Detalhes bibliográficos
| Ano de defesa: |
2019 |
| Autor(a) principal: |
BARBOSA, ISADORA MARQUES |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual do Ceará
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=93033
|
Resumo: |
OBJETIVO - Analisar os fatores de risco relacionados à leucemia infantil no estado do Ceará e aplicar algoritmos de aprendizado de máquina para desenvolver modelo de previsão de suscetibilidade de leucemia infantil. METODOLOGIA 1ª etapa: estudo caso-controle realizado em um hospital referência para tratamento do câncer infantil, Fortaleza-Ce, de Maio/2018 a Abril/2019. A população foram crianças até 14 anos, diagnosticadas de 2014 a 2018 e que permanecem em tratamento nesse hospital. Amostra foi de 141 crianças no grupo caso. O grupo controle foram 141 crianças que não possuíam diagnóstico de câncer, apresentavam um quadro agudo e estavam em acompanhamento no mesmo hospital. Coletaram-se dados socioeconômicos, clínicos e de possíveis fatores de risco. Calcularam-se as razões de chances e, aquelas com p < 0,20 ingressaram na análise da regressão logística hierarquizada. 2ª etapa: estudo epidemiológico, retrospectivo, embasado em inteligência artificial, com o banco de dados da 1ª etapa. Esse foi dividido em banco treino e banco teste. O processo de análise foi dividido em quatro etapas: pré-processamento, seleção de modelos, seleção de características e desenvolvimento e validação do modelo. Foram testados 3 algoritmos: árvore de classificação e decisão, florestas aleatórias e redes neurais artificiais. RESULTADOS A média de idade foi de 6,4 anos. O sexo masculino foi o mais frequente (62,4%). As variáveis preditoras que aumentaram, com significância estatística, as chances da criança ter leucemia foram: pai agricultor (RC: 2,36); consumo frequente de carne vermelha (RC: 2,03) e produtos lácteos pela criança (RC: 2,75); história familiar de câncer (RC: 1,88); exposição a agrotóxicos durante a gestação (RC: 2,30); exposição direta da criança a agrotóxicos (RC: 3,32). O modelo final de regressão logística apresentou acurácia 71,4%, sensibilidade de 69,9% e especificidade de 72,9%. O modelo de aprendizagem de máquina, usando o algoritmo árvore de decisão (J48) e o método de validação cruzada, apresentou uma acurácia de 64,5%, sensibilidade de 80,9% e especificidade de 48,2%. CONCLUSÃO Os fatores de risco possivelmente modificáveis, como os ambientais, destacaram-se como fatores que aumentam as chances para leucemia infantil. Dessa forma, defende-se que a leucemia infantil pode ser prevenida. Algoritmos de aprendizagem de máquinas são úteis como preditor de suscetibilidade de leucemia em crianças, podendo ser utilizado como sistema de apoio à decisão, norteando estratégias de promoção da saúde e prevenção da leucemia infantil.<br/>Palavras-chave: Câncer. Criança. Adolescente. Fatores de risco. Previsão de suscetibilidade.<br/>8 |
