Revelando o lado oculto da COVID-19 na população obstétrica brasileira com Síndrome Respiratória Aguda Grave: um modelo de aprendizado de máquina
Este estudo transversal analisou dados retrospectivos de gestantes e puérperas com diagnóstico de Síndrome Respiratória Aguda Grave (SRAG) entre janeiro de 2016 e novembro de 2021. Os pacientes foram divididos em dois grupos (COVID-19 e não COVID-19) para análise comparativa, e um modelo preditivo XGBoost foi utilizado para classificar os casos sem agente etiológico definido. Os resultados sugerem que o número de casos e mortes por COVID-19 na população obstétrica foi muito superior ao documentado pelas autoridades, indicando um impacto significativo na taxa de mortalidade materna durante esse período.
Fontes financiadoras: Bill & Melinda Gates Foundation, CNPq e FAPES.
SINASC - 01.dados/sinasc/
SIVEP-Gripe - 01.dados/sivep-gripe/
Processamento, modelagem e interpretabilidade - 02.codigos/
Análise descritiva - 03.resultados/descritiva/
Modelagem e interpretabilidade - 03.resultados/modelo/
Mapas geográficos - 03.resultados/mapas/
R, versão 4.3.3, sob a IDE RStudio
macOS Sonoma 14.5, com Processador M3 Max 14 núcleos e 36GB RAM