1 Modelo de Estimativa de Risco de Incidência de Tuberculose em Municípios Brasileiros Mineração...
Transcript of 1 Modelo de Estimativa de Risco de Incidência de Tuberculose em Municípios Brasileiros Mineração...
1
Modelo de Estimativa de Risco de Incidência de
Tuberculose em Municípios Brasileiros
Mineração de DadosCleiton Lima ([email protected])Eric Ferreira ([email protected])Rossini Bezerra ([email protected])
2
Roteiro Motivação Introdução e Caracterização do Problema Objetivo Parametrização do Problema Dados Disponíveis Pré-processamento dos Dados Modelagem Resultados Conclusões Referências
3
1. Motivação A Tuberculose (TB) é um problema
de saúde tão grave hoje quanto no início do século passado.
Suas taxas de incidência permaneceram altas nas duas últimas décadas
Estima-se a existência de mais de 42 milhões de infectados no Brasil
112.000 óbitos no período
4
2. Introdução e Caracterização do Problema (Mundo)
5
3. Introdução e Caracterização do Problema (Mercado)
A Tuberculose é uma doença que estar diretamente relacionada com fator sócio-econômico.
A prevenção, tratamento e erradicação da Tuberculose não tem sido alvo das grandes Transnacionais da Área de Saúde
6
4. Introdução e Caracterização do Problema (Brasil)
7
5. Introdução e Caracterização do Problema (PNCT)
Diante do cenário atual de Tuberculose, o Ministério da Saúde elaborou o Plano Nacional de Controle da Tuberculose (PNCT).
As principais metas são: Integrar ações de controle em 100% do território
brasileiro Diagnosticar (até 2001) 90% dos casos de
Tuberculose Curar 85% dos casos já diagnosticados Reduzir (até 2007) a Incidência de Tuberculose em
no mínimo 50%. Reduzir (até 2007) em 66%, a Taxa de Mortalidade
8
6. Introdução e Caracterização do Problema (PNCT)
Não existem, na atualidade, Mecanismos de Monitoramento das Ações e de Verificação da Eficácia das Metas aos Determinantes do Problema.
O Problema do Controle de Tuberculose no Brasil demanda Ações de Pesquisa, Monitoramento e Controle Coordenados.
9
7. Objetivo do Trabalho
Integrar Ação de Pesquisa de Tuberculose (Instituto Ageu Magalhães - Prof Wayner Souza) com Pesquisadores do Grupo de Inteligência Computacional (CIN-UFPE)
Parametrizar o Problema da Tuberculose Propor um Modelo para Estimar o Risco de
Epidemia da Tuberculose em Áreas Urbanas (Municípios) no Brasil
10
8. Objetivo do Trabalho
Extração de Regras para Avaliação das Variáveis de Impacto no Risco da Tuberculose
Estudo inicial de uma Ferramenta de Suporte às Instituições e Gestores de Saúde na Investigação e Controle de Tuberculose
11
9. Parametrização do Problema
Na Parametrização dos Fatores de Risco de Epidemia da Tuberculose, selecionaram-se como determinantes: Fatores Populacionais e Sócio-econômicos e Fatores de Saúde
Os Dados foram selecionados para os 5.564 Municípios Brasileiros.
Vetor de 42 Características ou Variáveis (inicial)
12
10. Dados Disponíveis – Descrição e Fontes
Dados Populacionais e Sócio-econômicos: Extraídos do Censo Demográfico do ano de 2000 do IBGE,
compreendendo População e caracterização Sócio-econômica.
Para períodos superiores utilizou-se Método de Projeção do próprio IBGE.
Dados de Saúde: Os dados da Tuberculose, BCG (Vacinas) e Desnutrição
foram extraídos no Sistema de Informações sobre Agravos de Notificação - SINAN, para o cálculo dos coeficientes anuais de (detecção de casos)/(setor censitário), entre
2000 a 2006.
13
A Ferramenta TabWin: Foi utilizada para concatenar as duas bases de dados em
uma única base A ferramenta TabWin é disponibilizada no próprio site do
DATASUS);
Após concatenar as duas bases de dados do DATASUS e IBGE foi criado uma única base de dados No formato de planilha eletrônica( Excel)
A massa de dados é correspondente aos anos de 2001-2006
10. Dados Disponíveis – Descrição e Fontes
14
11. Dados Disponíveis - Descrição
VARIÁVEL TIPO DESCRIÇÃO FONTE Casos confirmados de Tuberculose – 2001 Casos confirmados de Tuberculose – 2002 Casos confirmados de Tuberculose – 2003 Casos confirmados de Tuberculose – 2004 Casos confirmados de Tuberculose – 2005 Casos confirmados de Tuberculose – 2006
Contínua Casos confirmados em um município no período especificado.
