LEISHMANIOSE VISCERAL NA FRONTEIRA BRASIL, BOLIVIA E PARAGUAI: PREDIÇÃO DE CASOS E RISCO COM MACHINE LEARNING.
Explorando Tendências Epidemiológicas e Estratégias Preditivas para Controle Transfronteiriço da Leishmaniose Visceral na Região
Resumen
Introducción: En los últimos años, alrededor de 12 millones de personas en todo el mundo han sido diagnosticadas con leishmaniasis visceral. Objetivos: Realizar un análisis descriptivo utilizando técnicas de aprendizaje automático sobre el escenario epidemiológico de la leishmaniasis visceral (LV) en el estado de Mato Grosso do Sul (Brasil) y en naciones vecinas, Bolivia y Paraguay. Métodos: Este estudio epidemiológico retrospectivo empleó datos de series temporales de casos notificados y confirmados de LV y defunciones entre residentes de Mato Grosso do Sul (BR) y los países vecinos, Bolivia y Paraguay, de 2016 a 2021, utilizando aprendizaje automático para el análisis de datos. Resultados: En Bolivia, una alta tasa de incidencia (11,51%) indica una rápida propagación. Paraguay presenta una baja incidencia (2,45%) con notable letalidad (11,1%) y aumento de casos pediátricos (18%). Conclusión: La exploración de boletines e información, junto con el uso de aprendizaje automático, orienta las intervenciones y reduce la propagación de la enfermedad en las regiones afectadas según el análisis de datos empleado en el estudio.
Citas
2. Brasil. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de Vigilância Epidemiológica. Manual de vigilância e controle da leishmaniose visceral / Ministério da Saúde, Secretaria de Vigilância em Saúde, Departamento de Vigilância Epidemiológica. – Brasília: Editora do Ministério da Saúde, 2006. 120 p.: il. Color – (Série A. Normas e Manuais Técnicos). Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/manual_vigilancia_controle_leishmaniose_visceral.pdf
3. Organização Pan-Americana da Saúde. Diretrizes para o tratamento das leishmanioses na Região das Américas. Segunda edição. Washington, DC: OPAS; 2022. Disponível em: https://iris.paho.org/bitstream/handle/10665.2/56487/9789275725030_por.pdf?sequence=4&isAllowed=y . Acesso em: 11 de agosto de 2023.
4. World Health Organization. Leishmaniasis. Genebra; 2023. Disponível em: https://www.who.int/news-room/fact-sheets/detail/leishmaniasis . Acesso em: 2 ago de 2023.
5. Alvarenga DG, Escalda PMF, Costa ASV, Monreal MTFD. 2010. Leishmaniose visceral: estudo retrospectivo de fatores associados à letalidade. Revista da Sociedade Brasileira de Medicina Tropical. 2010; 43:2;194-197. http://dx.doi.org/10.1590/S0037-86822010000200017 PMid:20464152.
6. Organização Pan-Americana da Saúde. Leishmanioses: Informe epidemiológico das Américas. Núm. 11, dezembro de 2022. Washington, D.C.: OPAS, 2022b. Disponivel em: https://iris.paho.org/bitstream/handle/10665.2/56832/OPASCDEVT220021_por.pdf?sequene=1&isAllowed=y Acesso em: 11 de agosto de 2023.
7. Santos HG dos, Nascimento CF do Izbicki R, Duarte YA de O, Porto Chiavegatto Filho AD. Machine learning para análises preditivas em saúde: exemplo de aplicação para predizer óbito em idosos de São Paulo, Brasil. Cad Saúde Pública [Internet]. 2019;35(7):e00050818. Available from: https://doi.org/10.1590/0102-311X00050818
8. Nunes, Bruno Pereira et al. Machine learning analysis to predict health outcomes among emergency department users in Southern Brazil: a protocol study. Revista Brasileira de Epidemiologia [online]. 2021; 24: e210050. Available from: https://doi.org/10.1590/1980-549720210050 . ISSN 1980-5497.
9. Souza FM, Prado TN do, Werneck GL, Luiz RR, Maciel ELN, Faerstein E, et al. Classification and regression trees for predicting the risk of a negative test result for tuberculosis infection in Brazilian healthcare workers: a cross-sectional study. Rev bras epidemiol [Internet]. 2021; 24: e210035. Available from: https://doi.org/10.1590/1980-549720210035
10. Cavalcante, Ítalo José Mesquita and Vale, Marcus Raimundo. Epidemiological aspects of visceral leishmaniasis (kala-azar) in Ceará in the period 2007 to 2011. Revista Brasileira de Epidemiologia [online]. 2014; 17:4. 911-924. Available from: https://doi.org/10.1590/1809-4503201400040010 . ISSN 1980-5497.
