PPGSAD/CCBS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JALILA ANDREA SAMPAIO BITTENCOURT
DATA: 17/08/2021
HORA: 14:00
LOCAL: videoconferencia
TÍTULO: PREDIÇÃO DE SÍNDROME METABÓLICA EM INDIVÍDUOS COM DOENÇA RENAL CRÔNICA UTILIZANDO TÉCNICAS DE APRENDIZADO DE MÁQUINA
PALAVRAS-CHAVES: Doença Renal Crônica; Síndrome Metabólica; Aprendizado de Máquina.
PÁGINAS: 98
GRANDE ÁREA: Ciências da Saúde
ÁREA: Nutrição
RESUMO: As doenças crônicas não transmissiveis (DCNT) são consideradas um dos maiores problemas de saúde pública da atualidade. Dentre as DCNT, destaca-se a doença renal crônica (DRC) e a síndrome metabólica (SM): ambas possuem íntima ligação com o excesso de peso, obesidade e fatores de risco cardiometabólicos. Devido a crescente incidência em todas as faixas etárias, a detecção precoce destas patologias, a fim de retardar as complicações a elas associadas, se faz necessária. Desta forma, métodos de triagem de baixo custo são essenciais para o rastreamento de SM na população em geral, sobretudo, na população renal crônica, visto que, a SM pode impactar de forma negativa na progressão da DRC. Com base nisso, o estudo teve por objetivo desenvolver um modelo para predição do risco para SM em pessoas com DRC. Trata-se de um estudo transversal, realizado com pacientes oriundos do Centro de Prevenção de Doenças Renais (CPDR) do Hospital Universitário da Universidade Federal do Maranhão (HUUFMA). A amostra foi composta por voluntários de ambos os sexos com idade a partir de 20 anos, classificados de acordo com seu estado de saúde (hígido ou com DRC). Os estágios da DRC foram classificados de acordo com a taxa de filtração glomerular (TFG), o diagnóstico sugestivo de SM foi definido de acordo com o proposto pela International Diabetes Federation (IDF) e foram avaliados dados antropométricos, bioquímicos, hemodinâmicos e hábitos de vida. Para o rastreamento da SM, utilizou-se o algoritmo classificador k-vizinhos mais próximos (KNN), um método do aprendizado de máquina (AM) supervisionado. Para implementação do algoritmo classificador, utilizou-se as seguintes entradas: gênero, tabagismo, circunferência do pescoço (CP) e a relação cintura-quadril (RCQ). A construção do algoritmo classificador e implementação do software se deu por meio do programa Matlab®. Para o arquivo de dados e a análise estatística, utilizou-se o software SPSS®, sendo aplicado os seguintes testes estatísticos: Kolmogorov-Smirnov, t de Student, Mann-Whitney U e curva ROC. Os resultados foram considerados estatisticamente significativos para p<0,05. O presente estudo possui aprovação do Comitê de Ética e Pesquisa da Universidade Federal do Maranhão segundo parecer CAAE: 67030517.5.0000.5087. Foram avaliados 196 indivíduos adultos com idade média de 44,73±15,96 anos, dos quais 71,9% (n=141) corresponderam ao gênero feminino e 69,4% (n=136) possuíam excesso de peso. Da amostra investigada, 45,8% (n=11; p=0,006) dos portadores de DRC possuíam SM, com maioria apresentando até 3 componentes metabólicos alterados. Destes componentes, o grupo com DRC apresentou maiores valores de média/mediana em todos os parâmetros, com significância estatística em: circunferência da cintura (CC) (94,85±11,7; p=0,02), pressão arterial sistólica (PAS) [134(123,25-165,5) mmHg; p<0,001], pressão arterial diastólica (PAD) [86,5(76,25-91) mmHg; p=0,019] e glicemia em jejum (GJ) [81(75-88) mg/dL; p=0,001]. O algoritmo KNN mostrou-se um bom preditor para rastreamento de SM, visto que apresentou acurácia e sensibilidade de 79%, especificidade de 80%, tendo seu desempenho avaliado pela curva ROC (AUC=0,79). Desta forma, o algoritmo KNN pode ser utilizado como método de triagem com alta sensibilidade e baixo custo para avaliar a presença de SM em pessoas com DRC.
MEMBROS DA BANCA:
Presidente - 407201 - MARIA DO DESTERRO SOARES BRANDAO NASCIMENTO
Interno - 1556448 - MARCELO SOUZA DE ANDRADE
Interno - 2985612 - MAYARA CRISTINA PINTO DA SILVA
Externo ao Programa - 1823558 - DEYSIANNE COSTA DAS CHAGAS
Co-orientador - 271976 - ALLAN KARDEC DUAILIBE BARROS FILHO