Modelagem de equações estruturais e machine learning para predição do crescimento fetal com base no ganho de peso gestacional: Estudo de Coorte Araraquara.

• Processo: 24/18309-2
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 05 de janeiro de 2025
• Data de Término da vigência: 02 de novembro de 2025
• Área de conhecimento: Ciências da Saúde - Saúde Coletiva - Epidemiologia
• Pesquisador responsável: Patricia Helen de Carvalho Rondó
• Beneficiário: Audencio Victor
• Supervisor: Eric Ohuma
• Instituição Sede: Faculdade de Saúde Pública (FSP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Instituição Anfitriã: London School of Hygiene and Tropical Medicine, Inglaterra
• Vinculado à bolsa: 23/07936-3 - A influência do ganho de peso gestacional no crescimento fetal e nos desfechos neonatais: Estudo Coorte Araraquara, BP.DR
• Assunto(s): Estudos de coortes Saúde materno-infantil
• Palavra(s)-Chave do Pesquisador: coorte | crescimento fetal | Desfechos neonatal | Ganho de peso gestacional | Saúde Materno infantil

Resumo

Introdução: O ganho de peso gestacional (GPG) adequado é crucial para a saúde materna e o crescimento do feto. As diretrizes do Institute of Medicine (IOM) dos EUA recomendam GPG baseado no índice de massa corporal pré-gestacional, mas essas diretrizes podem não ser completamente aplicáveis às gestantes brasileiras devido a diferenças populacionais, nutricionais e de estilo de vida. Este estudo visa investigar a relação entre o GPG e o crescimento fetal, utilizando modelos de equações estruturais (SEM) e técnicas de machine learning (ML) para desenvolver modelos preditivos robustos dos desfechos fetais e neonatais. Métodos: Estudo epidemiológico de coorte prospectivo, utilizando dados da Coorte de Araraquara. A amostra inclui mulheres com idade gestacional ¿ 19 semanas, que receberam atendimento pré-natal nas Unidades Básicas de Saúde de Araraquara e região. Foram coletados dados socioeconômicos, demográficos, hábitos de vida, históricos obstétricos, condições de pré-natal e nascimento, bem como dados antropométricos e de composição corporal da mãe, feto e neonato. A análise utilizará SEM para explorar relações complexas entre múltiplas variáveis e algoritmos de ML para desenvolver modelos preditivos dos desfechos de interesse. Análise dos dados: A análise descritiva inicial caracterizará a população do estudo. Testes estatísticos avaliarão a normalidade das variáveis e análises bivariadas explorarão relações entre variáveis independentes e desfechos. SEM permitirá a análise simultânea de múltiplas relações de causa e efeito, enquanto algoritmos de ML, como árvores de decisão, florestas aleatórias, redes neurais e métodos de ensemble, serão utilizados para desenvolver modelos preditivos. A avaliação dos modelos será feita por validação cruzada e métricas como acurácia, sensibilidade, especificidade e área sob a curva ROC. Resultados esperados: Este estudo contribuirá para uma melhor compreensão da relação entre o GPG e os desfechos fetais e neonatais em gestantes brasileiras. Espera-se que os resultados forneçam evidências para adaptar as recomendações às realidades locais, melhorando as diretrizes de saúde pública para a população brasileira.