Evidências Covid 19

English French German Spain Italian Dutch
Russian Portuguese Japanese Korean Arabic Chinese Simplified

Como a análise das evidências de fatores populacionais pode contribuir para aprimorar as estratégias das intervenções sociais de saúde pública?

English French German Spain Italian Dutch
Russian Portuguese Japanese Korean Arabic Chinese Simplified

Análise ajustada da população idade-sexo da gravidade da doença em epidemias como ferramenta para elaborar políticas de saúde pública para COVID-19

LETICHEVSKY, Sonia

CANNISTRACI, C. V.; VALSECCHI, M. G.; CAPUA, I. Age‑sex population adjusted analysis of disease severity in epidemics as a tool to devise public health policies for COVID‑19. Scientific Reports v. 11, n.1, p. 11787, Jun. 2021. DOI: 10.1038/s41598-021-89615-4 Disponível em: https://pubmed.ncbi.nlm.nih.gov/34083555/

No início do surto de COVID-19, não existiam conhecimentos sobre a natureza do patógeno, taxa de disseminação e progressão clínica da doença. A estratégia de lockdown, caracterizada por restrições intensas da população em geral, era a solução disponível para evitar a disseminação do vírus. Este método foi aplicado por diversos países e se mostrou determinante, porém causou consequências que ainda nem são totalmente conhecidas, tornando difícil planejar uma estratégia de retorno e recuperação pós lockdown. A velocidade e a extensão da disseminação da COVID-19 que levou ao status de pandemia desafiou muitos sistemas de saúde; alguns países, ainda em 2021, estavam enfrentando uma crise sanitária.

Os autores investigaram o efeito sinergético de idade e sexo na severidade da COVID-19, usando dados da Itália, Espanha e Alemanha. Foi proposta uma categorização de risco para a propensão em desenvolver a forma severa de COVID-19 que requeira internação ou um indicativo de maior risco de morte. O estudo visou fornecer um guia sobre elementos que podem suportar uma estratégia baseada em evidências e identificar lacunas de conhecimentos que podem ser preenchidas através de uma coleta e uma análise de dados otimizadas e aceleradas. O método proposto tem a vantagem de usar variáveis disponíveis diariamente ou semanalmente, permitindo o monitoramento do efeito das decisões de saúde pública a curto prazo, com a possibilidade de repetir estas medidas ao longo do tempo para avaliar a dinâmica e o impacto epidêmicos e enfrentar as próximas fases da pandemia de COVID-19.

Os autores sugerem equilibrar a necessidade de manter as pessoas seguras e reduzir a restrição generalizada para evitar efeitos socioeconômicos negativos. Sendo assim, os autores propõem que as intervenções sociais devem ser adaptadas, isto é, categorias de idade com maior risco devem ser protegidas com intervenções sociais diferentes daquelas de outras categorias com menor risco. Os autores consideram que lockdown generalizado é inapropriado do ponto de vista de custo-benefício, porque restringem todos os indivíduos independentemente do risco de serem afetados por uma forma severa de COVID-19. Além disso, defendem que o design de novas estratégias de intervenções para a COVID-19 pode contribuir para salvar vidas humanas e reduzir os custos de saúde, além de facilitar um retorno mais rápido visando à sustentabilidade econômica.

Os autores concluíram que indivíduos de 0 a 40 anos e mulheres com menos de 60 anos estão menos propensos a desenvolver casos graves e morrer, enquanto homens de 60 anos ou mais têm maior risco de gravidade e morte. Além disso, as necessidades dos homens são significativamente maiores do que das mulheres, independentemente da idade. Isto se reflete nos maiores custos com saúde. Sendo assim, implementar protocolos mais específicos é uma ótima oportunidade para a saúde pública.

Os autores mencionam que, para aprimorar o estudo, mais países deveriam ser analisados, já que se trata de uma pandemia. O problema é que os dados usados nem sempre estão disponíveis e na forma adequada para este estudo. Os autores reforçam o uso de dados contendo idade e sexo, pois o microbioma humano é significativamente dependente destes fatores.

Esta resenha pertence ao grupo sobre:

Como a Inteligência Artificial pode ajudar a detectar e diagnosticar o novo Coronavírus?

