Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva

• Autor(a) principal: Nascimento, Amanda Roseane Farias do
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/46841
• topic: Medicamento - reações adversas; Reação adversa ao medicamento; Neonato - tratamento intensivo; Machine Learning

Introdução: O tratamento intensivo de neonatos associa -se a um grande volume de dados em seus prontuários. O tratamento desses dados pode ser feito através de Machine Learning: capacidade de melhorar o desempenho da realização de alguma tarefa por meio da experiência e, assim, auxiliar na detecção e na tomada de decisões de uma ampla gama de condições médicas, incluindo reações adversas ao medicamento (RAM). Objetivo: Treinar modelo de predição para auxiliar na detecção de reações adversas aos medicamentos em neonatos internados em uma UTI. Metodologia: estudo observacional desenvolvido na Unidade de Terapia Intensiva Neonatal de um hospital de ensino no Brasil. Dados clínicos foram coletados a partir do seguimento farmacoterapêutico diário, processados e analisados por machine learning através de bibliotecas escritas em linguagem Python. Resultados: Oitocentos e três neonatos foram incluídos no estudo, com média de idade gestacional 32,2 ± 4,2 semanas e peso ao nascer médio de 1807,2 ± 936,6g. A incidência de RAM foi de 10,8%. Antimicrobianos, especialmente os aminoglicosídeos, foram os medicamentos mais prescritos nessa população. Um algoritmo foi treinado e testado na predição de RAM em UTI neonatal, cujas métricas foram precision (0,35) e recall (0,823), com especificidade (80%) e sensibilidade (67%). Conclusão: Existe um alto potencial no método de machine learning na predição de RAM em neonatos internados em uma UTI.