Modelos de data mining para multi-previsão: aplicação à medicina intensiva

Abstract

Os Sistemas de Apoio à Decisão estão cada vez mais presentes em diversas áreas de actuação, cujo resultado se traduz em diversas soluções para diferentes origens de problemas. A área de Saúde não é excepção. Não é por isso de estranhar que, realidades como Unidades de Cuidados Intensivos (UCI) de Hospitais também usufruam destes sistemas, As Unidades de Cuidados Intensivos são serviços que se inserem nas Unidades Hospitalares e cujo objectivo é prestar cuidados de saúde a pacientes em situação crítica. A actuação clínica nestas unidades, durante o período de internamento dos doentes, envolve o cálculo de índices de gravidade que permitem aferir o estado de um paciente em relação a uma escala de valores predefinida. Uma vez que existem já colecções de dados recolhidos nas UCI e considerando o estudo EURICUSII que foi levado a cabo em 42 UCI de 9 países da UE, torna-se viável e desejável a utilização de técnicas de aprendizagem automática para realização de Data Mining sobre estes dados e a descoberta de conhecimento para suporte às actividades clínicas nas UCI. Neste trabalho, é apresentado o processo de desenvolvimento de modelos de Data Mining para multi-previsão de falência de órgãos. Estes têm por base o case-mix (características que definem o paciente, nomeadamente a Idade, o Tipo e Origem de Admissão, Diagnóstico e Índices de Gravidade) bem como os Eventos Clínicos Adversos que ocorrem durante o período de estadia do paciente na UCI. Apresenta-se ainda uma framework que permite gerir e caracterizar o conjunto de modelos criados. Desta forma, possibilita-se a identificação e aplicação do modelo apropriado para o segmento em que um paciente se enquadra, em função das suas características, dia de internamento e sistema de órgão em questão. A associação de informações diversas acerca de cada um destes modelos possibilita a verificação da validade dos mesmos.

Decision Support Systems are more and more present in several areas, whose result translates in several solutions for different origins of problems. The area of Health is not exception. We can wait that, realities as Intensive Care Units (ICU) of Hospitals also enjoy these systems, The Intensive Care Units are services that interfere in Hospitals and whose goal is to render cares of health to patient in critical situation. The clinical actuation in these units, during the period of stay of the patients, involves the evaluation of gravity indexes that could allow check a patient's state in relation to a defined scale of values. The existence of large databases of data collected in UCI and considering the EURICUSII study, that was carried out in 42 UCI of 9 countries of UE, becomes viable and desirable the application of Data Mining techniques, in a Knowledge Discovery Database process for support to the clinical activities in UCI. In this work, the Data Mining is applied in order to obtain multi-prediction models of organ failure. The case-mix (patient characteristics as Age, Admission Type, Admission Origin, Diagnostic and Gravity Indexes)as well as the Clinical Adverse Events occurred during the patient’s stay in the ICU, are considered to make these models. It’s still intended to present a framework that allows the management and characterization of the group of models generated. In this way we could identify and apply the model generated to the cluster in which a patient frames to, according to his characteristics, day of stay and organ system. The association of several information about each one of the models, allow us to verify the validation of its predictions.