Inteligencia artificial y salud materna: la experiencia de Caren en Goiás

Autores/as

  • Matheus Saraiva Alcino Secretaria de Estado de Saúde
  • Pedro Manuel Rodrigues Secretaria de Estado de Saúde
  • Wanderson da Silva Marques Secretaria de Estado de Saúde
  • Carlos Augusto Gonçalves Tibiriça Secretaria de Estado de Saúde
  • Willian Farias Carvalho Oliveira Secretaria de Estado de Saúde
  • Diogo Antônio Leal Secretaria de Estado de Saúde

DOI:

https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1271

Palabras clave:

Optimización de Cuidados Neonatales, Inteligencia Artificial en Salud Materna, Caren

Resumen

Objetivo: La aplicación Caren tiene como objetivo mejorar la gestión de los cuidados neonatales en hospitales públicos de Goiás, utilizando inteligencia artificial para prever niveles de atención médica a recién nacidos. Método: la aplicación emplea un modelo predictivo supervisado, entrenado con datos del Sistema Único de Salud, utilizando técnicas de integración y submuestreo para abordar el desbalance. Resultados: Los resultados muestran que el modelo elegido, al priorizar la recuperación, demostró eficacia, destacando un enfoque conservador. El análisis temporal indica la necesidad de precaución en las predicciones después del primer día de vida. Conclusión: Caren es una herramienta innovadora para la gestión eficiente de recursos neonatales, señalando avances en la salud materna.

Biografía del autor/a

Matheus Saraiva Alcino, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Pedro Manuel Rodrigues, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Wanderson da Silva Marques, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Carlos Augusto Gonçalves Tibiriça, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Willian Farias Carvalho Oliveira, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Diogo Antônio Leal, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Citas

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. DOI: https://doi.org/10.1613/jair.953

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. DOI: https://doi.org/10.1056/NEJMoa1915075

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). DOI: https://doi.org/10.5937/gp26-37720

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.. DOI: https://doi.org/10.1186/1471-2393-14-51

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. DOI: https://doi.org/10.1542/peds.32.5.793

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).. DOI: https://doi.org/10.1371/journal.pone.0204763

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. DOI: https://doi.org/10.3390/children9091292

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. DOI: https://doi.org/10.1002/wics.1317

Publicado

2024-11-19

Cómo citar

Alcino, M. S., Rodrigues, P. M., Marques, W. da S., Tibiriça, C. A. G., Oliveira, W. F. C., & Leal, D. A. (2024). Inteligencia artificial y salud materna: la experiencia de Caren en Goiás. Journal of Health Informatics, 16(Especial). https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1271

Artículos similares

<< < 15 16 17 18 19 20 21 > >> 

También puede {advancedSearchLink} para este artículo.

Artículos más leídos del mismo autor/a