Uso de Machine Learning para classificação de risco de óbitos por covid-19 no estado de Mato Grosso

Abstract

A crise sanitária global causada pela Covid-19, tornou indispensável o uso de dados provenientes dos prontuários de pacientes para obtenção de modelos preditivos capazes de contribuir com a tomada de decisão. O uso de Machine Learning foi introduzido em vários estudos. Neste contexto, o presente trabalho utilizou amostras de pacientes com Covid-19 do estado de Mato Grosso, e através de características biológicas e morbidades dos pacientes se propôs obter um modelo capaz de prever a evolução da doença, fazendo a distinção entre dois possíveis cenários, recuperado ou óbito. Os algoritmos utilizados foram Regressão Logística, Random Forest, XGBoost, LightGBM e CatBoost. Os resultados dos modelos se mostraram satisfatórios obtendo a área sob a curva (AUC) ROC superior a 0,80, ou seja, com uma alta taxa de verdadeiros positivos e baixa taxa de falsos positivos. As variáveis que mais contribuíram com o modelo foram a idade, comorbidade, hipertensão, diabetes e obesidade. O intuito de obter um modelo capaz de discriminar entre as duas classes possíveis foi atendido, ressaltando que uma análise aprofundada sobre a estrutura de causa e efeito entre as variáveis previsoras e a variável resposta não foi a premissa do estudo, mas a obtenção de um modelo aceitável capaz de distinguir satisfatoriamente entre as duas classes de interesse, recuperado ou óbito.