24/11/2023 - 09:00 - 11:00
DT 23 - Uso de sistemas de informação para o planejamento das ações de Vigilância Sanitária (A) |
45606 - ABORDAGEM DE INTELIGÊNCIA ARTIFICIAL PARA APOIO À PRIORIZAÇÃO DE NOTIFICAÇÕES DE TECNOVIGILÂNCIA ENVOLVENDO EQUIPAMENTOS MÉDICO-HOSPITALARES E GLICOSÍMETROS
MARIA KAROLINE DA SILVA ANDRADE - UFPE, MAÍRA ARAÚJO DE SANTANA - UFPE
As notificações em tecnovigilância servem para acompanhar o comportamento de produtos para saúde na fase pós-mercado. Considerando que atualmente há cerca de 2.096.012 equipamentos médico-hospitalares em território brasileiro, de acordo com o Cadastro Nacional de Estabelecimentos de Saúde (CNES), existe um grande montante de eventos adversos e queixas técnicas relacionadas a esses equipamentos. Devido a vasta quantidade de variáveis e informações associadas às notificações, têm-se buscado incorporar ferramentas computacionais e automatizadas no processo de análise desses dados. Nesse sentido, esse estudo propõe um experimento de desenvolvimento de uma base de dados para treinar um classificador inteligente para avaliar o nível de risco associado a uma notificação. Para tal, inicialmente foi elaborada um nível de risco com base no desfecho e na classe de risco do equipamento envolvido na notificação. O desfecho pode ser pelo menos um dos seguintes: lesão temporária (LT), lesão permanente (LP), internação (I), óbito (O) e campo vazio (VZ). O campo classe de risco do produto pode ser preenchido por uma das opções: I, II, III, IV ou campo vazio (VZ). Assim, a partir de diferentes combinações destes campos foram estabelecidos 3 níveis de risco da notificação: baixo, médio e alto. Com essa classificação definida, foi implementado um algoritmo baseado em árvore de decisão para analisar automaticamente o conteúdo dos campos associados à classe de risco do equipamento e ao desfecho. Assim, cada notificação passou a ter um nível de risco associado a ela. Com esta classificação, é possível utilizar algoritmos de aprendizagem supervisionada para tentar mapear dados de entrada nas respectivas categorias de níveis de risco associado (saídas). Dessa maneira, foram utilizados os dados das 5054 notificações em tecnovigilância de glicosímetros e equipamentos médico-hospitalares realizadas no período de 2019 a 2021. Então, cada uma dessas notificações passou a ser representada por 372 atributos relacionados a 4 campos: classe de risco, classe de função, tipo de notificação, WHOART; e ao nível da notificação, como dado de saída. Assim, com essa base foi treinada uma árvore de decisão J48, a partir da qual foi possível identificar coerência na classificação apresentada pelo algoritmo, onde os WHOART foram os principais norteadores da tomada de decisão quanto ao nível de risco da notificação.
|
