This website uses cookies so that we can provide you with the best user experience possible. Cookie information is stored in your browser and performs functions such as recognising you when you return to our website and helping our team to understand which sections of the website you find most interesting and useful.
Plataforma de Apoio a Gestão Estratégica - PAGE/UCB
Projeto: Inteligência Clínica - Predição do Risco de Rehospitalização precoce e Acompanhamento Prospectivo nas Síndromes Coronarianas Agudas e Insuficiência Cardíaca
Coordenador(a): | LUIZ SERGIO FERNANDES DE CARVALHO |
Vigência: | 01/04/2023 a 31/08/2024 |
Situação: | Ativo |
Programa/Curso: | Gerontologia - Stricto Sensu |
Agência: | Universidade Católica de Brasília |
Edital: | UCB 054/2022 |
Chamada | UCB 054/2022 - CHAMADA Pesquisa |
Resumo:
Justificativa. A insuficiência cardíaca (IC) e a doença arterial coronariana (DAC) impõem uma carga econômica importante nos países de baixa e média renda (LMICs). Prever os indivíduos com alto risco de hospitalizações, morte e doença renal em estágio terminal (DRT) especificamente neste grupo de pacientes é um grande passo para realizar ações preventivas intensivas. O grande desafio na predição de eventos clínicos é que os métodos tradicionais têm baixa precisão e as informações individuais dos pacientes, incluindo resultados clínicos, são escassas em LMICs como o Brasil. Portanto, propomos construir e testar novos modelos preditivos de morte, hospitalização e DRT em indivíduos com IC que usam técnicas de aprendizado de máquina (ML) como estratégias-chave. Objetivos e métodos. Nosso objetivo principal é construir um modelo para avaliar o risco de hospitalização, morte e desenvolvimento de DRT após a alta em pacientes hospitalizados por DAC ou IC, usando o modelo de aprendizado de máquina em comparação com algoritmos clínicos padrão. Os objetivos secundários são (i) identificar pacientes com maior risco de custo durante o acompanhamento; (ii) identificar custos evitáveis no atendimento ambulatorial; e (iii) gerar uma ferramenta de previsão de risco on-line para o desenvolvimento de DRT em indivíduos com IC. Examinaremos um conjunto de: (i) cinco bancos de dados retrospectivos brasileiros de pacientes com IC (4.900 indivíduos); (ii) cinco bases de dados brasileiras retrospectivas de pacientes com DAC (5.100 indivíduos); (iii) bases de dados prospectivas de 3 hospitais brasileiros (10.000 indivíduos). Os critérios de inclusão são: (i) IC independente da fração de ejeção reduzida ou preservada ou da síndrome coronariana aguda admitida em um hospital; (ii) dados de acompanhamento disponíveis ou acessíveis; (iii) idade> 18 anos; Os critérios de exclusão são: (i) pacientes em diálise por mais de 90 dias antes da inclusão do estudo; (ii) receptores de transplante renal. Resumidamente, usando conjuntos de dados retrospectivos brasileiros, treinaremos os modelos independentemente, separando as amostras de treinamento e validação. Em seguida, testaremos a consistência das previsões no banco de dados em potencial. Os modelos serão criados usando uma versão adaptada do código DeepHit usando o TensorFlow for Python. Resumidamente, o DeepHit emprega uma arquitetura de rede que consiste em uma única sub-rede compartilhada e uma família de sub-redes específicas para cada evento clínico de interesse. Os bancos de dados prospectivos serão construídos com o acordo do lado institucional (hospitais) e do lado do paciente. Uma ferramenta de previsão de risco on-line será criada com dois profissionais experientes em tecnologia da informação (TI), um para o front-end e outro para o back-end. Resultados esperados. As análises propostas contribuirão para um diagnóstico mais preciso da saúde da população, permitindo identificar os indivíduos de maior risco à saúde e aqueles com maior chance de implicar em aumento de custos. Essas estimativas são o principal elo para o fornecimento de informações úteis que podem impedir a carga de doenças, as perdas de produtividade e reduzir o custo dos cuidados. Este projeto também ajudará a estabelecer estratégias de governança em torno do uso de dados e resultados analíticos, além de operacionalizar análises e incorporar lições do mundo real. Por fim, um resultado importante a ser esperado é o lançamento de uma plataforma on-line disponível ao público para óbito, hospitalizações e avaliação de risco de DRT em indivíduos com IC e DAC. |
Equipe:
Orçamento Aprovado:
Valor Total | R$ 0,00 |