11. Brito MIB da S, Oliveira ECA de, Barbosa CS, Gomes EC de S. Fatores associados às formas graves e aos óbitos por esquistossomose e aplicação do linkage probabilístico nas bases de dados, Pernambuco, 2007–2017. Rev bras epidemiol [Internet]. 2023; 26: e230003. Available from: https://doi.org/10.1590/1980-549720230003.2
12. Oliveira ECA, Pimentel TJF, Araújo JPM, Oliveira LCS, Fernando VCN, Loyo RM, et al. Investigação sobre os casos e óbitos por esquistossomose na cidade do Recife, Pernambuco, Brasil, 2005-2013. Epidemiol Serv Saúde 2018; 27(4): e2017190. http://dx.doi.org/10.5123/s1679-49742018000400010
13. Santos ML, Coeli CM, Batista JDAL, Braga MC, Albuquerque MFPM. Fatores associados à subnotificação de tuberculose com base no Sinan Aids e Sinan Tuberculose. Rev Bras Epidemiol 2018; 21: e180019. https://doi.org/10.1590/1980-549720180019
14. Gontijo CMF, Melo MN. Leishmaniose visceral no Brasil: quadro atual, desafios e perspectivas. Rev bras epidemiol [Internet]. 2004; Sep;7(3):338–49. Available from: https://doi.org/10.1590/S1415-790X2004000300011
15. Giovanella L, Guimarães L, Nogueira VMR, Lobato L de VC, Damacena GN. Saúde nas fronteiras: acesso e demandas de estrangeiros e brasileiros não residentes ao SUS nas cidades de fronteira com países do MERCOSUL na perspectiva dos secretários municipais de saúde. Cad Saúde Pública [Internet]. 2007; 23: S251–66. Available from: https://doi.org/10.1590/S0102-311X2007001400014
16. Mondardo, M., & Staliano, P. Saúde na Fronteira Brasileira: Políticas Públicas e Acesso a Serviços / Health on the Brazilian Border: Public Policies and Access to Services. Espaço Aberto 2020; 10(1): 99-116. Doi: 10.36403/espacoaberto.2020.29948. Disponivel em: https://revistas.ufrj.br/index.php/EspacoAberto/article/view/29948
17. Braga JU, Herrero MB, Cuellar CM. Transmissão da tuberculose na tríplice fronteira entre Brasil, Paraguai e Argentina. Caderno de Saúde Pública. 2011; 27:7, 1271-1280. Disponivel em: https://www.scielo.br/j/csp/a/tYmR9wHLmT434NGmMzWwtyS/
18. Branco ML, Antas Torronteguy MA. O SUS na fronteira e o Direito: em que medida o estrangeiro tem direito ao SUS. Cad. Ibero Am. Direito Sanit. [Internet]. 20º de dezembro de 2013 [citado 20º de agosto de 2023];2(2):932-45. Disponivel em: https://www.cadernos.prodisa.fiocruz.br/index.php/cadernos/article/view/133 .
19. Cerroni MP, Carmo. Magnitude das doenças de notificação compulsória e avaliação dos indicadores de vigilância epidemiológica em municípios da linha de fronteira do Brasil, 2007 a 2009. Epidemiologia e Serviços de Saúde. 2015; 24:4, 617-628. Disponivel em: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-49742015000400004
20. Cazola LHO, et al. Atendimentos a brasileiros residentes na fronteira Brasil-Paraguai pelo sistema único de saúde. Revista Pan-americana de Saúde Pública. 2011; 29:3, 185-190. Disponivel em: https://pesquisa.bvsalud.org/portal/resource/pt/lil-581617
21. Jenkins New hash function for hash table lookup. 2013. Acesso em: 30 de jun. de 2023. Disponível em: http://burtleburtle.net/bob/hash/doobs.html
22. Belo MMA, Oliveira CM, Barros SC, Maia LTS, Bonfim CV. Estimativa da subnotificação dos óbitos por sífilis congênita no Recife-Pernambuco, 2010-2016: relacionamento entre os sistemas de informações sobre mortalidade e de agravos de notificação. Epidemiol Serv Saúde 2021; 30(3): 2020501. https://doi.org/10.1590/S1679-49742021000300009
23. Rego R. Aplicação combinada dos filtros de Bloom com redes neurais recorrentes para detecção de ataques WEB. Universidade Federal de Santa Maria; Santa Maria; 2020. Disponivel em: https://repositorio.ufsm.br/bitstream/handle/1/19784/DIS_PPGCC_2020_REGO_RICHARD.pdf?sequence=1
24. Bonomi F.; Mitzenmacher, M.; Panigrahy, R.; Singh, S.; Varghese, G. An improved construction for counting bloom Filters. European Symposium on Algorithms. 2006; 684-69. Disponivel em: https://theory.stanford.edu/~rinap/papers/esa2006b.pdf
25. Castela Forte J, Mungroop HE, de Geus F, et al. Ensemble machine learning prediction and variable importance analysis of 5-year mortality after cardiac valve and CABG operations. Sci Rep. 2021;11(1):3467. doi:10.1038/s41598- 021-82403-0. Disponivel em: https://research.rug.nl/en/publications/ensemble-machine-learning-prediction-and-variable-importance-anal
