43494 - SCORE FUZZY PARA APOIO AO DIAGNÓSTICO DA COVID-19 EM UNIDADE DE EMERGÊNCIA
ERIKA FONSECA CAMARGO MARSICO - INSTITUTO DE ESTUDOS EM SAÚDE COLETIVA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL; HOSPITAL UNIVERSITÁRIO CLEMENTINO FRAGA FILHO, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL, SHEYLA MARIA TORRES GOULART CITRANGULO - INSTITUTO DE ESTUDOS EM SAÚDE COLETIVA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL, MÔNICA MIGUEL BROCHINI - INSTITUTO DE ESTUDOS EM SAÚDE COLETIVA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL, FÁBIO LUIZ PERES KRYKHTINE - LABORATÓRIO DE LÓGICA FUZZY, INSTITUTO ALBERTO LUIZ COIMBRA DE PÓS-GRADUAÇÃO E PESQUISA DE ENGENHARIA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL, ANTONIO JOSE LEAL COSTA - INSTITUTO DE ESTUDOS EM SAÚDE COLETIVA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL, EDISON CONDE PEREZ DOS SANTOS - LABORATÓRIO DE LÓGICA FUZZY, INSTITUTO ALBERTO LUIZ COIMBRA DE PÓS-GRADUAÇÃO E PESQUISA DE ENGENHARIA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL, CLAUDIO HENRIQUE DOS SANTOS GRECCO - LABORATÓRIO DE LÓGICA FUZZY, INSTITUTO ALBERTO LUIZ COIMBRA DE PÓS-GRADUAÇÃO E PESQUISA DE ENGENHARIA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL, CARLOS ALBERTO NUNES COSENZA - LABORATÓRIO DE LÓGICA FUZZY, INSTITUTO ALBERTO LUIZ COIMBRA DE PÓS-GRADUAÇÃO E PESQUISA DE ENGENHARIA, UNIVERSIDADE FEDERAL DO RIO DE JANEIRO, RIO DE JANEIRO, BRASIL
Apresentação/Introdução
A precisão diagnóstica é fundamental para a assertividade e tempestividade das ações de vigilância epidemiológica no controle da pandemia de Covid-19.
Objetivos
Desenvolver um modelo de predição diagnóstica para Covid-19 em casos sintomáticos respiratórios atendidos em unidades de emergência baseado em lógica fuzzy.
Metodologia
As variáveis linguísticas de entrada para o algoritmo fuzzy foram obtidas a partir do corona-score, desenvolvido por Kurstkenset e colaboradores em 2020, a saber: idade, sexo, imagem tomográfica e valores sanguíneos de: PCR (proteína C-reativa), linfócitos, neutrófilos, ferritina, LDH (desidrogenase láctica). O modelo preditivo fuzzy foi desenvolvido com base no modelo de inferência Coppe-Cosenza.
Resultados
Os termos linguísticos e as funções de pertinência dos conjuntos fuzzy foram definidos por duas infectologistas com apoio de dados publicados na literatura. Após defuzzificação, por método de centroide e normalização, chegou-se a um índice de possibilidade de Covid-19 com valores possíveis entre “zero” e “um”. Dessa forma, com base na definição das especialistas, o diagnóstico de COVID-19 será dividido entre “Muito provável” (≥ 0,7), “Provável” (entre 0,3 e 0,7) ou “Pouco provável” (entre 0 e 0,3) com base nos valores de saída do algoritmo.
Conclusões/Considerações
No atual contexto de pandemia, os modelos preditivos que incorporam vaguezas como a lógica fuzzy podem auxiliar de forma mais fidedigna na vigilância epidemiológica e e no cuidado à saúde de pacientes com suspeição de adoecimento por Covid-19.
|
