O uso de ciência de dados e inteligência geográfica como metodologias de políticas públicas para o diagnóstico precoce de tumores

Abstract

O Hospital do Câncer de Muriaé é um centro de oncologia que tem total pactuação com 83 municípios da Região Geográfica Intermediária de Juiz de Fora. Os tumores dos órgãos digestivos são os mais frequentes dos pacientes da instituição, sendo 19,16% dos casos entre 2010 e 2020. Os principais fatores de risco são o sobrepeso/obesidade e consumo exagerado de produtos com álcool e tabaco. O estado nutricional desses pacientes é obtido nos prontuários eletrônicos da instituição, porém essa informação possui um viés difícil de ser mensurado, pois tumores nos órgãos digestivos tem como consequência a rápida perda de peso. Com isso, este estudo teve como objetivo estimar o estado nutricional do paciente antes do surgimento do tumor utilizando o algoritmo Random Forest, e mapear as classes das variáveis que apresentam maiores proporções dos casos. A estimação pelo algoritmo obteve uma taxa de acurácia de 85,48% sendo considerado satisfatório. O perfil epidemiológico se manteve durante os 11 anos analisados no estudo (2010 - 2020), os perfis mais frequentes foram pacientes masculinos, com idade de 63 anos, casado, com ensino fundamental incompleto, não etilista, tabagista e acima do peso (de acordo com o Índice de Massa Corporal). O teste de Qui-Quadrado de Pearson foi utilizado para verificar a associação entre as variáveis epidemiológicas e letalidade em até 3 anos, o estadiamento e as variáveis de risco, também foi utilizado para verificar o estadiamento e a letalidade entre as variáveis de risco. O teste de associação apresentou significância para quase todas as variáveis, sendo os pacientes com baixa escolaridade com pior taxa. A identificação espacial dos fatores de risco, pacientes com baixa escolaridade e estadiamento avançado apresentou uma associação espacial para a maioria dos municípios do estudo, as regiões imediatas de Ubá e Viçosa apresentaram maior taxa de tabagistas e etilistas do que as outras imediatas, para os pacientes com baixa escolaridade esses foram em proporções maiores em cidades menos desenvolvidas e mais distantes dos municípios de referência das regiões imediatas. Palavras-chave: ELSA. Entrograma. Aprendizado de Máquina. Hospital do Câncer de Muriaé.

The Cancer Hospital of Muriaé is a highly complex oncology center that has a total agreement with 83 municipalities in the Intermediate Geographic region of Juiz de Fora. Tumors of digestive organs are the most frequent among patients at the institution, with 19,16% of the cases between 2010 - 2020, the main risk factors being overweight/obesity, excessive consumption of products with alcohol and tobacco. The nutritional status of these patients is obtained from the institution’s electronic medical records, but this information has a bias that is difficult to measure, as tumors in digestive organs result in rapid weight loss. This study aimed to estimate the nutritional status of the patient before the tumor using the Machine Learning Random Forest algorithm, and to map the classes of variables that present the highest proportions of cases. The estimation by the algorithm obtained an accuracy rate of 85,48%, being considered satisfactory. The epidemiological profile was maintained during the 11 years analyzed in the study (2010 - 2020), the most frequent profile were male patients, aged 63 years, married, with incomplete elementary education, non-alcoholic, smoker and overweight (according to the Body Mass Index). Pearson’s chi-square test was used to verify the existence of an association between epidemiological variables and lethality in up to 3 years, staging and risk variables, it was also used to verify staging and lethality between the variables of risk. The association test showed significance for almost all variables, with patients with low education having the worst rate. The spatial identification of risk factors, patients with low schooling and advanced staging showed a spatial association for most of the municipalities in the study, the immediate regions of Ubá and Viçosa had a higher rate of smokers and alcoholics than the other immediate regions, for patients with low education, these were in greater proportions in less developed cities and more distant from the reference cities in the immediate regions. Keywords: ELSA. Entrogram. Machine Learning. Câncer Hospital of Muriaé.