Busca avançada
Ano de início
Entree

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

Processo: 18/23963-2
Linha de fomento:Bolsas no Brasil - Doutorado Direto
Vigência (Início): 01 de julho de 2019
Vigência (Término): 30 de junho de 2021
Área do 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
Assunto(s):Previsões   Bases de dados científicos   Aprendizado computacional   Tuberculose   Tuberculose resistente a múltiplos medicamentos

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)