estudo de modelagem preditiva com dados de coorte concorrente realizada em um hospital do interior do nordeste brasileiro. Foram incluídos pacientes com 18 anos ou mais sem uso de droga vasoativa (DVA) no dia da admissão e que foram internados entre novembro de 2020 a julho de 2021. Foram testados os algoritmos de classificação do tipo Decision Tree, Random Forest, AdaBoost, Gradient Boosting e XGBoost para a construção do modelo e as métricas de avaliação utilizadas foram a recall, precisão e área sob a curva Receiver Operating Characteristic (AUC-ROC). Foram utilizados 720 pacientes para a criação e validação do modelo. Os modelos apresentaram alta capacidade preditiva com AUC-ROC de 0,979; 0,983; 0,979; 0,997 e 1,00 para os algoritmos de Decision Tree, Random Forest, AdaBoost, Gradient Boosting e XGBoost respectivamente. Nesse estudo o modelo preditivo criado e validado apresentou elevada capacidade de predição do choque séptico e hipovolêmico desde momento da admissão de pacientes na UTI.