Estudo de modelo de predição de abandono ao tratamento da Tuberculose (TB)

• Processo: 18/23963-2
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de julho de 2019
• Data de Término da vigência: 31 de maio de 2023
• Área de conhecimento: Ciências da Saúde - Saúde Coletiva - Saúde Pública
• Pesquisador responsável: Antonio Ruffino Netto
• Beneficiário: Verena Hokino Yamaguti
• Instituição Sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Bolsa(s) vinculada(s): 21/08341-8 - Estudo de um modelo de predição de desfecho do tratamento da tuberculose (TB), BE.EP.DD
• Assunto(s): Previsão Bases de dados científicos Aprendizado computacional Tuberculose Tuberculose resistente a múltiplos medicamentos
• Palavra(s)-Chave do Pesquisador: abandono | Knowledge Discovery in Databases | machine learning | modelo de predição | Tuberculose | Saúde na Comunidade

Resumo

A Tuberculose (TB) é a nona causa de morte no mundo e a principal causa de morte por doenças infectocontagiosas. Para controle efetivo da doença no Brasil, vem sendo utilizado a Estratégia do Tratamento Diretamente Observado. Contudo ainda são notificados números significativos de casos. A utilização de sistema de informação tem como objetivo melhorar a qualidade do planejamento, implementação do programa, controle do tratamento e gerenciamento das informações. Por isso, é decisivo dotar tais sistemas com capacidades que ajudem os profissionais de saúde a gerirem os escassos recursos disponíveis e focar seus esforços de forma adequada a cada caso. Dessa forma, o objetivo geral desse projeto é realizar um estudo de modelo de predição de abandono ao tratamento da TB. Isto possibilitaria a identificação de casos de abandono do tratamento com antecedência e redirecionamento de recursos para melhorar a adesão desses casos, reduzindo o abandono e a taxa de infecção por bacilos resistentes. A metodologia utilizada será o Knowledge Discovery in Databases (KDD). A base de dados utilizada é de pacientes cadastrados em diferentes sistemas de informação (SISTB, TBWEB e SINAN) e banco de dados de estudo de coorte nacionais (banco do estudo suporte social em pacientes com TB financiado pelo CNPq, o estudo RePORT financiado pelo Decit/SCTIE/MS e National Institute of Health/USA). Ao explorar os bancos de dados através do KDD, serão realizadas análises para predizer o risco de abandono em pacientes diagnosticados de TB. O modelo preditivo será baseado em machine learning que leva em consideração o impacto das comorbidades e da TB drogarresistente. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

YAMAGUTI, VERENA HOKINO; ALVES, DOMINGOS; CHARTERS LOPES RIJO, RUI PEDRO; BRANDAO MIYOSHI, NEWTON SHYDEO; RUFFINO-NETTO, ANTONIO. Development of CART model for prediction of tuberculosis treatment loss to follow up in the state of Sao Paulo, Brazil: A case-control study. INTERNATIONAL JOURNAL OF MEDICAL INFORMATICS, v. 141, SEP 2020. (18/00307-2, 18/23963-2)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

YAMAGUTI, Verena Hokino. Estudo de modelo de predição de abandono ao tratamento da tuberculose (TB). 2023. Tese de Doutorado - Universidade de São Paulo (USP). Faculdade de Medicina de Ribeirão Preto (PCARP/BC) Ribeirão Preto.