Dados do Trabalho

Título

Análise de Hipertensão Arterial em mulheres idosas via Aprendizado de Máquina nas Medidas de Pressão Arterial Coletadas pela Monitorização Ambulatorial (MAPA)

Resumo

INTRODUÇÃO
A hipertensão arterial é um fator crítico no desenvolvimento de doenças cardiovasculares, especialmente em mulheres e idosos. O uso de Inteligência Artificial (IA) oferece uma abordagem promissora para lidar com grandes conjuntos de dados, como os gerados pela Monitoramento Ambulatorial da Pressão Arterial (MAPA).
OBJETIVOS
O objetivo deste trabalho é, por meio de Aprendizado de Máquina, identificar potenciais grupos de padrões. Aplicando técnicas de clustering é possível destacar agrupamentos nas medidas da PA coletadas através da MAPA.
MÉTODOS
O estudo foi caracterizado por coleta de dados submetidos à análise exploratória de Clustering, considerando pacientes que realizaram MAPA em rede de clínicas de Brasília-DF nos anos de 2018-2020, sendo que a amostra inicial incluiu 21.137 pacientes, dos quais 19.154 foram analisados após exclusão de casos com dados faltantes ou com menos de 70% das informações disponíveis. Pacientes com doença hipertensiva foram incluídos na análise.
RESULTADOS
Na população de estudo, 38% dos pacientes apresentavam idade entre 50-70 anos e 20% idade≥70 anos. No que diz respeito ao IMC, a categoria mais comum em todos é de sobrepeso. Apesar de 7 clusters terem sido identificados, foi observada resposta similar em termos de padrões da MAPA nos clusters 1-3, nos clusters 4-5 e nos clusters 6-7. Dessa forma os 3 conjuntos foram agrupados. Comparando os 3 agrupamentos, o Forest plot indica que os clusters 4/5 definem a presença de uma padrão da MAPA notadamente mais comum em mulheres de meia idade (50-65 anos) com sobrepeso (respectivamente OR 2.8, 3.4 e 1.3 comparado com os clusters 1-3). Isso sugere uma associação positiva entre essas variáveis e os clusters com padrões distintos de PA sistólica e diastólica. Além disso, a presença dos clusters 6/7 representou uma "assinatura" da MAPA em pacientes idosos (OR 4.75 vs clusters 1-3).
CONCLUSÃO
As MAPAs são capazes de fornecer "assinaturas" de condições fisiológicas e patológicas. A associação entre padrões da MAPA e fatores de risco identificados, como obesidade, sobrepeso, idade avançada e gênero feminino, ressalta a importância da segmentação para estratégias de prevenção e tratamento. Isso pode ser crucial para seguimento de pacientes hipertensos, melhorando sua gestão clínica e resultados a longo prazo.

Palavras Chave

Hipertensão; MAPA; Clustering

Arquivos