Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Outros Autores: | , , , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/60586 https://orcid.org/0000-0002-9008-5751 https://orcid.org/0000-0003-1191-8872 https://orcid.org/0000-0001-9708-2951 https://orcid.org/0000-0002-4983-3527 https://orcid.org/0000-0003-0670-9021 https://orcid.org/0000-0001-6374-9295 |
Resumo: | Introdução: A pandemia da COVID-19 tem exaurido os sistemas de saúde e a utilização da inteligência artificial (IA) pode auxiliar na alocação de recursos humanos e financeiros nesse contexto. Objetivo: Analisar o uso de Machine Learning (ML) para predizer morte, internação em Unidade de Terapia Intensiva (UTI) e utilização de ventilação mecânica (VM) em pacientes hospitalizados com COVID-19. Método: Revisão sistemática seguindo o PRISMA. Bases consultadas: PUBMED, SCIELO, IEEE, COCHRANE, BVS e SCOPUS. Foram incluídos: estudos primários; COVID-19 confirmado por RT-PCR; pacientes hospitalizados; utilização de ML para predizer um dos prognósticos pré-definidos. Foram excluídos simulações, estudos de grupos específicos e/ou sem número de pacientes. Resultados: 18 estudos foram incluídos, sendo que analisaram os desfechos morte, internação em UTI e utilização de VM separadamente e/ou de maneira combinada. Obtiveram-se 22 valores de área sob a curva (AUC), sendo maior e menor valor: 1 e 0.66. As técnicas de ML utilizaram critérios clínicos, laboratoriais e/ou de imagem. Conclusão: Os modelos apresentaram bons resultados e podem auxiliar na predição do desfecho do paciente hospitalizado com COVID-19, melhorando assistência e alocação de recursos. |
id |
UFMG_8d02e8f19b6c11280bbb1496babd7720 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/60586 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
2023-11-07T20:39:00Z2023-11-07T20:39:00Z202272525-9563http://hdl.handle.net/1843/60586https://orcid.org/0000-0002-9008-5751https://orcid.org/0000-0003-1191-8872https://orcid.org/0000-0001-9708-2951https://orcid.org/0000-0002-4983-3527https://orcid.org/0000-0003-0670-9021https://orcid.org/0000-0001-6374-9295Introdução: A pandemia da COVID-19 tem exaurido os sistemas de saúde e a utilização da inteligência artificial (IA) pode auxiliar na alocação de recursos humanos e financeiros nesse contexto. Objetivo: Analisar o uso de Machine Learning (ML) para predizer morte, internação em Unidade de Terapia Intensiva (UTI) e utilização de ventilação mecânica (VM) em pacientes hospitalizados com COVID-19. Método: Revisão sistemática seguindo o PRISMA. Bases consultadas: PUBMED, SCIELO, IEEE, COCHRANE, BVS e SCOPUS. Foram incluídos: estudos primários; COVID-19 confirmado por RT-PCR; pacientes hospitalizados; utilização de ML para predizer um dos prognósticos pré-definidos. Foram excluídos simulações, estudos de grupos específicos e/ou sem número de pacientes. Resultados: 18 estudos foram incluídos, sendo que analisaram os desfechos morte, internação em UTI e utilização de VM separadamente e/ou de maneira combinada. Obtiveram-se 22 valores de área sob a curva (AUC), sendo maior e menor valor: 1 e 0.66. As técnicas de ML utilizaram critérios clínicos, laboratoriais e/ou de imagem. Conclusão: Os modelos apresentaram bons resultados e podem auxiliar na predição do desfecho do paciente hospitalizado com COVID-19, melhorando assistência e alocação de recursos.Introduction: The COVID-19 pandemic has depleted human and financial resources from health systems. Thus, the use of artificial intelligence in patient care can be an effective strategy in the pandemic. Objective:To analyze the use of Machine Learning (ML) to predict death, ICU admission