TRISS-AG: um algoritmo genético para ajuste do método TRISS de previsão de sobrevivência de pacientes de trauma

• Autor(a) principal: André Terra Ennes
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://doi.org/10.11606/D.55.2021.tde-11112021-150130

O método TRISS é amplamente utilizado para previsão de sobrevivência de pacientes de trauma, tendo papel chave tanto para guiar decisões clínicas no momento do atendimento como posteriormente para avaliar o desempenho do serviço de saúde. Embora seja o mais usado no mundo todo, ele tem sido criticado por não refletir a realidade do atendimento médico de países em desenvolvimento, pois foi construído por meio de uma regressão logística usando dados de pacientes norte-americanos há mais de três décadas. Estudos tem sido feitos buscando adaptá-lo usando dados locais e técnicas alternativas, incluindo inteligência computacional. Propõe-se neste trabalho uma abordagem para ajustar o TRISS usando algoritmos genéticos, testando se é possível utilizar tal técnica e superar o desempenho do TRISS original quando aplicado a dados que representem tal realidade. Inicialmente foram sintetizados cinco bancos de dados simulando pacientes atendidos por hospitais de qualidade progressivamente inferior. O desempenho do TRISS em prever a sobrevivência destes pacientes foi medido utilizando curvas ROC, mostrandose progressivamente menor, confirmando que o TRISS apresenta problemas em realidades de atendimento piores. Foi, então, desenvolvido o TRISS-AG, um algoritmo genético para ajustar a equação do TRISS. O desempenho do TRISS-AG e do TRISS aplicados aos bancos de dados foi comparado com base na quantidade de acertos na previsão de sobrevivência e o TRISS-AG apresentou desempenho melhor para todos os bancos de dados, com maior vantagem para os bancos de dados representado os piores cenários de atendimento. Os resultados confirmaram que é possível usar um algoritmo genético para ajustar o TRISS e que o algoritmo pode ter desempenho superior ao do método TRISS original.