Bigdata e tele-eletrocardiografia: um estudo com a coorte eletrônica dos eletrocardiogramas da Rede de Teleassistência de Minas Gerais

dc.creatorGabriela Miana de Mattos Paixão
dc.date.accessioned2022-06-21T11:36:38Z
dc.date.accessioned2025-09-09T00:43:09Z
dc.date.available2022-06-21T11:36:38Z
dc.date.issued2021-08-18
dc.identifier.urihttps://hdl.handle.net/1843/42565
dc.languagepor
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectEletrocardiografia
dc.subjectAprendizado de Máquina
dc.subjectMortalidade
dc.subjectDoenças Cardiovasculares
dc.subjectFatores de Risco
dc.subject.othercoorte eletrônica
dc.subject.othereletrocardiograma
dc.subject.othermachine learning
dc.subject.othermortalidade
dc.titleBigdata e tele-eletrocardiografia: um estudo com a coorte eletrônica dos eletrocardiogramas da Rede de Teleassistência de Minas Gerais
dc.typeTese de doutorado
local.contributor.advisor1Antonio Luiz Pinho Ribeiro
local.contributor.advisor1Latteshttp://lattes.cnpq.br/8754335906813622
local.creator.Latteshttp://lattes.cnpq.br/5403632298612818
local.description.resumoIntrodução: As doenças cardiovasculares são as principais causas de mortalidade no Brasil e no mundo. O eletrocardiograma (ECG) é um exame de baixo custo, fácil acesso e não invasivo que faz parte da avaliação inicial do paciente na investigação de cardiopatia, bem como do seguimento clínico dos pacientes sabidamente portadores de doenças cardiovasculares. A identificação de novas variáveis eletrocardiográficas como fatores de risco para eventos cardiovasculares é um importante objeto de pesquisa dentre as coortes eletrônicas. Na eletrocardiografia, os algoritmos de machine learning (ML) têm sido bastante estudados tanto para o diagnóstico automático de alterações eletrocardiográficas, bem como para a predição de eventos cardiovasculares e identificação de novos fatores de risco cardiovasculares. Objetivos: Avaliar a presença das alterações maiores de Minnesota pelo ECG como fator de risco independente para mortalidade e o impacto prognóstico da idade eletrocardiográfica predita por técnicas de ML. Métodos: Trata-se de estudo observacional retrospectivo que avaliou pacientes que realizaram eletrocardiograma digital pela Rede de Teleassistência de Minas Gerais de 2010 a 2017. Realizou-se pareamento probabilístico entre os dados do ECG e o sistema de informação de mortalidade do estado de Minas Gerais. Dados clínicos foram auto-relatados. Os ECGs foram laudados por cardiologistas treinados e, também, interpretados pelos softwares automáticos de Glasgow e Minnesota. Uma rede neural convolucional foi treinada para predizer a idade baseada no ECG de 12 derivações. Resultados: 1.558.421 pacientes acima de 16 anos foram incluídos no estudo. As anormalidades eletrocardiográficas avaliadas foram: bloqueio atrioventricular (BAV), bloqueio de ramo direito (BRD),bloqueio de ramo esquerdo (BRE) e pré- excitação ventricular. Em um seguimento médio de 3,7 anos, a presença de BRE, BRD e BAV foi associada, independemente, a maior mortalidade (p< 0,001). Pacientes com pré- excitação ventricular não apresentaram maior risco de morte (p=0,47). Pacientes com ECG com idade superior a 8 anos que a cronológica apresentaram maior risco de morte (razão de risco (HR) 1,79, p <0,001), enquanto aqueles com ECG com idade inferior a 8 anos que a cronológica apresentaram menor risco (HR 0,78, p <0,001). Conclusões: Coortes eletrônicas podem determinar o valor prognóstico das anormalidades eletrocardiográficas. A idade eletrocardiográfica predita por ML pode adicionar informações prognósticas à interpretação convencional do ECG.
local.identifier.orcidhttps://orcid.org/0000-0003-1349-1745
local.publisher.countryBrasil
local.publisher.departmentMEDICINA - FACULDADE DE MEDICINA
local.publisher.initialsUFMG
local.publisher.programPrograma de Pós-Graduação em Ciências da Saúde - Infectologia e Medicina Tropical

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
TeseDoutfinal.pdf
Tamanho:
3.56 MB
Formato:
Adobe Portable Document Format

Licença do pacote

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2.07 KB
Formato:
Plain Text
Descrição: