Publicações

A mortalidade neonatal é um importante problema de saúde, pois o primeiro mês de vida é o momento mais vulnerável para a sobrevivência. Os fatores associados à mortalidade neonatal são complexos e influenciados pelas características biológicas da mãe e do recém-nascido, condições sociais e cuidados prestados pelos serviços de saúde. Neste estudo investiga-se características relacionadas ao risco de mortalidade neonatal no Brasil. Os dados são oriundos do Sistema de Informações sobre Mortalidade e do Sistema de Informações sobre Nascidos Vivos.

A amostra final foi composta por 302.943 crianças entre 2006 e 2016. Destacamos a proposição de uma nova metodologia baseadas em Machine Learning para abordar o problema da classificação de risco de mortalidade por mortalidade neonatal. Os resultados usando três classificadores diferentes apontam para expressividade de características, sendo peso do recém-nascido, Apgar no primeiro e quinto minuto, malformações congênitas, semanas gestacionais e número de consultas pré-natais, as mais expressivas. PPT

A mortalidade infantil é reflexo de uma combinação complexa de fatores socioeconômicos e de saúde, necessitando combinação de diversas fontes de dados para uma análise completa. Consequentemente, o uso de ferramentas e técnicas especializadas lidar com um grande volume de dados é extremamente útil. Técnicas de Machine Learning tem sido aplicado para resolver problemas de vários domínios e apresenta grande potencial para o problema proposto, além ser uma inovação para realidade brasileira.Neste trabalho, é proposto um método inovador para realizar um risco de morte neonatal avaliação utilizando técnicas de visão computacional.

Utilizando de dados de saúde pública da cidade de São Paulo, foi construído um conjunto de dados composto por dados da mãe, da gravidez e do recém-nascido, e posteriormente aplicado um método que codifica amostras de dados em imagens e classifica amostras utilizando uma rede neural convolucional customizada. Experimentos mostram que o método é capaz de detectar amostras de morte com precisão de 90,61%. PPT VIDEO

A mortalidade neonatal é um problema mundial e sua redução é de interesse internacional. Cerca de 46% de todas as mortes no mundo acontece com crianças de até cinco anos de idade e a maioria essas mortes estão concentradas nos primeiros dias após o nascimento. No Brasil, apesar de possuir fontes de dados como IBGE e DATASUS, não há plataforma que forneça uma maneira intuitiva de visualizar esses dados.

Assim, este trabalho propõe o uso de recursos visuais especializados ferramentas de análise para Big Data, como as bibliotecas Python Dash, Plotly, NumPy e Pandas, a fim de facilitar o entendimento de informações públicas relacionadas à mortalidade neonatal, o que pode levar a mitigação do problema.

As mortes neonatais, responsáveis ​​por mais de 60% das mortes infantis, tornaram-se uma grande preocupação no Brasil e a redução de seu número parece ser mais desafiadora do que as mortes pós-neonatais, pois essa redução depende mais dos fatores de gravidez e parto do que de doenças condições saudáveis. Este estudo teve como objetivo avaliar fatores maternos sobre o risco de mortalidade neonatal no Brasil em 2006-2016.

As características da mãe incluíam anos de estudo, estado civil e idade. Os dados vieram do IBGE e dois sistemas de informação do DATASUS: SIM, para mortalidade, e SINASC, para nascimentos. O tamanho total da amostra válido foi de 28.362.359 crianças. Métodos de visualização e classificação foram realizados. Este estudo constatou que mães solteiras ou com baixa escolaridade apresentavam um risco consideravelmente maior de mortes neonatais, juntamente com mães fora da faixa etária de 20 a 34 anos.

Estudo observacional, de coorte retrospectivo, que utiliza dados secundários de nascimento (indicadores) e óbitos infantis no Brasil entre 2006 e 2016. Os dados englobam todo o território nacional e foram provenientes do Sistema de Informação sobre mortalidade (SIM) e Sistema de Informação sobre Nascidos Vivos (SINASC) do DATASUS (Departamento de Informação do Sistema Único de Saúde do Brasil). A metodologia utiliza de ferramentas robustas de ciência de dados para a elaboração de visualizações que relacionam diversos indicadores à mortalidade neonatal.

As visualizações, em consonância com a bibliografia mais recente, apontam como fatores associados a maiores taxas de mortalidade neonatal: baixo peso, maternidade entre os mais jovens ou acima de 34 anos, menos de 4 consultas pré-natal, baixa escolaridade, bebê do sexo masculino. O tipo de parto também é um fator, embora deva ser considerado segundo a realidade brasileira, onde são frequentes as cesáreas eletivas.

A mortalidade infantil é um dos mais importantes indicadores socioeconômicos e de qualidade da saúde no mundo. No Brasil, a mortalidade neonatal representa 70% da mortalidade infantil. Apesar de sua importância, a mortalidade neonatal mostrou sinais crescentes nos últimos anos, o que causa preocupações quanto à necessidade de métodos eficientes e eficazes capazes de ajudar a reduzi-la. Neste artigo, uma nova abordagem é proposta para classificar recém-nascidos suscetíveis à mortalidade neonatal, aplicando métodos de aprendizado de máquina usando recursos extraídos de conjuntos de dados de saúde pública.

A abordagem é avaliada em um conjunto de dados contendo 15.858 registros, que foram criados, vinculando registros do SINASC e SIM, especificamente da cidade de São Paulo (Brasil), entre 2012 e 2018. Como resultados, usando SVM, XGBoost, Regressão Logística e Aleatória Para os algoritmos de Machine Learning do Forests, uma AUC média de 0,96 foi alcançada ao classificar as amostras como suscetíveis à morte ou não. Além disso, o método SHAP foi usado para entender quais recursos que mais influenciaram as saídas dos algoritmos.

Embora tenham sido observadas melhorias nas últimas décadas, a implementação de ações para reduzir a mortalidade infantil ainda é uma preocupação em muitos países. Para resolver esse problema tão importante, este artigo propõe uma nova abordagem de decisão de suporte para classificar os recém-nascidos de acordo com o risco de mortalidade neonatal. Utilizando variáveis relacionados à mãe, ao recém-nascido e fatores sócio demográficos, modelamos o problema de classificação baseado em dados capaz de fornecer a probabilidade de um recém-nascido morrer até os 28 dias de vida.

Superando uma AUC de 96%, o método proposto é capaz de fornecer não apenas a probabilidade de risco de morte, mas também uma interpretação explicável das características mais importantes para a decisão do modelo, que é fundamental para as aplicações de saúde pública.