Dashboard de doenças cerebrovasculares e atualização do algoritmo de análise preditiva: uma proposta para o e-SUS AB

Abstract

e-Saúde é a aplicação das Tecnologias de Informação e Comunicação à Saúde. Tem por objetivo qualificar e expandir o acesso à atenção à saúde através do uso das Tecnologias de Informação e Comunicação. O e-SUS AB PEC é o principal sistema da estratégia ministerial e necessita se comunicar com outros sistemas. O Dashboard de Doenças Cerebrovasculares (DDCV) é uma ferramenta cuja principal finalidade é a análise preditiva, que possibilita verificar a probabilidade de um cidadão desenvolver doenças cerebrovasculares a partir das suas condições de saúde. As doenças cerebrovasculares são a segunda maior causa de mortes no mundo, inclusive no Brasil, ficando atrás apenas das doenças cardíacas isquêmicas. Atualmente, para realizar a predição, a base de dados do dashboard é construída com dados coletados no sistema e-SUS AB PEC. Os processos de importação dos dados no DDCV e de análise preditiva são realizados manualmente, necessitando conhecimentos técnicos do operador do sistema. Portanto, este estudo tem o objetivo de implementar uma API para integração entre o e-SUS AB PEC e o DDCV. Também almeja incluir novos fatores de risco, por exemplo, hábitos alimentares e grau de escolaridade, ao conjunto de variáveis utilizado na análise preditiva que determina probabilisticamente a chance de um cidadão desenvolver doenças cerebrovasculares a partir de um método de regressão logística otimizada por um algoritmo, gradiente descendente estocástico. A predição utilizou dados fictícios oriundos do e-SUS AB PEC por intermédio do Layout e-SUS Atenção Básica de Dados e Interface e os resultados da foram analisados mediante estatística descritiva de frequência absoluta e relativa, média, mediana, moda, desvio padrão e valores mínimo e máximo. Para a construção da API foi utilizado o padrão arquitetural REST juntamente com os métodos de comunicação conforme protocolo HTTP. Para o desenvolvimento deste estudo, foram utilizados os seis princípios e fundamentos de Design Science Research Methodology. A predição utilizou a técnica de regressão logística e foi otimizada por um algoritmo de análise preditiva. Assim, permitiu estimar a probabilidade associada à ocorrência de determinado evento de doenças cerebrovasculares por meio de um conjunto de variáveis independentes. A implementação da API REST permitiu a comunicação automatizada entre os sistemas, provendo agilidade e melhora da qualidade dos processos por meio de uma integração leve, ágil e padronizada. A inclusão das novas variáveis aprimorou o algoritmo de análise preditiva, resultando no aumento da probabilidade média de um cidadão desenvolver uma doença cerebrovascular em 45,32%, passando de 47,59% para 69,16%. As variáveis relacionadas ao hábito alimentar apresentaram as maiores probabilidades médias, tanto para o índice mínimo, quanto para o máximo. A variável escolaridade demonstrou que quanto maior o grau de escolaridade menor a probabilidade de desenvolver doença cerebrovascular.<br>

Abstract: e-Health is the application of Information and Communication Technologies to Health. Its aims are to qualify and expand the access for health care through the use of Information and Communication Technologies. The e-SUS AB PEC is the main system of Ministerial Strategy that needs to communicate with other systems. The Dashboard of Cerebrovascular Diseases (DDCV) is a tool whose main objetive is to perform predictive analysis, which allows to verify the possibility of a citizen to develop cerebrovascular diseases from their health conditions. Cerebrovascular disorders are the second leading cause of death worldwide, including Brazil, behind only ischemic heart disease. Currently, to perform the prediction, the dashboard database is built with data collected from the e-SUS AB PEC. The DDCV data import process and predictive analysis are performed manually, requiring technical knowledge from the system operator. Therefore, this study aims to implement an API for integration between e-SUS AB PEC and DDCV systems. It also aims to include new risk factors, for instance, eating habits and educational level, to the set of variables used in the predictive analysis that probably determines the likelihood of a citizen developing cerebrovascular disorders from a logistic regression method optimized by an algorithm, the stochastic descending gradient. The prediction used empirical data from e-SUS AB PEC through the e-SUS Primary Care Data and Interface Layout and the results were analyzed using descriptive statistics of absolute and relative frequency, mean, median, mode, standard deviation and minimum and maximum values. For the construction of the REST API, architectural standard was used together with the communication methods according to HTTP protocol. The prediction used the logistic regression technique and was optimized by a predictive analysis algorithm. Thus, it was possible to estimate the probability associated with the occurrence of a certain event of cerebrovascular diseases through a set of independent variables. The implementation of the REST API enabled automated communication between systems, providing agility and process quality improvement through a lightweight, agile and standardized integration. The inclusion of the new variables improved the predictive analysis algorithm resulting in an increase the average probability of a citizen developing cerebrovascular disorder by 45.32%, from 47.59% to 69.16%. The variables related to eating habits had the highest average probabilities, both for the minimum and maximum indexes. The education variable showed that the higher the educational level the lower the likelihood of developing cerebrovascular disorder.