DATASUS
BCG -2001 BCG -2002 BCG -2003 BCG -2004 BCG -2005 BCG -2006
Contínua Vacina contra a tuberculose (Bacilo de Calmette & Guérin).Dose única.
DATASUS
Abastecimento de Agua - 2000 Contínua Número de indivíduos com algum tipo de abastecimento de água.
IBGE
População Residente – 2001 População Residente – 2003 População Residente – 2004 População Residente – 2005 População Residente – 2006
Contínua População residente no município. Dados projetados a partir do último censo(2000) pelo IBGE.
IBGE
PIB – 2000 PIB Per Capita -2000 PIB – 2001 PIB Per Capita -2001 PIB – 2002 PIB Per Capita -2002
Contínua
O Produto Interno Bruto (PIB) representa a soma (em valores monetários) de todos os bens e serviços finais produzidos, neste caso, em um município.
IBGE
Instalações sanitárias - 2000 Contínua Número de indivíduos com instalações sanitárias de qualquer tipo.
IBGE
Óbitos por Município (Desnutrição) – 2001 Óbitos por Município (Desnutrição) – 2002 Óbitos por Município (Desnutrição) – 2003 Óbitos por Município (Desnutrição) – 2004 Óbitos por Município (Desnutrição) – 2005
Contínua Número de óbitos no município por desnutrição
DATASUS
Coleta de lixo - 2000 Contínua Número de indivíduos com qualquer tipo de coleta de lixo.
IBGE
15
12. Pré-Processamento dos Dados (Novo Conjunto de Variáveis)
Normalização das variáveis numéricas: Para as variáveis numéricas, a normalização
foi realizada tendo como referência a variável População, ou seja:
= (Variável / População) Por Exemplo, utilizando a variável BCG2001,
o valor normalizado desta variável irá informar a porcentagem da população da cidade que foram vacinadas (BCG) no ano de 2001.
16
12. Pré-Processamento dos Dados (Novo Conjunto de Variáveis)
Definição da variável Alvo A = Média de Casos confirmados de Tuberculose
nos anos 2004,2005 e 2006. B = Média da População nos anos de 2004, 2005 e
2006 Índice-Real nos anos de 2004, 2005 e 2006 (A/B) Índice Brasileiro – Índice do PNCT: meta de redução de 50%
da média nacional: (25 casos)/ (100.000 habitantes). Alvo ou Classe (Binária):
1 (S) : Se Índice Município > Índice do PNCT 0 (N): Se Índice Município <= Índice do PNCT
17
13. Modelagem – Classificador Bayesiano
Para o Problema proposto de Estimar o Risco de Epidemia da Tuberculose nos Municípios Brasileiros propomos um Classificador Binário baseado em Redes Bayesianas.
Como Ferramenta de Simulação utilizamos o Weka para obtenção da Melhor Configuração para Rede Bayesiana.
Critério de Desempenho da Rede: Poder de Generalização ou Menor Erro na Fase de Teste.
18
13. Dados Disponíveis – Variáveis selecionadas para modelo da rede
1. Municipio,2. TamanhoMunicipio,3. PIB-00, PIB-01, PIB-02,4. pib_pcap-00, pib_pcap-01, pib_pcap-02,5. InstalSanitarias- 2000,6. Óbitos2001, Óbitos2002, Óbitos2003, Óbitos2004,
Óbitos2005,7. Lixo,8. BCG2001, BCG2002, BCG2003, BCG2004,
BCG2005, BCG2006,9. AbastAgua,10. Alvo
19
14. Modelagem - Classificador
Estratégia de Treinamento: Estratificado Treinamento (50%), Validação (25%) e Testes (25%).
Normalização dos Parâmetros: Realizada pelo Weka e Normalização das
variáveis numéricas (citada anteriormente) Avaliação de Desempenho do Classificador:
Curvas ROC e KS.
