Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira

Detalhes bibliográficos
Autor(a) principal: Eyleen Nabyla Alvarenga Niitsuma
Data de Publicação: 2021
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/40871
Resumo: O objetivo deste estudo foi analisar os determinantes da infecção pelo Mycobacterium leprae e do adoecimento por hanseníase em contatos de casos da doença, residentes na Microrregião de Almenara, Minas Gerais, Brasil, a fim de compor um modelo de predição da hanseníase em contatos inseridos em regiões endêmicas. Trata-se de uma coorte retrospectiva de contatos domiciliares de casos de hanseníasecom período de acompanhamento de 1999 a 2018. Foi realizada coleta de dados com entrevista, aplicação de questionário semiestruturado, contendo informações sociodemográficas e de saúde, coleta de amostras biológicas e exame dermatoneurológico. As amostras biológicas subsidiaram a avaliação de polimorfismos genéticos e reatividade aos testes sorológicos. A escolha das variáveis explicativas incluídas nas análises se fundamentou no modelo teórico dos determinantes da hanseníase em contatos, elaborado a partir da realização de revisão sistemática. A análise de associação utilizou modelo de regressão logística por meio do método de estimação Generalized Estimating Equations. A construção do modelo de predição envolveu análise exploratória dos dados e aplicação de algoritmos de aprendizagem de máquina. Os determinantes da infecção pelo M. leprae foram: a cor de pele negra e parda, a presença de genótipos contendo o polimorfismo rs8057341 no gene NOD2 (Nucleotide-binding Oligomerization Domain Containing 2) e o convívio com caso apresentando incapacidades físicas no diagnóstico. Os determinantes do adoecimento por hanseníase foram: consanguinidade com o caso índice e a continuidade do convívio em intradomicílio ou peridomicílio após o diagnóstico do caso. A idade, o contato domiciliar e peridomiciliar, o convívio com mais de um caso e a presença de incapacidades físicas no diagnóstico foram determinantes para o risco à infecção e ao adoecimento em contatos. O genótipo heterozigoto contendo o polimorfismo rs2430561 no gene IFNG (Interferon-gama) foi fator protetor para a infecção e adoecimento em contatos. Os algoritmos de aprendizagem supervisionada Naive Bayes com discretização das variáveis numéricas, J48 e Random Forest tiveram os melhores desempenhos nos conjuntos de dados avaliados. Os determinantes do processo de infecção e adoecimento por hanseníase foram capazes de compor modelos de predição com a acurácia e sensibilidade superiores a 90% e indicam que a vigilância de contatos pode ser aprimorada pela utilização destas tecnologias nos serviços de Atenção Primária à Saúde, principalmente, em áreas de alta endemicidade.
id UFMG_f6d9683719ad2c5cf1eaab753c3be9bb
oai_identifier_str oai:repositorio.ufmg.br:1843/40871
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Francisco Carlos Félix Lanahttp://lattes.cnpq.br/2240473693664819Gabriel da Rocha FernandesEliane IgnottiIda Maria Foschiani Dias BaptistaRodrigo Corrêa-OliveiraFernanda Penido Matozinhoshttp://lattes.cnpq.br/7516709092023267Eyleen Nabyla Alvarenga Niitsuma2022-04-07T11:36:33Z2022-04-07T11:36:33Z2021-11-30http://hdl.handle.net/1843/408710000-0002-5781-6313O objetivo deste estudo foi analisar os determinantes da infecção pelo Mycobacterium leprae e do adoecimento por hanseníase em contatos de casos da doença, residentes na Microrregião de Almenara, Minas Gerais, Brasil, a fim de compor um modelo de predição da hanseníase em contatos inseridos em regiões endêmicas. Trata-se de uma coorte retrospectiva de contatos domiciliares de casos de hanseníasecom período de acompanhamento de 1999 a 2018. Foi realizada coleta de dados com entrevista, aplicação de questionário semiestruturado, contendo informações sociodemográficas e de saúde, coleta de amostras biológicas e exame dermatoneurológico. As amostras biológicas subsidiaram a avaliação de polimorfismos genéticos e reatividade aos testes sorológicos. A escolha das variáveis explicativas incluídas nas análises se fundamentou no modelo teórico dos determinantes da hanseníase em contatos, elaborado a partir da realização de revisão sistemática. A análise de associação utilizou modelo de regressão logística por meio do método de estimação Generalized Estimating Equations. A construção do modelo de predição envolveu análise exploratória dos dados e aplicação de algoritmos de aprendizagem de máquina. Os determinantes da infecção pelo M. leprae foram: a cor de pele negra e parda, a presença de genótipos contendo o polimorfismo rs8057341 no gene NOD2 (Nucleotide-binding Oligomerization Domain Containing 2) e o convívio com caso apresentando incapacidades físicas no diagnóstico. Os determinantes do adoecimento por hanseníase foram: consanguinidade com o caso índice e a continuidade do convívio em intradomicílio ou peridomicílio após o diagnóstico do caso. A idade, o contato domiciliar e peridomiciliar, o convívio com mais de um caso e a presença de incapacidades físicas no diagnóstico foram determinantes para o risco à infecção