Uso de machine learning para previsão da evolução de casos de SRAG incluindo casos de COVID-19 considerando variáveis clínicas e demográficas

• Autor(a) principal: Silva, Amauri Ornellas da
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/26211
• topic: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO; Aprendizado do computador; COVID-19 (Doença); Classificação; Machine learning; COVID-19 (Disease); Classification

Este trabalho faz uma análise exploratória da base de dados se Síndrome Respiratória Aguda Grave (SRAG) disponibilizada pelo Sistema Único de Saúde (SUS) e utilização métodos de aprendizagem supervisionada para a previsão da evolução dos casos dos pacientes para óbito ou cura. Duas bases foram criadas para comparação dos resultados e seleção de variáveis relevantes pelos modelos de classificação, uma contendo as variáveis clínicas e outra contendo variáveis clínicas e demográficas. Os classificadores utilizados foram o k-vizinhos mais próximos (k-nearest neighbors - KNN), Árvores de Decisão, Regressão Logística, Florestas Aleatórias, Redes Neurais e o XGBoost. O XGBoost obteve o melhor resultado de área sob a curva (area under de curve – AUC): 0,86 e os principais atributos para classificação foram o uso de suporte ventilatório invasivo, idade acima de 70 anos e internação na UTI, os principais atributos demográficos foram morar na região nordeste e norte. A base com variáveis demográficas apresentou resultados levemente superiores aos resultados obtidos somente com as variáveis clínicas e permitiu compreender quais características sociodemográficas são mais relevantes no desfecho de casos de SRAG.