Banca de DEFESA: ERISONVAL SARAIVA DA SILVA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ERISONVAL SARAIVA DA SILVA
DATA: 24/03/2025
HORA: 14:00
LOCAL: Auditório PPGEnf
TÍTULO: PREDIÇÃO DA REINTERNAÇÃO HOSPITALAR DE SOBREVIVENTES DE ACIDENTE VASCULAR CEREBRAL EM VULNERABILIZAÇÃO SOCIAL À LUZ DO MODELO DE ATENÇÃO ÀS CONDIÇÕES CRÔNICAS
PALAVRAS-CHAVES: Acidente Vascular Cerebral; Atenção Primária à Saúde; Árvores de Decisões; Doença Crônica; Fatores de Risco; Aprendizado de Máquina; Modelos de Assistência à Saúde; Readmissão do P
PÁGINAS: 161
GRANDE ÁREA: Ciências da Saúde
ÁREA: Enfermagem
RESUMO:

Introdução: A reinternação de sobreviventes de Acidente Vascular Cerebral (AVC) é um problema recorrente impactando a recuperação dos pacientes e sobrecarregando os serviços de saúde, especialmente em contextos de vulnerabilização social. O Modelo de Atenção às Condições Crônicas (MACC) propõe uma abordagem multidisciplinar para organizar o cuidado contínuo. A predição da reinternação, considerando a vulnerabilidade social e o MACC, por meio de Machine Learning, pode auxiliar na identificação precoce de riscos e na implementação de intervenções adequadas. Essa tecnologia melhora a qualidade do cuidado, reduz a morbimortalidade e otimiza o uso dos recursos do sistema de saúde. Objetivo: Elaborar modelo preditivo da reinternação hospitalar de sobreviventes de acidente vascular cerebral em vulnerabilização social à luz do MACC. Método: Estudo analítico, observacional e transversal. A coleta de dados foi realizada com 267 sobreviventes de AVC, por meio de visitas domiciliares na rede de Atenção Primária dos municípios de Floriano (Piauí) e Barão de Grajau (Maranhão). Foram aplicados modelos de Machine Learning ajustados de árvore de decisão e regressão logística para a predição de reinternação. As variáveis foram divididas em dois grupos: 70% e 80 % para treinamento e 30% e 20% para teste. As análises foram realizadas no Python. A acurácia foi avaliada por meio das curvas Receiver Operating Characteristic (ROC) e da Area Under the Curve (AUC), além da Matriz de Confusão no programa Analyse-it®. O nível de significância adotado foi de 5%. O Estudo foi aprovado pelo Comitê de Ética e Pesquisa (CEP), da Universidade Federal do Piauí; parecer: 5.981.191. Resultados: Na árvore de decisão com particionamento 70/30, a acurácia foi 79,01% com AUC/ROC de 86,4%. No particionamento de 80/20, a acurácia foi de 92,45% com AUC/ROC de 95,2%. A regressão logística apresentou, no particionamento 70/30, acurácia de 85,19% e AUC/ROC de 92,8%, enquanto no particionamento 80/20, a acurácia foi de 90,74% e a AUC/ROC de 96,0%. No particionamento 70/30, a regressão logística apresentou melhor desempenho. No particionamento 80/20, a árvore de decisão teve melhor acurácia (92,45%). As variáveis de condições de saúde mais associadas à reinternação foram quedas e tempo desde o primeiro AVC. No aspecto socioeconômico, os fatores mais relevantes foram ter um cuidador e dificuldade para dormir. Na regressão logística, quedas aumentaram o risco de reinternação em 235%, AVC isquêmico em 155%, complicações na internação em 153,53%, COVID-19 em 132% e tempo desde o primeiro AVC em 11,5% ao ano. Conclusão: O estudo demonstrou a viabilidade de um modelo preditivo para reinternação hospitalar de sobreviventes de AVC em situação de vulnerabilização social, baseado no MACC. A árvore de decisão teve melhor desempenho. A elevada acurácia e a área sob a curva ROC indicam o potencial do modelo para subsidiar estratégias preventivas e otimizar a gestão do cuidado. O estudo reforça a importância de uma abordagem intersetorial que considere fatores socioeconômicos e psicossociais no risco de reinternação. A aplicação do MACC demonstrou ser uma ferramenta eficaz na integração dos cuidados e na formulação de políticas públicas voltadas à redução das reinternações, especialmente em populações vulnerabilizadas.

MEMBROS DA BANCA:
Externo à Instituição - 371.***.***-20 - ANA CÉLIA CAETANO DE SOUZA - UECE
Interno - 2334938 - ANA MARIA RIBEIRO DOS SANTOS
Interno - 1552848 - ANA ROBERTA VILAROUCA DA SILVA
Externo ao Programa - 2241271 - JARDELINY CORREA DA PENHA
Presidente - 1888794 - JOSE WICTO PEREIRA BORGES
Externo ao Programa - 1712031 - LARIZA MARTINS FALCAO
Externo à Instituição - 505.***.***-72 - Thereza Maria Magalhães Moreira - UECE