20
15. Modelagem – Extração de Regras
Foram realizados dezenas de Experimentos para Extração do Conhecimento do Domínio do Problema
Para Extração de Regras Foi utilizada a ferramenta Weka
Algoritmo PART Configuração padrão
21
16. Resultados - Classificador
Foram realizados dezenas de experimentos utilizando a ferramenta Weka para encontrar: O Melhor classificador Os parâmetros ótimos do classificador Conjunto de regras
Entre as dezenas de configurações, a rede neural que obteve a maior taxa de acerto (66%) foi: BayesNet
Estimador: SimpleEstimator – A 0.5 SearchAlgoritm: K2 – P 1-s Bayes
22
16. Resultados – Curva ROC
23
16. Resultados – Distribuição das Classes - BayesNet
Distribuição das Classes - BayesNet
00,1
0,20,3
0,40,50,6
0,70,8
0,91
1 151 301 451 601 751 901 1051 1201 1351
Municípios
Sco
re Alto Risco
Baixo Risco
24
16. Resultados – Classificador Curva KS (Pr(Alta - Baixa))
KS (0.34)
0
0,2
0,4
0,6
0,8
1
1 151 301 451 601 751 901 1051 1201 1351
População
Pro
bab
ilid
ade
percAlta
PercBaixa
DifPercBaixAlta
25
16. Resultados - Classificador
Total de Instâncias: 1391 S=Alto Risco com 690 Municípios N=Baixo Risco com 701municípios)
Instâncias Classificadas Corretamente : 918 – 66.00%
S = 456 (32,78%) N = 462 (33,22%)
Instâncias Classificadas Incorretamente : 473 – 34.00%
S = 239 (17,18%) N = 234 (16,82%)
26
16. Resultados - Classificador
Matriz Confusão:
S NClassificador/
Alvo
456 234 S
239 462 N
27
16. Resultados - Regras
Modelo do Classificador do conjunto de treinamento
Lista de Decisão PART Número de regras obtidas:
25 regras condicionais, do tipo: Se Condicão i and Condição j ... Então Alvo := (S/N)
28
16. Resultados – Regras (exemplo)
Regra 1SE
BCG2006 > 0.020375 ANDÓbitos2004 > 0.000016 AND Óbitos2003 > 0.000276 ANDÓbitos2004 > 0.000135
EntãoS (20.0)
Apesar de 2% da população está vacinada, se os óbitos por desnutrição excederem 0,02% da mesma, temos alto risco de incidência de tuberculose.
29
16. Resultados – Regras (exemplo)
Regra 2SE
BCG2006 <= 0.02258 AND Óbitos2003 <= 0.000297 ANDÓbitos2005 <= 0.000238 ANDInstalSanitarias-2000 > 0.874822 ANDBCG2006 <= 0.017122
Então N (742.0/231.0)
Se menos de 2% da população foi vacinada, mas os óbitos por desnutrição no período não excedem 0,02% e 87,4% possuir algum tipo de instalação sanitária, temos baixo risco de incidência de tuberculose
30
16. Resultados – Regras (exemplo)
Regra 3SE
TamanhoMunicipio <= 6771 ANDÓbitos2003 <= 0.000074 ANDÓbitos2002 <= 0.000074
EntãoN (737.0/318.0)
Para municípios com menos de 6771 habitantes e óbitos por desnutrição menor que 0,0074% da população, temos baixo risco de tuberculose.
31
16. Resultados – Regras (exemplo)
Regra 4SE
Óbitos2004 > 0.000268 ANDÓbitos2003 <= 0.00038 ANDBCG2006 > 0.018103
EntãoN (9.0)
Se a quantidade de óbitos por desnutrição em um município excede 0,026% da população em 2004 e for menor que 0,0038% em 2003 e ter mais de 1,8% da população vacinada, temos baixa probabilidade de incidência de tuberculose.
32
17. Conclusões Utilizando a Metodologia de Mineração de
Dados em conjunto com Conhecimento do Negócio foi possível obter uma Ferramenta de Suporte a Decisão no Diagnóstico de TB em Municípios.
Utilização de Extração de Conhecimento usando Regras permitiu interpretar o Impacto das Variáveis no Risco de TB.
Constatamos através da Extração das Regras, que as Variáveis Sócio-econômicas estão diretamente relacionadas ao Risco de TB.
33
18. Referências Referências Bibliográficas [1] Ministério da Saúde. Guia para tratamento da tuberculose para o
Programa de Saúde da Família. Brasília (DF); 2002. [2] Ximenes RA de A , Martelli CMT, Souza W V de, Lapa TM,
Albuquerque M de FM de, Andrade ALSS de et al. Vigilância de doenças endêmicas em áreas urbanas: a interface entre mapas digitais censitários e indicadores epidemiológicos. Cad Saúde Pública 1999;15:53-61.
[3] Instituto Brasileiro de Geografia e Estatística [IBGE]. Censos demográficos. Disponível em: <URL:http:// www.ibge.gov.br/ censos>
[4] Ministério da Saúde. Sistema de Informações sobre Mortalidade. Disponível em: <URL: http://www.datasus.gov.br>
[5] Ximenes RA de A , Martelli CMT, Souza W V de, Lapa TM, Albuquerque M de FM de, Andrade ALSS de et al. Tuberculosis in Brazil: construction of a territorially based surveillance system
Rev Saúde Pública 2005;39(1):82-9 [6] S. Haykin, “Neural Networks a Compreensive Foundation”, 2end
ed, Tom Robbins, Ed. USA, New Jersey: Prentice-Hall, Inc, 1999.