e ao adoecimento em contatos. O genótipo heterozigoto contendo o polimorfismo rs2430561 no gene IFNG (Interferon-gama) foi fator protetor para a infecção e adoecimento em contatos. Os algoritmos de aprendizagem supervisionada Naive Bayes com discretização das variáveis numéricas, J48 e Random Forest tiveram os melhores desempenhos nos conjuntos de dados avaliados. Os determinantes do processo de infecção e adoecimento por hanseníase foram capazes de compor modelos de predição com a acurácia e sensibilidade superiores a 90% e indicam que a vigilância de contatos pode ser aprimorada pela utilização destas tecnologias nos serviços de Atenção Primária à Saúde, principalmente, em áreas de alta endemicidade.This study aimed to investigate the determinants of Mycobacterium leprae infection and illness due to leprosy in contacts of cases of the disease in the Microregion of Almenara, Minas Gerais, Brazil, to support the construction of a leprosy prediction model in contacts of patients from endemic regions. We conducted a retrospective cohort of household contacts of leprosy patients with a follow-up period from 1999 to 2018. The researchers performed interviews using a semi-structured questionnaire containing sociodemographic and health questions, biological samples collection, and dermatological examination. Biological samples supported the evaluation of genetic polymorphisms and reactivity to serological tests. The choice of the explanatory variables included in the analysis was based on the theoretical model of the determinants of leprosy in contacts, developed from a systematic review. The association analysis used a logistic regression model using the Generalized Estimating Equations estimation method. The construction of the prediction model involved exploratory data analysis and applied machine learning algorithms. The determinants of M. leprae infection were: black and mixed skin color, homozygous and heterozygous genotypes containing the rs8057341 polymorphism in the NOD2 gene (Nucleotide-binding Oligomerization Domain Containing 2), and living with a leprosy patient with disabilities at diagnosis. The determinants of illness due to leprosy in contacts were: consanguinity with the index case and living in the same household or yard after the diagnosis of the leprosy patient. Age, living in the same household or lot, with more than one leprosy patient that presented disabilities at the diagnosis were determinants for the risk of infection and illness in contacts. The heterozygous genotype that carried the rs2430561 polymorphism in the IFNG gene (Interferon-gamma) was a protective factor for M. leprae infection and leprosy in contacts of patients. The supervised learning algorithms Naive Bayes with the discretization of numerical variables, J48 and Random Forest had the best performances in the evaluated datasets. The determinants of the process of infection and illness due to leprosy were able to compose prediction models with accuracy and sensitivity higher than 90%. These results indicate that using these technologies in Primary Health Care services can improve contact surveillance, especially in highly endemic areas.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoFAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas GeraisOutra AgênciaporUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em EnfermagemUFMGBrasilENFERMAGEM - ESCOLA DE ENFERMAGEMHanseníaseProcesso Saúde-DoençaDeterminantes Sociais da SaúdePredisposição Genética para DoençaMonitoramento EpidemiológicoAprendizado de MáquinaHanseníaseProcesso Saúde-DoençaDeterminantes Sociais da SaúdeSuscetibilidade genéticaMonitoramento epidemiológicoAprendizado de máquinaPredição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileiraRisk prediction of illness due to leprosy in contacts of cases in an endemic Brazilian regioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALTese.pdfTese.pdfapplication/pdf3862075https://repositorio.ufmg.br/bitstream/1843/40871/1/Tese.pdfa46a0102baacd86c3235f040424ded2bMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82118https://repositorio.ufmg.br/bitstream/1843/40871/2/license.txtcda590c95a0b51b4d15f60c9642ca272MD521843/408712022-04-07 08:36:33.783oai:repositorio.ufmg.br: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ório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2022-04-07T11:36:33Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
dc.title.alternative.pt_BR.fl_str_mv Risk prediction of illness due to leprosy in contacts of cases in an endemic Brazilian region
title Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
spellingShingle Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
Eyleen Nabyla Alvarenga Niitsuma
Hanseníase
Processo Saúde-Doença
Determinantes Sociais da Saúde
Suscetibilidade genética
Monitoramento epidemiológico
Aprendizado de máquina
Hanseníase
Processo Saúde-Doença
Determinantes Sociais da Saúde
Predisposição Genética para Doença
Monitoramento Epidemiológico
Aprendizado de Máquina
title_short Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
title_full Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
