Minimizando desigualdades no acesso e qualidade da assistência à infecção urinária em São Caetano do Sul, Brasil: aplicação de sistema inteligente de articulação de dados e aprendizado de máquina no apoio à decisão e predição de risco.

• Processo: 24/10166-8
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2025
• Data de Término da vigência: 31 de janeiro de 2028
• Área do conhecimento: Ciências da Saúde - Medicina - Clínica Médica
• Pesquisador responsável: Silvia Figueiredo Costa
• Beneficiário: Silvia Figueiredo Costa
• Pesquisador Responsável no exterior: Alison Helen Holmes
• Instituição Parceira no exterior: Imperial College London, Inglaterra
• Instituição Sede: Faculdade de Medicina (FM). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Anna Sara Shafferman Levin ; Bernard Hernandez Perez ; Erika Regina Manuli ; Ester Cerdeira Sabino ; Fabio Eudes Leal ; Fátima de Lourdes dos Santos Nunes Marques ; Marcio Katsumi Oikawa ; Nina Zhu
• Assunto(s): Inteligência artificial Manejo Doenças transmissíveis
• Palavra(s)-Chave do Pesquisador: determinantes sociais | Infecção de trato urinário | Inteligência Artificial | manejo | Predição de risco | Doenças Infecciosas

Resumo

As infecções do trato urinário (ITU) destacam-se como uma das infecções bacterianas mais prevalentes que ocorrem em todas as faixas etárias, com uma incidência de 50-60% em mulheres adultas, tanto na comunidade quanto em ambientes hospitalares. As ITUs são importante causa de morbidade e mortalidade, se tratadas de forma inadequada. A atenção primária é onde a maioria dos casos de ITU se apresenta e está sendo tratada. A ITU tratada inadequadamente pode se tornar persistente e recorrente, a bactéria pode invadir outras partes do corpo e causar complicações como infecções da corrente sanguínea (ICS) e sepse. O diagnóstico e o acompanhamento atuais para o manejo da ITU permanecem subótimos. A integração de dados do sistema Único de Saúde (SUS) incluindo atenção primária e secundária é fundamental para compreender a epidemiologia da ITU, a emergência e a transmissão de bactérias resistentes e os resultados do tratamento com antibióticos. A conexão e integração de dados, apoiada por algoritmos de inteligência artificial (IA) / aprendizado de máquina (AM), são ferramentas que ajudam a identificar casos de ITU, detectar resistência aos antibióticos, orientar a estratificação do paciente e a prescrição de antibióticos e prever a resposta ao tratamento. Os modelos de AM podem executar três tipos principais de tarefas: classificação (por exemplo, Gaussian Naïve Bayes, árvore de decisão, floresta aleatória, máquina de vetores de suporte), para tirar conclusão à qual categoria uma nova observação pertence, regressão, para estimar as relações entre variáveis, e previsão, para fazer previsões sobre o futuro. Os modelos de AM/IA podem ser treinados usando dados clínicos e laboratoriais para realizar tarefas diagnósticas semelhantes para não apenas identificar ITUs, mas também reconhecer pacientes com maior risco de complicações graves, como sepse.Esta proposta tem também um forte enfoque na abordagem dos determinantes sociais da saúde e na minimização das lacunas no acesso e na qualidade dos cuidados, por meio da incorporação de mecanismos para identificar doentes particularmente vulneráveis, incluindo os socialmente vulneráveis, com baixa literacia em saúde ou tecnologia, que vivem em instituições de cuidados continuados ou com múltiplas condições crônicas e polifarmácia.Serão validados e implementados algoritmos de identificação de casos de ITU adquiridos na comunidade com base em vocabulários clínicos incorporados nos sistemas de registro eletrônico de saúde (RES) do Reino Unido e da Europa para permitir implementações no Brasil; tradução da lista de códigos de antibióticos para identificação das prescrições relacionadas à ITU no British National Formulary para a Farmacopeia Brasileira. Algoritmos de AM para identificação de casos e estratificação de risco para estimar a prevalência de ITU adquirida na comunidade em diferentes grupos populacionais de São Caetano do Sul-São Paulo, incluindo aqueles socialmente desfavorecidos; predizer a admissão hospitalar subsequente por ICS urinária e validação cruzada usando dados dos registros nacionais de saúde pública do Brasil também será validado.Esta proposta consiste no relacionamento determinístico e na análise de 1) dados coletados rotineiramente na atenção primária e hospitais, 2) dados de censos administrativos/populacionais de código aberto em São Caetano do Sul, Brasil, para melhorar a identificação de casos e a assistência à ITU. Os dados que serão utilizados nesta proposta incluem registros eletrônicos de saúde (RES) da atenção primária e secundária financiados pelo sistema único de saúde (SUS) no município de São Caetano do Sul. O prontuário médico eletrônico (PME) da atenção primária é proveniente das unidades básicas de saúde da região. O PME de atenção secundária é proveniente do Hospital Municipal de Emergência Albert Sabin e do Hospital Municipal Maria Braido, dois hospitais que prestam atenção secundária e terciária. (AU)