Predição do risco de adoecimento por hanseníase em contatos de casos da doença de uma região endêmica brasileira
Autor(a) principal: | |
---|---|
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 |