Fatores associados à ansiedade pré-tratamento endodôntico: Estudo transversal piloto com algoritmos preditivos por machine learning

• Processo: 25/02266-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2025
• Data de Término da vigência: 28 de fevereiro de 2026
• Área de conhecimento: Ciências da Saúde - Odontologia - Endodontia
• Pesquisador responsável: Walbert de Andrade Vieira
• Beneficiário: Maria Fernanda Santos Salvador
• Instituição Sede: Centro Universitário das Faculdades Associadas de Ensino de São João da Boa Vista (UNIFAE). Prefeitura Municipal de São João da Boa Vista. São João da Boa Vista , SP, Brasil
• Assunto(s): Ansiedade Clínica odontológica Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Ansiedade | Clínica Odontologica | Endodontia | Inteligência Artificial | Endodontia

Resumo

A literatura existente mostra que os procedimentos de tratamento endodôntico estão associados a um alto risco de provocar ansiedade odontológica. Os algoritmos de machine learning (ML), uma subdivisão da inteligência artificial (IA) têm ganhado destaque na área da saúde para diagnósticos, predições e identificação de fatores de risco para doenças e lesões. Assim, os objetivos desse estudo serão avaliar a prevalência e nível de ansiedade de pacientes que serão submetidos ao tratamento endodôntico na clínica escola do curso de odontologia da UNIFAE e realizar um estudo piloto para verificar a viabilidade do uso de algoritmos de inteligência artificial para predizer a ocorrência de ansiedade pré-operatória. Esse estudo transversal será conduzido com pacientes atendidos na clínica escola do curso de graduação em Odontologia do Centro Universitário das Faculdades Associadas de Ensino - FAE. Serão incluídos pacientes acima de 18 anos que necessitem de tratamento endodôntico em dentes permanentes maduros. As variáveis independentes que serão utilizadas nesse estudo serão coletadas por meio de questionários e/ou escalas específicas para esse fim. A ansiedade no momento do tratamento será avaliada por meio de uma escala de classificação numérica, que consiste em um sistema de pontuação de 0 a 10. Os dados serão submetidos a uma etapa inicial de pré-processamento para normalização do banco de dados e analisados no software Python. Os dados serão analisados por modelos de aprendizado de máquina supervisionados, como árvores de decisão, Random Forest, XGBoost e redes neurais artificiais. Para avaliar o desempenho preditivo dos algoritmos, serão calculados: Área sob a curva (AUC), acurácia (ACC), sensibilidade, especificidade, o valor preditivo positivo (PPV), e o valor preditivo negativo (NPV), F1 score. Por meio esse projeto, espera-se ampliar o conhecimento sobre a ansiedade relacionada ao tratamento endodôntico e ampliar a aplicação da inteligência artificial nessa especialidade.