Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFRN_00258fbdcaf2cb2431bb197dbe426fa2 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/46841 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Nascimento, Amanda Roseane Farias dohttp://lattes.cnpq.br/3101465081133198http://lattes.cnpq.br/3197108792266393Martins, Rand Randall02263563458http://lattes.cnpq.br/8062199269259772Canuto, Anne Magaly de Paulahttp://lattes.cnpq.br/1357887401899097Oliveira, Yonara Monique da Costahttp://lattes.cnpq.br/7877043354904559Barbosa, Euzebio Guimarães2022-04-08T00:01:56Z2022-04-08T00:01:56Z2022-01-31NASCIMENTO, Amanda Roseane Farias do. Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva. 2022. 37f. Dissertação (Mestrado em Ciências Farmacêuticas) - Centro de Ciências da Saúde, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/46841Introdução: 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.Introduction: The intensive care of newborns is associated with a large volume of data in their medical records. The processing of these data can be done through Machine Learning: the ability to improve the performance of some task through experience and, thus, assist in the detection and decision-making a tool capable of assisting in the detection and decision-making of a wide range of medical conditions, including adverse drug reactions (ADR). Purpose: Train prediction model to help detect adverse drug reactions in neonates admitted to an intensive care unit (ICU). Methods: observational study developed in the Neonatal Intensive Care Unit of a teaching hospital in Brazil. Clinical data were collected from the daily pharmacotherapeutic follow-up, processed and analyzed by machine learning through libraries written in Python language. Results: Eight hundred and three newborns were included in the study, with a mean gestational age of 32.2 ± 4.2 weeks and a mean birth weight of 1807.2 ± 936.6g. The incidence of ADR was 10.8%. Antimicrobials, especially aminoglycosides, were the most prescribed drugs in this population. An algorithm was trained and tested in the prediction of ADR in NICU, whose metrics were precision (0.35) and recall (0.823), with specificity (80%) and sensitivity (67%). Conclusion: There is a high potential in the machine learning method for predicting ADR in newborns admitted to an ICU.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS FARMACÊUTICASUFRNBrasilMedicamento - reações adversasReação adversa ao medicamentoNeonato - tratamento intensivoMachine LearningMachine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensivaMachine learning for prediction of adverse drug reaction: application to neonates in intensive careinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALMachinelearningpredicao_Nascimento_2022.pdfapplication/pdf651326https://repositorio.ufrn.br/bitstream/123456789/46841/1/Machinelearningpredicao_Nascimento_2022.pdf47cdf3285a4ebfd2eb6658dd8516c3eeMD51123456789/468412022-05-02 12:15:51.205oai:https://repositorio.ufrn.br:123456789/46841Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-05-02T15:15:51Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva |
dc.title.alternative.pt_BR.fl_str_mv |
Machine learning for prediction of adverse drug reaction: application to neonates in intensive care |
title |
Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva |
spellingShingle |
Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva Nascimento, Amanda Roseane Farias do Medicamento - reações adversas Reação adversa ao medicamento Neonato - tratamento intensivo Machine Learning |
title_short |
Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva |
title_full |
Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva |
title_fullStr |
Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva |
title_full_unstemmed |
Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva |
title_sort |
Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva |
author |
Nascimento, Amanda Roseane Farias do |
author_facet |
Nascimento, Amanda Roseane Farias do |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3101465081133198 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3197108792266393 |
dc.contributor.referees1.none.fl_str_mv |
Canuto, Anne Magaly de Paula |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1357887401899097 |
dc.contributor.referees2.none.fl_str_mv |
Oliveira, Yonara Monique da Costa |
dc.contributor.referees2Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/7877043354904559 |
dc.contributor.author.fl_str_mv |
Nascimento, Amanda Roseane Farias do |
dc.contributor.advisor-co1.fl_str_mv |
Martins, Rand Randall |
dc.contributor.advisor-co1ID.fl_str_mv |
02263563458 |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/8062199269259772 |
dc.contributor.advisor1.fl_str_mv |
Barbosa, Euzebio Guimarães |
contributor_str_mv |
Martins, Rand Randall Barbosa, Euzebio Guimarães |
dc.subject.por.fl_str_mv |
Medicamento - reações adversas Reação adversa ao medicamento Neonato - tratamento intensivo Machine Learning |
topic |
Medicamento - reações adversas Reação adversa ao medicamento Neonato - tratamento intensivo Machine Learning |
description |
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. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-04-08T00:01:56Z |
dc.date.available.fl_str_mv |
2022-04-08T00:01:56Z |
dc.date.issued.fl_str_mv |
2022-01-31 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
NASCIMENTO, Amanda Roseane Farias do. Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva. 2022. 37f. Dissertação (Mestrado em Ciências Farmacêuticas) - Centro de Ciências da Saúde, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/46841 |
identifier_str_mv |
NASCIMENTO, Amanda Roseane Farias do. Machine learning para predição de reação adversa ao medicamento: aplicação a neonatos em terapia intensiva. 2022. 37f. Dissertação (Mestrado em Ciências Farmacêuticas) - Centro de Ciências da Saúde, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
url |
https://repositorio.ufrn.br/handle/123456789/46841 |
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 do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS FARMACÊUTICAS |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/46841/1/Machinelearningpredicao_Nascimento_2022.pdf |
bitstream.checksum.fl_str_mv |
47cdf3285a4ebfd2eb6658dd8516c3ee |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117717911666688 |