Resumen

GIOIA, Thamy Barbara; BARROS, Juliana Ramalho  y  SILVA, Renato Rodrigues da. Fatores socioeconômicos e algoritmos de machine learning aplicados à predição de risco de doenças negligenciadas. Estudo de caso nos municípios do Estado de Goiás e Distrito Federal, Brasil. Finisterra [online]. 2022, n.121, pp.109-123.  Epub 31-Dic-2022. ISSN 0430-5027.  https://doi.org/10.18055/finis28635.

Analisar a relação entre variáveis socioeconômicas e doenças tropicais negligenciadas pode auxiliar gestores no desenvolvimento de políticas públicas para a redução de casos. O objetivo deste trabalho foi avaliar, com base em algoritmos de machine learning, quais as variáveis socioeconômicas mais importantes para a classificação de risco de três doenças negligenciadas: hanseníase, leishmaniose tegumentar e dengue. Foram avaliados três algoritmos embasados em árvores de decisão: Random Forest (RF), XGBoost e C5.0. Como área de estudo, delimitaram-se os municípios do Estado de Goiás e o Distrito Federal - Brasil. Para as classes de risco de dengue, tanto o algoritmo RF quanto o XGBoost apresentaram valores de acurácia acima de 0,6. Ambos destacaram como variáveis preditivas mais importantes as condições de baixa renda, alfabetização e raça. No caso das classes de risco de hanseníase, os três algoritmos apresentaram resultados de acurácia acima de 0,6 indicando como importantes as variáveis abastecimento de água, alfabetização, raça e moradia. No caso das classes de risco de leishmaniose tegumentar, os algoritmos apresentaram acurácia inferior a 0,4 inviabilizando a avaliação das possíveis variáveis preditivas ao modelo. Os três algoritmos avaliados apresentaram desempenho preditivo aproximados, no entanto, o RF foi ligeiramente superior. As variáveis socioeconômicas mais importantes para predição das classes de risco de dengue e hanseníase foram similares.

Palabras clave : Doenças tropicas negligenciadas; determinantes sociais; XGBoost; Random Forest; C5.0.

        · resumen en Español | Inglés | Francés     · texto en Inglés     · Inglés ( pdf )