PGSC/CCBS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: KATIA SUSANA AZEVEDO SILVA
DATA: 27/02/2026
HORA: 09:00
LOCAL: Sala de aula do PPGSC
TÍTULO: PREDIÇÃO DE RISCO DE ATRASO NO DESENVOLVIMENTO NEUROPSICOMOTOR NOS PRIMEIROS MIL DIAS DE VIDA UTILIZANDO APRENDIZADO DE MÁQUINA: COORTE BRISA
PALAVRAS-CHAVES: Desenvolvimento Infantil; Aprendizado de Máquina; Modelos Preditivos; Saúde da Criança.
PÁGINAS: 190
GRANDE ÁREA: Ciências da Saúde
ÁREA: Saúde Coletiva
RESUMO: Introdução: Os primeiros mil dias de vida representam uma janela determinante para o desenvolvimento neuropsicomotor, período sensível a influências biológicas, ambientais e sociais que impactam diretamente a aquisição de habilidades cognitivas, motoras e de linguagem. A identificação precoce de risco nesse intervalo é fundamental para a implementação de intervenções oportunas. Objetivo: Predizer o risco de atraso no desenvolvimento neuropsicomotor em crianças nos primeiros mil dias de vida, utilizando técnicas de Aprendizado de Máquina. Métodos: Estudo prospectivo com dados da coorte pré- natal BRISA, realizada em São Luís (MA), com 972 díades mãe-criança acompanhadas até os dois anos de idade. O desfecho foi o risco de atraso avaliado pela escala de triagem Bayley-III, considerando domínios cognitivo, comunicação (expressiva e receptiva) e motor (fino e grosso), além de desfechos combinados, em oito cenários preditivos. Foram testados cinco algoritmos (Regressão Logística, Random Forest, SVM radial, XGBoost e Redes Neurais). A avaliação foi realizada por validação cruzada K-fold e o desempenho estimado por acurácia, sensibilidade, especificidade, precisão, F1-score e área sob a curva ROC (AUC). A interpretabilidade dos modelos foi investigada por SHAP. Resultados: O desempenho preditivo foi limitado, com AUC variando aproximadamente de 0,49 a 0,58. A melhor discriminação ocorreu no cenário de comunicação expressiva (AUC=0,58) e, no desfecho agregado de risco global, observou-se desempenho apenas ligeiramente superior ao acaso (AUC≈0,56). Em alguns domínios, Regressão Logística, SVM radial e Redes Neurais apresentaram métricas discretamente superiores. As variáveis com maior contribuição nos modelos (SHAP) variaram conforme o domínio, destacando-se fatores sociodemográficos (escolaridade materna, renda familiar, número de filhos), perinatais (idade gestacional, peso ao nascer e intercorrências ao nascimento) e psicossociais (sintomas depressivos maternos, exposição à violência e dimensões de apoio social). Conclusão: Os modelos não apresentaram desempenho suficiente para aplicação individual em contexto clínico; os achados sustentam uso predominantemente exploratório e podem subsidiar estratégias de vigilância/estratificação de risco em nível populacional, condicionadas a validações adicionais.
MEMBROS DA BANCA:
Presidente - 2019434 - BRUNO FERES DE SOUZA
Co-orientador - 1210245 - CECILIA CLAUDIA COSTA RIBEIRO DE ALMEIDA
Externo à Instituição - JOÃO OTÁVIO BANDEIRA DINIZ - IFMA
Interno - 1421291 - POLIANA CRISTINA DE ALMEIDA FONSECA VIOLA