and use of mechanical ventilation (MV) in patients hospitalized with COVID-19. Method:Systematic review following PRISMA. Databases consulted: PUBMED, SCIELO, IEEE, COCHRANE, BVS and SCOPUS. Were included: primary studies; COVID-19 confirmed by RT-PCR; hospitalized patients; use of ML to predict one of the predefined prognoses. Simulations, studies of patients with specific comorbidities and studies without the number of patients were excluded. Results:18 studies were included in the review, with some articles analyzing the outcomes of death, ICU admission and use of MV separately, and others evaluating the combined outcomes. Among the articles, 22 values of area under the curve (AUC) were obtained, with the highest and lowest values: 1 and 0.66The ML techniques used clinical, laboratory and/or imaging criteria. Conclusion:The models used showed good results. ML can help predict the outcome of patients hospitalized with COVID-19, improving care and resource allocation.porUniversidade Federal de Minas GeraisUFMGBrasilMED - DEPARTAMENTO DE GINECOLOGIA OBSTETRÍCIARevista de saúde digital e tecnologias educacionaisCOVID-19Aprendizado de máquinaPrognósticoCOVID-19Machine learningPrognósticoAplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemáticaUse of machine learning methods to predict Covid-19 prognosis in hospitalized patients: a systematic reviewinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articlehttp://periodicos.ufc.br/resdite/article/view/72235Alexandre Negrão PantaleãoCarolina Sant'Anna FilipinLarissa Braga CostaLuiza Coimbra TeixeiraRenata Araujo AvendanhaTainara Lima FernandesJuliano GasparZilma Silveira Nogueira Reisapplication/pdfinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGLICENSELicense.txtLicense.txttext/plain; charset=utf-82042https://repositorio.ufmg.br/bitstream/1843/60586/1/License.txtfa505098d172de0bc8864fc1287ffe22MD51ORIGINALAplicação de machine learning na predição do prognóstico da COVID-19 em pacientes hospitalizados_ uma revisão sistemática.pdfAplicação de machine learning na predição do prognóstico da COVID-19 em pacientes hospitalizados_ uma revisão sistemática.pdfapplication/pdf465906https://repositorio.ufmg.br/bitstream/1843/60586/2/Aplica%c3%a7%c3%a3o%20de%20machine%20learning%20na%20predi%c3%a7%c3%a3o%20do%20progn%c3%b3stico%20da%20COVID-19%20em%20pacientes%20hospitalizados_%20uma%20revis%c3%a3o%20sistem%c3%a1tica.pdf8505aa87bac35f706385ef0f33bd6156MD521843/605862023-11-07 17:39:01.098oai:repositorio.ufmg.br:1843/60586Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2023-11-07T20:39:01Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática |
dc.title.alternative.pt_BR.fl_str_mv |
Use of machine learning methods to predict Covid-19 prognosis in hospitalized patients: a systematic review |
title |
Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática |
spellingShingle |
Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática Alexandre Negrão Pantaleão COVID-19 Machine learning Prognóstico COVID-19 Aprendizado de máquina Prognóstico |
title_short |
Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática |
title_full |
Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática |
title_fullStr |
Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática |
title_full_unstemmed |
Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática |
title_sort |
Aplicação de machine learning na predição do prognóstico da Covid-19 em pacientes hospitalizados: uma revisão sistemática |
author |
Alexandre Negrão Pantaleão |
author_facet |
Alexandre Negrão Pantaleão Carolina Sant'Anna Filipin Larissa Braga Costa Luiza Coimbra Teixeira Renata Araujo Avendanha Tainara Lima Fernandes Juliano Gaspar Zilma Silveira Nogueira Reis |
