Avaliação de desempenho de modelos de regressão logística multivariada através de curvas ROC num estudo de RN de muito baixo peso

Abstract

A mortalidade neonatal é uma das principais preocupações da saúde a nível mundial, sendo que, um dos grupos de bebés que mais tem contribuído para tal desfecho diz respeito aos recém-nascidos de muito baixo peso. Deste modo, conhecer as variáveis que contribuem para a mortalidade destes recém-nascidos, assim como, calcular os seus riscos de morte tem-se tornado um assunto importante, pois poderão facilitar a tomada de decisão por parte dos profissionais de saúde no procedimento e tratamento a seguir. Neste contexto, surgiu o tema desta dissertação que tem como objetivo desenvolver um modelo de regressão logística, que funcione como um classificador, que irá prever se um determinado recém-nascido com peso inferior a 1500 gramas irá sobreviver ou falecer. Para isso, fez-se uso das ferramentas R e RStudio, e de uma base de dados, fornecida pelo Registo Nacional de Recém-Nascidos de Muito Baixo Peso, onde se encontram os dados recolhidos pelas unidades de cuidados intensivos neonatais do território português. Para se atingir este objetivo, começou por se fazer uma análise minuciosa à base de dados, seguida da construção de doze modelos diferentes. Para além disso, para facilitar a utilização do modelo final por parte dos profissionais de saúde, criou-se uma aplicação web, disponível em https://claudia-rodrigues.shinyapps.io/Previsao_do_risco_de_morte_em_RNMBP/, através da utilização do pacote shiny presente no RStudio. Os resultados obtidos revelaram que, o modelo escolhido para funcionar como um classificador é constituído por 9 variáveis, sendo elas: idade gestacional, comprimento ao nascer, corticoides pré-natais, sexo, média dos três índices de apgar (1º,5º e 10º minutos), reanimação insuflador, malformação congénita major, diagnóstico de enterocolite necrotizante (NEC), e administração de Ibuprofeno para tratamento de persistência de ductos arteriosos (PDA). Este modelo apresenta um bom ajuste aos dados e uma boa capacidade preditiva, sendo capaz de prever com 0,926 de certeza o estado de um recém-nascido de muito baixo peso. Relativamente à validação interna e externa, obteve-se valores de área abaixo da curva ROC de 0,891 e 0,797, respetivamente. O facto de apresentar melhores resultados preditivos que os indicadores CRIB e SNAPPE II, fazem dele uma possível ferramenta alternativa a utilizar nas unidades de cuidados intensivos neonatais. Palavras-Chave: Curva ROC, Recém-nascidos de muito baixo peso, Regressão logística, shiny

Neonatal mortality is a major health concern worldwide, and one of the groups of babies that has contributed most to this outcome are the very low birth weight newborns. Thus, knowing the variables that most contribute to the mortality of these newborns, as well as calculating their risk of death has become an important issue, as they may facilitate decision making by health professionals in procedure and treatment to follow. In this context, the theme of this dissertation appeared, whose main objective is to develop a logistic regression model, which works as a classifier and which will predict whether a particular newborn weighing less than 1500 grams will survive or die. For this, the tools R and RStudio were used, as well as a database, provided by the National Registry of Newborns of Very Low Weight, which include the data collected by neonatal intensive care units in the Portuguese territory. To achieve this goal, a thorough analysis of the database was started, followed by the construction of twelve models. In addition, to facilitate the use of the final model by health professionals, a web application was created, available in https://claudia-rodrigues.shinyapps.io/Previsao_do_risco_de_morte_em_RNMBP/, using the shiny package present in RStudio. The results obtained revealed that the model chosen to work as a classifier is made up of 9 variables, namely: gestational age, length at birth, prenatal corticosteroids, sex, average of the three apgar scores (1st, 5th and 10th minutes), insufflator resuscitation, major congenital malformation, diagnosis of necrotizing enterocolitis (NEC) and administration of Ibuprofen for treatment of persistent ductus arteriosus (PDA). This model presents a good fit to the data and a good predictive capacity, being able to predict with 0.926 certainty the state of a very low birth weight newborn. Regarding internal and external validation, area under the ROC curve of 0.891 and 0.797 were obtained, respectively. In addition, the fact that it presents better predictive results than the CRIB and SNAPPE II indicators, makes it a possible alternative tool to be used in neonatal intensive care units.