Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Nascimento, Amanda Roseane Farias do |
| Orientador(a): |
Barbosa, Euzebio Guimarães |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS FARMACÊUTICAS
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/46841
|
Resumo: |
Introdução: O tratamento intensivo de neonatos associa -se a um grande volume de dados em seus prontuários. O tratamento desses dados pode ser feito através de Machine Learning: capacidade de melhorar o desempenho da realização de alguma tarefa por meio da experiência e, assim, auxiliar na detecção e na tomada de decisões de uma ampla gama de condições médicas, incluindo reações adversas ao medicamento (RAM). Objetivo: Treinar modelo de predição para auxiliar na detecção de reações adversas aos medicamentos em neonatos internados em uma UTI. Metodologia: estudo observacional desenvolvido na Unidade de Terapia Intensiva Neonatal de um hospital de ensino no Brasil. Dados clínicos foram coletados a partir do seguimento farmacoterapêutico diário, processados e analisados por machine learning através de bibliotecas escritas em linguagem Python. Resultados: Oitocentos e três neonatos foram incluídos no estudo, com média de idade gestacional 32,2 ± 4,2 semanas e peso ao nascer médio de 1807,2 ± 936,6g. A incidência de RAM foi de 10,8%. Antimicrobianos, especialmente os aminoglicosídeos, foram os medicamentos mais prescritos nessa população. Um algoritmo foi treinado e testado na predição de RAM em UTI neonatal, cujas métricas foram precision (0,35) e recall (0,823), com especificidade (80%) e sensibilidade (67%). Conclusão: Existe um alto potencial no método de machine learning na predição de RAM em neonatos internados em uma UTI. |