title_fullStr Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
title_full_unstemmed Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
title_sort Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
author Eyleen Nabyla Alvarenga Niitsuma
author_facet Eyleen Nabyla Alvarenga Niitsuma
author_role author
dc.contributor.advisor1.fl_str_mv Francisco Carlos Félix Lana
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/2240473693664819
dc.contributor.advisor-co1.fl_str_mv Gabriel da Rocha Fernandes
dc.contributor.referee1.fl_str_mv Eliane Ignotti
dc.contributor.referee2.fl_str_mv Ida Maria Foschiani Dias Baptista
dc.contributor.referee3.fl_str_mv Rodrigo Corrêa-Oliveira
dc.contributor.referee4.fl_str_mv Fernanda Penido Matozinhos
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/7516709092023267
dc.contributor.author.fl_str_mv Eyleen Nabyla Alvarenga Niitsuma
contributor_str_mv Francisco Carlos Félix Lana
Gabriel da Rocha Fernandes
Eliane Ignotti
Ida Maria Foschiani Dias Baptista
Rodrigo Corrêa-Oliveira
Fernanda Penido Matozinhos
dc.subject.por.fl_str_mv Hanseníase
Processo Saúde-Doença
Determinantes Sociais da Saúde
Suscetibilidade genética
Monitoramento epidemiológico
Aprendizado de máquina
topic Hanseníase
Processo Saúde-Doença
Determinantes Sociais da Saúde
Suscetibilidade genética
Monitoramento epidemiológico
Aprendizado de máquina
Hanseníase
Processo Saúde-Doença
Determinantes Sociais da Saúde
Predisposição Genética para Doença
Monitoramento Epidemiológico
Aprendizado de Máquina
dc.subject.other.pt_BR.fl_str_mv Hanseníase
Processo Saúde-Doença
Determinantes Sociais da Saúde
Predisposição Genética para Doença
Monitoramento Epidemiológico
Aprendizado de Máquina
description O objetivo deste estudo foi analisar os determinantes da infecção pelo Mycobacterium leprae e do adoecimento por hanseníase em contatos de casos da doença, residentes na Microrregião de Almenara, Minas Gerais, Brasil, a fim de compor um modelo de predição da hanseníase em contatos inseridos em regiões endêmicas. Trata-se de uma coorte retrospectiva de contatos domiciliares de casos de hanseníasecom período de acompanhamento de 1999 a 2018. Foi realizada coleta de dados com entrevista, aplicação de questionário semiestruturado, contendo informações sociodemográficas e de saúde, coleta de amostras biológicas e exame dermatoneurológico. As amostras biológicas subsidiaram a avaliação de polimorfismos genéticos e reatividade aos testes sorológicos. A escolha das variáveis explicativas incluídas nas análises se fundamentou no modelo teórico dos determinantes da hanseníase em contatos, elaborado a partir da realização de revisão sistemática. A análise de associação utilizou modelo de regressão logística por meio do método de estimação Generalized Estimating Equations. A construção do modelo de predição envolveu análise exploratória dos dados e aplicação de algoritmos de aprendizagem de máquina. Os determinantes da infecção pelo M. leprae foram: a cor de pele negra e parda, a presença de genótipos contendo o polimorfismo rs8057341 no gene NOD2 (Nucleotide-binding Oligomerization Domain Containing 2) e o convívio com caso apresentando incapacidades físicas no diagnóstico. Os determinantes do adoecimento por hanseníase foram: consanguinidade com o caso índice e a continuidade do convívio em intradomicílio ou peridomicílio após o diagnóstico do caso. A idade, o contato domiciliar e peridomiciliar, o convívio com mais de um caso e a presença de incapacidades físicas no diagnóstico foram determinantes para o risco à infecção e ao adoecimento em contatos. O genótipo heterozigoto contendo o polimorfismo rs2430561 no gene IFNG (Interferon-gama) foi fator protetor para a infecção e adoecimento em contatos. Os algoritmos de aprendizagem supervisionada Naive Bayes com discretização das variáveis numéricas, J48 e Random Forest tiveram os melhores desempenhos nos conjuntos de dados avaliados. Os determinantes do processo de infecção e adoecimento por hanseníase foram capazes de compor modelos de predição com a acurácia e sensibilidade superiores a 90% e indicam que a vigilância de contatos pode ser aprimorada pela utilização destas tecnologias nos serviços de Atenção Primária à Saúde, principalmente, em áreas de alta endemicidade.
publishDate 2021
dc.date.issued.fl_str_mv 2021-11-30
dc.date.accessioned.fl_str_mv 2022-04-07T11:36:33Z
dc.date.available.fl_str_mv 2022-04-07T11:36:33Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/40871
dc.identifier.orcid.pt_BR.fl_str_mv 0000-0002-5781-6313
url http://hdl.handle.net/1843/40871
identifier_str_mv 0000-0002-5781-6313
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Enfermagem
dc.publisher.initials.fl_str_mv UFMG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv ENFERMAGEM - ESCOLA DE ENFERMAGEM
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/1843/40871/1/Tese.pdf
https://repositorio.ufmg.br/bitstream/1843/40871/2/license.txt
bitstream.checksum.fl_str_mv a46a0102baacd86c3235f040424ded2b
cda590c95a0b51b4d15f60c9642ca272
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_ 1803589287581581312