Predição De Sinais E Sintomas Em Trabalhadores Expostos À Fumaça Cirúrgica

Objetivo: avaliar a capacidade preditiva de um modelo baseado em Machine Learning na identificação de sinais e sintomas de trabalhadores com exposição ocupacional à fumaça cirúrgica. Método: estudo transversal com abordagem preditiva, conduzido com base em dados coletados no período de 2021 e 2023 em três instituições de saúde, situadas no norte do Paraná e no centro do Rio Grande do Sul. A amostra foi composta por 364 trabalhadores da saúde, e foram coletadas as informações sociodemográficas, ocupacionais e intensidade dos sinais e sintomas. Para a construção do modelo preditivo foi escolhido a Rede Neural Artificial, sendo que o desempenho do modelo foi avaliado por métricas como acurácia, especificidade, sensibilidade, curva de perda, percentual de acertos e matriz de confusão. A acurácia refere-se à proporção de predições corretas em relação ao total de casos, enquanto o percentual de acertos foi utilizado como uma métrica complementar para facilitar a interpretação dos resultados em termos percentuais. As ferramentas MATLAB® e Python® foram utilizadas para o pré-processamento dos dados, testes e implementação final do modelo. Resultados: no sistema respiratório, a acurácia média foi de 86,59 % no treinamento e 76,50 % em operação, com especificidade média de 96,36 % e sensibilidade de 71,29 %. Já no sistema ocular, a acurácia média foi de 77,87 % no treinamento e 69,44 % em operação, com a especificidade média de 84,06 % e sensibilidade de 67,21 %. As médias das métricas foram utilizadas para oferecer uma visão geral do desempenho do modelo ao longo de diferentes execuções e, assim, minimizar a influência de eventuais variações pontuais. Observou-se que o percentual de acertos apresentou tendência semelhante à evolução da curva de perda durante o treinamento, indicando uma melhora progressiva no desempenho das Redes Neurais Artificiais. Conclusão: o modelo alcançou um desempenho satisfatório, demonstrando o potencial das RNAs como ferramenta preditiva detectar sinais e sintomas associados à exposição ocupacional à fumaça cirúrgica

Data collection · Occupational exposure · Risk prevention · Sample (material) · Burn Injury Management and Outcomes · Corneal Surgery and Treatments · COVID-19 and healthcare impacts

• A Two-Stage SEM—Artificial Neural Network Analysis of the Engagement Impact on Employees’ Well-Being

  Open Access•Luminita Popescu, Claudiu George Bocean et al.•International Journal of…•2022

  Add to list