Inteligência artificial e saúde materna: a experiência da Caren em Goiás
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1271Palavras-chave:
Otimização de cuidados neonatais, Inteligência Artificial em Saúde Materna, CarenResumo
Objetivo: A aplicação Caren tem como objetivo aprimorar a gestão dos cuidados neonatais em hospitais públicos de Goiás, utilizando inteligência artificial para prever níveis de atenção médica a recém-nascidos. Método: a aplicação emprega um modelo preditivo supervisionado, treinado com dados do Sistema Único de Saúde, com técnicas de integração e subamostragem para lidar com desbalanceamento. Resultados: os resultados mostram que o modelo escolhido, ao priorizar a revocação, demonstrou eficácia, destacando uma abordagem conservadora. A análise temporal indica a necessidade de precaução nas predições após o primeiro dia de vida. Conclusão: A Caren é uma ferramenta inovadora para a gestão eficiente dos recursos neonatais, sinalizando avanços na saúde materna.
Referências
Brasil. Ministério da Saúde. DATASUS. Tabnet. Brasília, DF: Ministério da Saúde; 2022. Disponível em: https://datasus.saude.gov.br/informacoes-de-saude-tabnet/. Acesso em: janeiro de 2022.
Chawla, N, Bowyer, K, Hall, L, Kegelmeyer, W. "SMOTE: synthetic minority over-sampling technique". Journal of artificial intelligence research 2002; 16:321–357.
Cnattingius, S, Johansson, S, Razaz, N. "Apgar score and risk of neonatal death among preterm infants". New England Journal of Medicine 2020; 383(1):49–57.
Gudmann, A, Mucsi, L. "Pixel and object-based land cover mapping and change detection from 1986 to 2020 for Hungary using histogram-based gradient boosting classification tree classifier". Geographica Pannonica 2022; 26(3).
Haran, C, Van Driel, M, Mitchell, B, Brodribb, W. "Clinical guidelines for postpartum women and infants in primary care–a systematic review". BMC pregnancy and childbirth 2014; 14:1–9..
Lubchenco, L, Hansman, C, Dressler, M, Boyd, E. "Intrauterine growth as estimated from liveborn birth-weight data at 24 to 42 weeks of gestation". Pediatrics 1963; 32(5):793–800.
Moller, AB, Newby, H, Hanson, C, Morgan, A, El Arifeen, S, Chou, D, Diaz, T, Say, L, Askew, I, Moran, A. "Measures matter: a scoping review of maternal and newborn indicators". PloS one 2018; 13(10)..
Nussbaum, C, Lengauer, M, Puchwein-Schwepcke, A, Weiss, V, Spielberger, B, Genzel-Boroviczeny, O. "Noninvasive Ventilation in Preterm Infants: Factors Influencing Weaning Decisions and the Role of the Silverman-Andersen Score". Children 2022; 9(9):1292.
Pedregosa, F, Varoquaux, G, Gramfort, A, Michel, V, Thirion, B, Grisel, O, Blondel, M, Prettenhofer, P, Weiss, R, Dubourg, V, Vanderplas, J, Passos, A, Cournapeau, D, Brucher, M, Perrot, M, Duchesnay, E. "Scikit-learn: Machine Learning in Python". Journal of Machine Learning Research 2011; 12:2825–2830.
Preston, S, Heuveline, P, Guillot, M. Demography: Measuring and Modeling Population Processes. Wiley; 2000.
Winkler, W. "Matching and record linkage". Wiley interdisciplinary reviews: Computational statistics 2014; 6(5):313–325.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
