Dashboard e um modelo de análise preditiva para doenças cerebrovasculares na atenção primária em saúde

Abstract

As doenças cerebrovasculares e hipertensivas estão entre as principais causas de óbito no mundo. Somente em 2010, foram responsáveis por quase 35 milhões de óbitos, 30% a mais do ocorrido em 1990. Este comportamento global se observa também no Brasil. Entender o comportamento de uma doença a longo prazo é fundamental para aprimorar seu tratamento e reduzir o número de óbitos por ela causados. Comparando o Brasil com os Estados Unidos, a doença cerebrovascular como principal causa de morte permanece em segundo lugar desde o ano de 2005 comparando até o ano de 2016, com um aumento de 12,1%. O objetivo deste trabalho é desenvolver um dashboard com indicadores e mapas georeferenciados de doenças cerebrovasculares e, principalmente, testar um modelo de análise preditiva que determine probabilisticamente a chance de um cidadão desenvolver estas doenças ponderando seus fatores de riscos em saúde. Foi utilizado o métido de regressão logística otimizada por um algoritmo de otimização (Gradiente Descendente Estocástico). Após o aprendizado em dados históricos, foi possível predizer a chance de um cidadão se deparar com esta patologia. O resultado foi apresentado em forma de relatório da ferramenta de dashboard desenvolvida também neste trabalho.

Abstract : Cerebrovascular and hypertensive diseases are among the main causes of death in the world. In 2010 only, it was responsible for almost 35 million deaths, 30% more of that occurred in 1990. This global behaviour is also observed in Brazil. Understand the behaviour of a disease in the long-term is fundamental to improve its treatment and cut the number of deaths it causes. Comparing Brazil with the United States, the cerebrovascular disease as the leading cause of death remains in second place since the compared to the year of 2016, with an increase of 12.1%. The purpose of this work is to develop a dashboard with georeferenced indicators and maps, to test a model of predictive analy-probabilistically the chance of a citizen developing these diseases by pondering their factors of health risks. The optimized logistic regression method was used for an optimization algorithm (Stochastic Descending Gradient). After learning in data it was possible to predict the chance of a citizen facing this pathology. Zero results were presented in the form of a report of the developed dashboard tool also in this work.