Análise de grande volume de dados (Big Data) em serviço de emergência

• Processo: 19/22926-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de janeiro de 2020
• Data de Término da vigência: 31 de dezembro de 2020
• Área de conhecimento: Ciências da Saúde - Medicina - Clínica Médica
• Pesquisador responsável: Heraldo Possolo de Souza
• Beneficiário: Cauê Gasparotto Bueno
• Instituição Sede: Faculdade de Medicina (FM). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 16/14566-4 - Marcadores de diagnóstico e prognóstico em pacientes graves atendidos em serviço de emergência, AP.TEM
• Assunto(s): Medicina de emergência Big data Inteligência artificial Algoritmos Banco de dados Análise de dados Registros eletrônicos de saúde
• Palavra(s)-Chave do Pesquisador: Algoritmos | Bancos de Dados | Inteligência Artificial | preditores | Medicina de Emergência

Resumo

Nos últimos anos temos testemunhado um aumento exponencial da capacidade de processamento e armazenamento de dados em forma digital, bem como de análises estatísticas capazes tornar a análise desses dados em informações úteis. Do ponto de vista genérico, o conceito de Big Data se refere à geração diária de uma quantidade enorme e bastante diversificada de dados, que já não pode mais ser analisada apenas por humanos. Uma das definições mais utilizadas de Big Data na saúde é " Big Data inclui observações heterogêneas, multiespectrais, incompletas e imprecisas (por exemplo, diagnóstico, dados demográficos, tratamento, prevenção de doenças, doenças, lesões e deficiências físicas e mentais) derivadas de diferentes fontes usando amostragem incongruente". No HC-FMUSP são gerados diariamente, uma quantidade enorme de dados, armazenados em prontuários eletrônicos e bancos de dados do laboratório. A análise desses dados poderá contribuir decisivamente para entendermos melhor as doenças e os pacientes atendidos. Infelizmente, esses dados se encontram em bancos de dados diferentes, dificultando uma análise integrada. Nosso projeto se divide em dois subprojetos. No primeiro, é nosso objetivo inicial a criação de um banco de dados que consiga receber dados do prontuário eletrônico do paciente e do laboratório e que seja acessível a ferramentas de análise. No segundo, utilizarmos esse banco de dados para determinar como as características clínicas de doenças agudas se diferenciam entre adultos jovens e idosos e pacientes idosos de maior ou menor risco para melhor direcionamento de recursos, pois, apesar de esforços empreendidos nas últimas duas décadas, não existe ainda um instrumento confiável para rastreamento de vulnerabilidade em idosos nos serviços de emergência A primeira parte será realizada através da transformação dos atuais bancos de dados através do "Modelo de Dados Comum OMOP" (do inglês OMOP Common Data Model) em bancos de dados compatíveis entre si e em seguida sua união em um banco único. Esse processo será realizado por cientistas da computação, programadores e médicos do Serviço de Emergência do HCFMUSP. Em seguida, iremos analisar retrospectivamente todos os pacientes idosos (acima de 65 anos) atendidos no Serviço de Emergência do Hospital das Clínicas da FMUSP e determinar as características clínicas e laboratoriais que os diferenciam dos pacientes jovens (abaixo de 65 anos) com doenças semelhantes. O principal diagnóstico a ser utilizado para essa análise será o de sepse, por ser comum tanto em jovens quanto em idosos e pela sua alta prevalência em nosso serviço. Acreditamos que os dados obtidos neste estudo serão de extrema importância tanto do ponto de vista clínico quanto para um melhor gerenciamento dos recursos despendidos em Serviço de Emergência com pacientes idosos.