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: Predição de Risco Cardiovascular a Partir de Padrões da Monitorização Ambulatorial da Pressão Arterial Utilizando Algoritmos de Inteligência Artificial - B-CaRe:AMBP
| Coordenador(a): | ANA CLAUDIA CAVALCANTE NOGUEIRA  |
| Vigência: | 01/04/2023 a 31/08/2025 |
| Situação: | Ativo |
| Programa/Curso: | MEDICINA |
| Agência: | Universidade Católica de Brasília |
| Edital: | UCB 054/2022 |
| Chamada | UCB 054/2022 - CHAMADA Pesquisa |
Resumo:
| A hipertensão é uma doença que, muitas vezes leva a doenças graves e com risco de vida, como insuficiência cardíaca, espessamento do músculo cardíaco, doença arterial coronariana e outras condições graves, se não tratada1. Por esses motivos, ações para identificação dos sintomas o mais breve possível torna-se uma questão muito relevante. Em análise detalhada de custo-benefício realizada pelo National Institute for Health and Clinical Excellence2, mostrou-se que coletas de Pressão Arterial por um período constante e especificado é o método mais eficaz em termos de custo para confirmar o diagnóstico de hipertensão em uma população. Embora o método seja considerado acurado, é consenso que o mesmo identifica um momento específico da pressão arterial e depende da atenção pormenorizada do médico, o que pode induzir ao erro do observador3. Para contornar essa questão, foi proposto o método de Monitoração Ambulatorial da Pressão Arterial (MAPA) pelo período de 24h4. De acordo com o estudo Cost-effectiveness of options for the diagnosis of high blood pressure in primary care: a modelling study5, publicado na revista The Lancet, a metodologia da MAPA é mais significativa para predizer futuros riscos cardiovasculares do que a coleta em consultório. Considerando o cenário de Population Health Management (PHM), onde se apura informações de um grande contexto populacional, se faz necessário analisar um grupo com tamanho de amostra considerável de pacientes. Para tratar dados com grandes volumes, técnicas de Aprendizado de Máquina – ramo da Inteligência Artificial - se mostram adequadas para essa avaliação6. O objetivo central dessa pesquisa é aplicar técnicas de Inteligência Artificial para identificar clusters das medidas da Sistólica e da Diastólica coletadas por meio da Monitorização Ambulatorial da Pressão Arterial (MAPA) em um banco de dados de uma clínica privada, contendo 32.000pacientes avaliados no período de março de 2018 a setembro de 2020. Analisando as possíveis combinações de comportamento da MAPA, sua frequência e prevalência, busca-se compreender o comportamento das medidas da pressão arterial durante 24 horas para identificação do risco de doença cardíaca. Para este fim, serão realizadas diferentes etapas, iniciando com a definição dos metadados, seguida pela identificação da população de pacientes a ser estudada, o que leva à escolha das correlações entre tabelas do banco de dados e, posterior tratamento objetivando a normalização dos componentes. Na etapa seguinte, será desenvolvido o modelo de Machine Learning a ser aplicado e, por fim, será realizada a etapa da análise dos dados que envolve estudo detalhado quantitativo e qualitativo para obtenção de correlações dos agrupamentos e informações relevantes. O resultado dessa etapa permitirá a tabulação para que seja possível a interpretação dos resultados. Esse estudo sedimentará nossa expertise analítica e seus resultados serão utilizados para publicações científicas, bem como aperfeiçoamento do algoritmo, otimização do processo de análise dos dados da MAPA e demonstração de domínio técnico-analítico. Também se espera que a conclusão do estudo colabore para o tratamento precoce dos pacientes com doença hipertensiva. |
Equipe:
Orçamento Aprovado:
| Valor Total | R$ 0,00 |