author_role |
author |
author2 |
Carolina Sant'Anna Filipin Larissa Braga Costa Luiza Coimbra Teixeira Renata Araujo Avendanha Tainara Lima Fernandes Juliano Gaspar Zilma Silveira Nogueira Reis |
author2_role |
author author author author author author author |
dc.contributor.author.fl_str_mv |
Alexandre Negrão Pantaleão Carolina Sant'Anna Filipin Larissa Braga Costa Luiza Coimbra Teixeira Renata Araujo Avendanha Tainara Lima Fernandes Juliano Gaspar Zilma Silveira Nogueira Reis |
dc.subject.por.fl_str_mv |
COVID-19 Machine learning Prognóstico |
topic |
COVID-19 Machine learning Prognóstico COVID-19 Aprendizado de máquina Prognóstico |
dc.subject.other.pt_BR.fl_str_mv |
COVID-19 Aprendizado de máquina Prognóstico |
description |
Introdução: A pandemia da COVID-19 tem exaurido os sistemas de saúde e a utilização da inteligência artificial (IA) pode auxiliar na alocação de recursos humanos e financeiros nesse contexto. Objetivo: Analisar o uso de Machine Learning (ML) para predizer morte, internação em Unidade de Terapia Intensiva (UTI) e utilização de ventilação mecânica (VM) em pacientes hospitalizados com COVID-19. Método: Revisão sistemática seguindo o PRISMA. Bases consultadas: PUBMED, SCIELO, IEEE, COCHRANE, BVS e SCOPUS. Foram incluídos: estudos primários; COVID-19 confirmado por RT-PCR; pacientes hospitalizados; utilização de ML para predizer um dos prognósticos pré-definidos. Foram excluídos simulações, estudos de grupos específicos e/ou sem número de pacientes. Resultados: 18 estudos foram incluídos, sendo que analisaram os desfechos morte, internação em UTI e utilização de VM separadamente e/ou de maneira combinada. Obtiveram-se 22 valores de área sob a curva (AUC), sendo maior e menor valor: 1 e 0.66. As técnicas de ML utilizaram critérios clínicos, laboratoriais e/ou de imagem. Conclusão: Os modelos apresentaram bons resultados e podem auxiliar na predição do desfecho do paciente hospitalizado com COVID-19, melhorando assistência e alocação de recursos. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022 |
dc.date.accessioned.fl_str_mv |
2023-11-07T20:39:00Z |
dc.date.available.fl_str_mv |
2023-11-07T20:39:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/60586 |
dc.identifier.issn.pt_BR.fl_str_mv |
2525-9563 |
dc.identifier.orcid.pt_BR.fl_str_mv |
https://orcid.org/0000-0002-9008-5751 https://orcid.org/0000-0003-1191-8872 https://orcid.org/0000-0001-9708-2951 https://orcid.org/0000-0002-4983-3527 https://orcid.org/0000-0003-0670-9021 https://orcid.org/0000-0001-6374-9295 |
identifier_str_mv |
2525-9563 |
url |
http://hdl.handle.net/1843/60586 https://orcid.org/0000-0002-9008-5751 https://orcid.org/0000-0003-1191-8872 https://orcid.org/0000-0001-9708-2951 https://orcid.org/0000-0002-4983-3527 https://orcid.org/0000-0003-0670-9021 https://orcid.org/0000-0001-6374-9295 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.ispartof.pt_BR.fl_str_mv |
Revista de saúde digital e tecnologias educacionais |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
MED - DEPARTAMENTO DE GINECOLOGIA OBSTETRÍCIA |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/60586/1/License.txt https://repositorio.ufmg.br/bitstream/1843/60586/2/Aplica%c3%a7%c3%a3o%20de%20machine%20learning%20na%20predi%c3%a7%c3%a3o%20do%20progn%c3%b3stico%20da%20COVID-19%20em%20pacientes%20hospitalizados_%20uma%20revis%c3%a3o%20sistem%c3%a1tica.pdf |
bitstream.checksum.fl_str_mv |
fa505098d172de0bc8864fc1287ffe22 8505aa87bac35f706385ef0f33bd6156 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589471595134976 |