English French German Spain Italian Dutch
Russian Portuguese Japanese Korean Arabic Chinese Simplified

Papel das técnicas da mineração de dados biológicos e da aprendizagem de máquina para detectar e diagnosticar o novo Coronavírus: uma revisão sistemática

BARBOSA, Carlos Roberto Hall

Albahri, A. S.; et al. Role of biological data mining and machine learning techniques in detecting and diagnosing the novel Coronavirus (COVID-19): a systematic review. Journal of Medical Systems, v. 44, n. 7, p. 122-135, May, 2020. DOI: 10.1007/s10916-020-01582-x Disponível em: https://link.springer.com/article/10.1007/s10916-020-01582-x

Este artigo apresenta uma revisão sistemática de Inteligência Artificial (IA) aplicada à detecção e diagnóstico da COVID-19, com base em algoritmos de Mineração de Dados (MD) e Aprendizado de Máquina (AM). A motivação é o crescente interesse no desenvolvimento de aplicações de IA para a área da Saúde e o potencial de tais técnicas na prevenção a pandemias.

A revisão sistemática foi baseada no modelo PRISMA, utilizando cinco bases de dados digitais que cobrem todos os aspectos acadêmicos relacionados à COVID-19: ScienceDirect, IEEE Xplore, Web of Science, PubMed e Scopus. Buscaram-se artigos em inglês, em periódicos ou congressos, de 2010 a 2020, utilizando diversas combinações de palavras-chave relacionadas a qualquer tipo de coronavírus e à detecção, diagnóstico e classificação de CoV por IA e AM. Inicialmente, identificaram-se 1239 artigos que atendiam aos critérios de inclusão, mas a revisão de títulos e resumos reduziu este número para 249 artigos, que foram lidos em sua totalidade. Após a aplicação dos critérios de exclusão (não descritos neste artigo de revisão), somente 8 artigos foram mantidos na análise.

Considerando os 8 artigos analisados na íntegra, identificaram-se 12 métodos de IA aplicados ao processamento de dados de CoV, sendo a árvore de decisão o mais frequente (5 vezes), seguido dos algoritmos Naive Bayes e SVM (4 vezes cada) e KNN (2 vezes). Todos os artigos foram publicados no período de 2016 a 2019 e dedicaram-se à pandemia MERS-CoV (tendo um artigo também considerado a SARS-CoV). Apresentam-se tabelas com os principais resultados dos artigos, principalmente em termos de exatidão de classificação, e com as bases de dados médicos usadas por cada artigo, incluindo os links de acesso quando disponíveis.

Em seguida, o artigo descreve brevemente cada um dos 8 artigos incluídos na revisão, indicando as principais conclusões e resultados. Independentemente da técnica de IA empregada, há uma clara prevalência da idade como fator de risco nas pandemias estudadas. O pequeno número de artigos identificados (todos dedicados à MERS-CoV) e a ausência de estudos e bases de dados relacionados à atual pandemia da COVID-19 indicam a necessidade e a oportunidade de aplicar IA à previsão de tais eventos. Outros métodos conhecidos de classificação, como Redes Neurais Artificiais, Aprendizado por Reforço e Clustering, bem como técnicas integradas de otimização, como Algoritmos Genéticos e Enxame de Partículas, ainda não foram aplicados à detecção e diagnóstico de CoV.

Analisando as características dos artigos revisados, a motivação principal reside no fato de que MD para diagnóstico médico é eficiente e pode ser utilizada para controlar a disseminação de pandemias, além de estimar e prever as taxas de infecção e recuperação, identificando os fatores dominantes. Alguns desafios já identificados são: complexidade dos mecanismos das pandemias; ausência de bases de dados médicos sobre as pandemias; necessidade de novos métodos de monitoramento, devido às diferentes reações de governos e populações; e grande variabilidade dos sintomas. Recomenda-se especificamente um método de pré-processamento para preenchimento de valores faltantes, o uso da linguagem R e o desenvolvimento de sistemas baseados em IoT.

O artigo conclui com a preocupação com a carência de estudos científicos de IA aplicada à COVID-19, que traz sérias implicações à detecção e minimização da disseminação de tais pandemias. O objetivo deve ser realizar novos estudos que possam guiar os governos e populações no controle precoce de tais eventos pandêmicos. Indica também a necessidade do desenvolvimento de tecnologias integradas de sensores para emprego em espaços abertos.

Esta resenha pertence ao grupo sobre: