1 Contexto da Pesquisa

Na área da saúde, estratificar é reconhecer os diferentes graus de riscos de cada paciente com determinado agravo (BRASIL, 2013; ESPÍRITO SANTO, 2018). A estratificação de risco melhora o trabalho das equipes multiprofissionais, identificando os usuários do sistema de saúde por níveis de riscos. Contribui para o planejamento da assistência com plano de cuidados de acordo com a realidade de cada paciente (MELLO, 2015).

Equipes multiprofissionais na área da saúde mental utilizam a estratificação de riscos para determinar a gravidade dos sintomas apresentados. Grupos de questões no formato de questionário estruturam as coleções de dados (datasets) da estratificação submetida aos pacientes (PARANÁ, 2021; PAULA, 2019). No entanto, essa estrutura não favorece a análise de diferentes questões a serem respondidas sobre os pacientes. É necessário que os dados estejam preparados e organizados para auxiliar na definição dos diferentes parâmetros de assistência à saúde e elaboração do plano de cuidados, sem interpretações equivocadas dos diferentes termos que definem os dados extraídos da estratificação de riscos.

Ontologias organizam o conhecimento sobre coleções de dados. Na área da saúde as ontologias facilitam a extração de informações, desambiguam termos e preservam a semântica das variáveis de saúde, tornando possível a anotação semântica de dados produzidos por diferentes estudos (BAX e SILVA, 2020; CEUSTERS e SMITH, 2010; HASTINGS, 2012B; YAMADA et al, 2020). Desta forma, “como melhorar a preparação dos dados sobre a estratificação de riscos em saúde mental a fim de orientar análises sobre os planos de cuidados em saúde mental?” Propõe-se aplicar um processo sistemático de integração de dados com base na modelagem ontológica da estratificação de riscos e anotação semântica dos dados utilizando a técnica SDD (Semantic Data Dictionary) (RASHID et. al, 2017). A técnica SDD utiliza dicionários semânticos de dados para gerar grafos a partir de ontologias e de templates de metadados. Os grafos podem integrar dados oriundos de diferentes pesquisas e ser explorados posteriormente para filtrar dados necessários para verificar hipóteses em estudos na área da saúde mental. Podem ser úteis para encontrar relações entre doenças e sintomas, além de auxiliar na definição dos planos de cuidados do paciente. O uso do SDD é mais acessível ao especialista de domínio, já que as abordagens alternativas exigem conhecimentos técnicos em linguagens de marcação tais como JSON ou RDF ou linguagens de programação. O SDD permite sistematizar o processo de conversão do dataset para o grafo pelo próprio especialista de domínio, uma vez que os dicionários são semelhantes aos tradicionais dicionários de dados, construídos por aqueles que publicam dados (RASHID et al., 2020).

Esta pesquisa apresenta, por meio destas páginas no GitHub, um “caso de uso” (exemplo) do SDD no domínio de estratificação de riscos de saúde mental. O objetivo é preparar e organizar os dados deste domínio para potencializar análises futuras. Além disso, vale ressaltar, que esta abordagem se situa nas fases iniciais do ciclo de vida do data science, que preconiza a organização conceitual, na preparação de dados em ciência de dados (MICROSOFT, 2020).

REFERÊNCIAS

BAX, M. P. ; SILVA, Evaldo de Oliveira . Dicionários Semânticos de Dados para Integrar Dados de Prontuários Eletrônicos de Pacientes (Semantic Data Dictionary to Integrate Data of Electronic Medical Records). In: Ontobras, 2020, Vitória. Proceedings of the XIII Seminar on Ontology Research in Brazil and IV Doctoral and Masters Consortium on Ontologies (ONTOBRAS 2020). Aachen: CEUR, 2020. v. 2728. p. 298-303.

BRASIL. Ministério da Saúde. Secretaria de Atenção à Saúde. Departamento de Atenção Básica. Saúde mental / Ministério da Saúde, Secretaria de Atenção à Saúde, Departamento de Atenção Básica, Departamento de Ações Programáticas Estratégicas. – Brasília : Ministério da Saúde. Caderno de Atenção Básica, 2013.

CEUSTERS, Werner; SMITH, Barry. Foundations for a realist ontology of mental disease. Journal of biomedical semantics, v. 1, n. 1, p. 1-23, 2010.

ESPÍRITO SANTO (Estado). Protocolo de Classificação de Risco em Saúde Mental. Secretaria do Estado do Espírito Santo. 2018. Disponível em: https://tinyurl.com/28zxkdbd. Acesso em 09 de abril de 2021.

MICROSOFT. O estágio de entendimento empresarial do ciclo de vida do Processo de Ciência de Dados da Equipe. 2020. Disponível em: https://docs.microsoft.com/pt-br/azure/machine-learning/team-data-science-process/lifecycle-business-understanding. Acesso em: 17 de maio de 2021.

RASHID, Sabbir M. et al. The Semantic Data Dictionary Approach to Data Annotation & Integration. In: SemSci@ ISWC. 2017. p. 47-54.

RASHID, S. M., MCCUSKER, J. P., PINHEIRO, P., BAX, M. P., SANTOS, H., STINGONE, J. A., ... & MCGUINNESS, D. L. (2020). The Semantic Data Dictionary–An Approach for Describing and Annotating Data. Data Intelligence, 443-486.

YAMADA, Diego Bettiol et al. Ontology-Based Inference for Supporting Clinical Decisions in Mental Health. In: International Conference on Computational Science. Springer, Cham, 2020. p. 363-375.