Aglomerados espaciais de alta mortalidade por câncer no Brasil: uma abordagem de machine learning (2021)
- Authors:
- Autor USP: TEIXEIRA, BRUNO CASAES - FSP
- Unidade: FSP
- DOI: 10.11606/D.6.2021.tde-30042021-090448
- Subjects: NEOPLASIAS; APRENDIZADO COMPUTACIONAL; EPIDEMIOLOGIA
- Keywords: Câncer; Epidemiologia Espacial; Machine Leearning; Modelagem Epidemiológica
- Language: Português
- Abstract: Objetivos: Este estudo teve como objetivo avaliar se a mortalidade por câncer e seus subtipos pode ser prevista utilizando modelos de machine learning e dados socioeconômicos, demográficos e de cobertura de saúde como variáveis independentes. Adicionalmente buscou-se avaliar a associação geográfica dos resíduos destes modelos, ou seja, a porção de mortalidade não explicada por variáveis sociodemográficas e de saúde. Metodologia: Dados de mortalidade foram extraídos para os anos de 2008 a 2016 utilizando o Sistema de Informações de Mortalidade (SIM) e ajustados por idade utilizando a população padrão da Organização Mundial da Saúde (OMS). Variáveis sociodemográficas e de cobertura de saúde foram obtidas do Censo 2010 e do Ministério da Saúde do Brasil, respectivamente. Foram selecionados os algoritmos mais populares de machine learning para dados estruturados: random forest, extreme gradient boosting, polynomial support vectors machines e regressão lasso, treinados com 80% dos dados para predizer a taxa ajustada de mortalidade por câncer no nível municipal e sua performance foi testada com os restantes 20% das cidades. À partir dos resíduos, foram identificados os municípios com as taxas de mortalidade acima da esperada. Os aglomerados espaciais foram identificados utilizando a estatística de Kulldorff. Os testes foram repetidos para os dez tipos de câncer com maior mortalidade no Brasil no período avaliado.Resultados: Em geral, o algoritmo com maior 'R POT. 2' foi o gradient boosting trees ('R POT. 2'=0,66). Para o consolidado de todos os cânceres, todos os algoritmos apontaram a existência de um aglomerado espacial na região entre Bagé e Rio Grande (excesso de mortalidade de 27%) e três algoritmos identificaram aglomerados na região da cidade de Porto Velho (excesso entre 27% e 40%). Para câncer de esôfago, na região oeste do estado do Rio Grande do Sul foram identificados importantes aglomerados parcialmente sobrepostos por todos os algoritmos (excessos entre 48% e 96%), sendo que outros aglomerados importantes foram identificados no sul do Paraná, norte de Minas Gerais e Espírito Santo. Para câncer de estômago foi identificado um importante cluster na região de Macapá (excesso de 82%) e na região de Porto Velho (excesso de 85%). As variáveis com maior impacto na predição da mortalidade para todos os cânceres foram percentual de população branca, com uma contribuição positiva e linear, e percentual de casas com computador, com uma contribuição positiva e não linear. Conclusão: Algumas regiões geográficas brasileiras mostram taxas significativamente acima do esperado para mortalidade por câncer, independentemente de variáveis sociodemográficas. Análises adicionais poderão explorar a causalidade dessas diferenças geográficas.
- Imprenta:
- Data da defesa: 24.02.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
TEIXEIRA, Bruno Casaes. Aglomerados espaciais de alta mortalidade por câncer no Brasil: uma abordagem de machine learning . 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://doi.org/10.11606/D.6.2021.tde-30042021-090448. Acesso em: 21 maio 2024. -
APA
Teixeira, B. C. (2021). Aglomerados espaciais de alta mortalidade por câncer no Brasil: uma abordagem de machine learning (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://doi.org/10.11606/D.6.2021.tde-30042021-090448 -
NLM
Teixeira BC. Aglomerados espaciais de alta mortalidade por câncer no Brasil: uma abordagem de machine learning [Internet]. 2021 ;[citado 2024 maio 21 ] Available from: https://doi.org/10.11606/D.6.2021.tde-30042021-090448 -
Vancouver
Teixeira BC. Aglomerados espaciais de alta mortalidade por câncer no Brasil: uma abordagem de machine learning [Internet]. 2021 ;[citado 2024 maio 21 ] Available from: https://doi.org/10.11606/D.6.2021.tde-30042021-090448
Informações sobre o DOI: 10.11606/D.6.2021.tde-30042021-090448 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