26. Lundberg SM, Nair B, Vavilala MS, et al. Explainable machine-learning predictions for the prevention of hypoxaemia during surgery. Nat Biomed Eng. 2018;2(10):749-760. doi:10.1038/s41551-018-0304-0. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/31001455/
27. Luo W, Phung D, Tran T, et al. Guidelines for developing and reporting machine learning predictive models in biomedical research: a multidisciplinary review. J Med Internet Res. 2016;18(12): e323. doi:10.2196/jmir.5870. Disponivel em: https://www.jmir.org/2016/12/e323
28. Pepe MS, Feng Z, Huang Y, et al. Integrating the predictiveness of a marker with its performance as a classifier. Am J Epidemiol. 2008;167(3):362-368. doi:10.1093/aje/kwm305. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/17982157/
29. Austin PC, Steyerberg EW. Graphical assessment of internal and external calibration of logistic regression models by using loess smoothers. Stat Med. 2014;33(3):517-535. doi:10.1002/sim.594. Disponivel em: https://pubmed.ncbi.nlm.nih.gov/24002997/
30. Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B. Scikit-learn: machine learning in Python. J Mach Learn Res. 2011; 12:2825-2830. Disponivel em: https://jmlr.org/papers/volume12/pedregosa11a/pedregosa11a.pdf
31. Brasil CNS. 1ª Conferência Nacional de Vigilância em Saúde: Direito, Conquistas e Defesa de um SUS Público de Qualidade. Brasília: CNS; 2017. [Documento orientador: Diretrizes metodológicas]. Disponivel em: https://conselho.saude.gov.br/ultimas_noticias/2017/doc/documento_Orientador_1CNVS.pdf
32. Ministério da Saúde (BR). Secretaria de Vigilância em Saúde. Guia de vigilância em saúde [Internet]. 3. ed. Brasília: Ministério da Saúde; 2019. Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/guia_vigilancia_saude_3ed.pdf
https://bvsms.saude.gov.br/bvs/publicacoes/guia_vigilancia_saude_3ed.pdf
33. Ministério da Saúde (BR). Secretaria de Vigilância em Saúde. Departamento de Vigilância de Doenças Transmissíveis. Coordenação-Geral de Doenças Transmissíveis. Caderno de indicadores: leishmaniose tegumentar e leishmaniose visceral [Internet]. Brasília: Ministério da Saúde. 2018 [citado 2021 jun 1]. Disponível em: ht
http://portalsinan.saude.gov.br/images/documentos/Agravos/LTA/Indicadores_Leishmanioses_2018.pdf
34. Regulamento Sanitário Internacional (2005): 2ª edición. 1.Legislación sanitaria. 2.Control de enfermedades transmisibles - legislación. 3.Notificación de enfermedad. 4.Cooperación internacional. I.Organización Mundial de la Salud. Disponivel em: https://www.gov.br/anvisa/ptbr/assuntos/paf/regulamentosanitariointernacional/arquivos/7184json-file-1. Acesso em: 10 fev. 2022.
35. Silva AS, Teles RCCC, Rabelo MN, Monteiro LP, Silva RR, Campos RNS. Aspectos gerais da Leishmaniose Visceral em humanos e cães. Conjecturas. 22:12, 844–857, 2022. Disponível em: http://conjecturas.org/index.php/edicoes/article/view/1587 Acesso em: 14 ago. 2023.
36. Sociedade Brasileira de Medicina Tropical. OMS lança novo roteiro - 2021-2030 - para as Doenças Tropicais Negligenciadas. Brasília, DF: SBMT, 2021. Disponível em: https://sbmt.org.br/oms-lanca-novo-roteiro-2021-2030-paraasdoencastropicaisnegligenciadas/ Acesso em: 11 de agosto de 2023.
37. Secretária Estadual de Saúde do Mato Grosso do Sul. Boletim epidemiológico. Leishmaniose Visceral Humana – 2022. Disponivel em: https://www.vs.saude.ms.gov.br/wp-content/uploads/2023/02/Boletim_leish_visceral_023-Final.pdf
38. Leishmaniose. Informe epidemiológico das Américas. 2022. Disponível em: https://iris.paho.org/bitstream/handle/10665.2/56832/OPASCDEVT220021_por.pdf?sequence=1&isAllowed=y .
39. Tharwat A. “Classification assessment methods,” Appl. Comput. Inform., Aug. 2018. Disponível em : https://www.emerald.com/insight/content/doi/10.1016/j.aci.2018.08.003/full/pdf
40. Hochreiter S, Schmidhuber J. Long short-term memory. Neural Comput. 1997;9(8):1735-1780. doi:10.1162/neco.1997.9.8.1735. Disponivel em: https://dl.acm.org/doi/10.1162/neco.1997.9.8.1735
Declaro que os conteúdos apresentados nos artigos e demais trabalhos são de minha autoria e tenho total responsabilidade sobre os mesmos, os quais estou cedendo os direitos autorais à Revista Saúde e Meio Ambiente, para fins de divulgação científica em qualquer meio disponível.