USO DE APRENDIZADO DE MÁQUINA EM ANÁLISE PREDITIVA NA INTERRUPÇÃO DO TRATAMENTO DA TUBERCULOSE EM PESSOAS QUE VIVEM COM HIV
Nome: KARLLIAN KERLEN SIMONELLI SOARES FALCÃO
Data de publicação: 30/01/2025
Banca:
Nome![]() |
Papel |
---|---|
LETICYA DOS SANTOS ALMEIDA NEGRI | Examinador Interno |
LIA GONÇALVES POSSUELO | Examinador Externo |
SILVIA DAS DORES RISSINO | Examinador Interno |
THIAGO NASCIMENTO DO PRADO | Presidente |
WILIAN HIROSHI HISATUGU | Coorientador |
Resumo: Construir um modelo de predição para a interrupção do tratamento da
tuberculose em pessoas que vivem com HIV. Métodos: Trata-se de um estudo transversal
desenvolvido em três etapas, primeiramente a análise da qualidade dos dados do SINAN
com uso do Guia do Centers for Disease Control and Prevention (CDC), no período de
2016 a 2018, com cinco etapas metodológicas que incluíram análise da qualidade,
padronização dos registros, análise de duplicidade, a completude dos dados por meio de
linkage com o banco de dados do SINAN-HIV e anonimização dos dados. Na segunda
etapa além do processo metodológico de preparação do banco e análise descritiva de
dados, utilizou-se o pacote estatístico STATA, versão 16 (StataCorp LP, College Station,
TX, EUA) para realização das análises descritivas com identificação dos valores relativos
e absolutos, e foram geradas tabelas para análise dos dados. A terceira etapa consiste na
construção do modelo preditivo por meio do aprendizado de máquina utilizando
algoritmos de redes neurais artificiais Multilayer Perceptron (MLP) e Restricted
Boltzmann Machines (RBM) e de árvores de decisão Random Forest e CatBoost da
coinfecção TB-HIV, no período de 2016 a 2021, no Brasil, implementados em Python na
versão 3.10.3; com validação por meio da acurácia, sensibilidade, especificidade, valores
verdadeiros positivos e valores verdadeiros negativos. O estudo obteve aprovação ética
sob parecer de no 4022892 em 12/05/2020. Resultados: Na primeira etapa, o estudo
mostrou que 89% das variáveis obrigatórias e 91% das variáveis essenciais apresentaram
completude satisfatória. Já na coinfecção TB-HIV 73% das variáveis foram preenchidas,
porém variáveis essenciais relacionadas ao acompanhamento do tratamento para TB
apresentaram completude insatisfatória. Na segunda etapa, de um total de 4.428 casos,
325 casos eram de coinfecção TB-HIV, 322 casos foram localizados no banco SINAN-
TB e três casos foram localizados após linkage com o banco SINAN-HIV que
apresentaram registro de resultado negativo para o teste diagnóstico de HIV no banco
SINAN-TB. O perfil de vulnerabilidade da coinfecção se deu por homens (71%), jovens
(20 a 39 anos) (52%), pardos (59%), com tempo de estudo de até 8 anos (25%), etilistas
(29%) e tabagista (37%) e que faziam uso de drogas (26%), com adesão de 65% à terapia
antirretroviral e apenas 44% com desfecho de cura e 20% interromperam o tratamento;
em torno de 61% não realizaram o tratamento diretamente observado e apenas 6,9% dos
casos relataram receber auxílio pelo programa de transferência de renda do governo. Na
terceira etapa, um total de 12.556 casos de coinfecção TB-HIV no Brasil, foram
analisados, e os algoritmos de rede neural do tipo Multilayer Perceptron foram sensíveis
na identificação de potenciais casos de interrupção do tratamento, e foi validado pela
acurária de 0,73, sensibilidade 0,75, especificidade 0,62; Valor Preditivo Positivo (VPP)
de 0,91 e Valor Preditivo Negativo (VPN) 0,31. Conclusão: O treinamento e a
capacitação para aprimoramento na coleta, integração e análise dos dados são primordiais
para promover a qualidade dos dados. Assim como de suporte social, a fim de possibilitar
o acesso aos serviços de saúde e tratamento oportuno aos mais vulneráveis. E por fim, a
implantação de novas tecnologias, que otimizam a quebra da cadeia de transmissão da
TB em pessoas vivendo com HIV, favorecendo ações direcionadas ao rastreio, tratamento
e acompanhamento dos casos. Para o fortalecimento das redes de cuidado e promoção da
equidade no acesso aos serviços de saúde.