Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/56787
Type: Artigo de Evento
Title: Emprego de técnicas de machine learning na predição de morte em pacientes hospitalizados com COVID-19: uma revisão sistemática
Other Titles: Employment of machine learning techniques in predicting death in patients hospitalized with COVID-19: a systematic review
Authors: Alexandre Negrão Pantaleão
Carolina Sant' Anna Filipin
Larissa Braga Costa
Luíza C. Teixeira
Renata Araújo Avendanha
Tainara Lima Fernandes
Juliano de Souza Gaspar
Zilma Silveira Nogueira Reis
Abstract: A pandemia da COVID-19 tem exaurido recursos humanos e materiais dos sistemas de saúde, urgindo uma otimização desses processos. Assim, a utilização da inteligência artificial surge como potencial aliada para melhor manejar os cuidados. Objetivo: Analisar o emprego de Machine Learning (ML) para predizer a morte de pacientes hospitalizados com COVID-19. Métodos: Foi realizada uma revisão sistemática seguindo a metodologia PRISMA. Foram consultadas as bases PUBMED, COCHRANE, SCIELO, IEEE, SCOPUS e BVS. Foram incluídos estudos primários contendo pacientes hospitalizados com COVID-19 confirmado por RT-PCR, em que foi utilizado o ML para predizer o prognóstico de morte. Foram excluídos simulações, estudos de pacientes com comorbidades específicas e estudos sem número de pacientes. Resultados: 9 estudos foram incluídos. O maior valor de AUC (Área sob a curva ROC) encontrado foi 1.00 e o menor 0.66. Os sistemas de ML utilizaram parâmetros clínicos, laboratoriais e/ou de imagem. Conclusão: Os algoritmos utilizados apresentaram bons resultados e podem auxiliar na predição do desfecho do paciente hospitalizado com COVID-19, melhorando a assistência e alocação de recursos.
Abstract: COVID-19 pandemic has been consuming human and material resources from health systems, pointing the need to optimize these processes. Thus, artificial intelligence techniques emerge as potential allies to better manage care. Aim: Analyze the use of Machine Learning (ML) to predict death of hospitalized patients with COVID-19. Methods: Systematic review following PRISMA guidelines. Bases searched: PUBMED, COCHRANE, SCIELO, IEEE, SCOPUS and BVS. Were included primary studies analyzing hospitalized patients with COVID-19 confirmed by RT-PCR, in which ML was used to predict death prognosis. Were excluded simulations, studies containing patients with specific comorbidities and studies without number of patients. Results: 9 studies were included. Highest AUC (Area Under ROC curve) found was 1.00 and lowest 0.66. ML systems used clinical, laboratorial and/or imaging parameters. Conclusion: Models analyzed revealed great results and may help to predict the outcome of patients hospitalized with COVID-19, improving care and resources allocation.
Subject: COVID-19 (Doença)
COVID-19 Pandemia, 2020
Inteligência artificial
Aprendizado do computador
Mortalidade
language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
metadata.dc.publisher.department: MED - DEPARTAMENTO DE GINECOLOGIA OBSTETRÍCIA
Rights: Acesso Aberto
URI: http://hdl.handle.net/1843/56787
Issue Date: 2021
metadata.dc.url.externa: http://sbis.org.br/artigos-publicados-nos-anais-estendidos-do-xviii-cbis-2021/
metadata.dc.relation.ispartof: Congresso Brasileiro de Informática em Saúde; Congresso Brasileiro de Telemedicina e Telessaúde
Appears in Collections:Artigo de Evento



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.