Banca de DEFESA: GEANE SILVA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: GEANE SILVA
DATA: 07/03/2025
HORA: 14:00
LOCAL: JOAB LIMA
TÍTULO: ANÁLISE MORTALIDADE MATERNA E SUAS RELAÇÕES COM A COVID-19 NO BRASIL ATRAVÉS DO MACHINE LEARNING
PALAVRAS-CHAVES: COVID-19. Mortalidade materna. Saúde pública. machine learning. Gravidez. Puerpério.
PÁGINAS: 151
GRANDE ÁREA: Multidisciplinar
ÁREA: Interdisciplinar
RESUMO: A gravidez é um processo natural que envolve alterações físicas e emocionais, deixando o corpo da mulher mais vulnerável a adoecimentos. A mortalidade materna é um grave problema de saúde pública, afetando principalmente países em desenvolvimento, onde os recursos são escassos. No Brasil, entre 2017 e 2018, as causas diretas mais frequentes de morte materna foram hipertensão (pré-eclâmpsia e eclâmpsia), hemorragias e infecções. Embora tenha ocorrido uma redução na taxa de mortalidade materna, o país ainda está acima das metas internacionais. A pandemia de COVID-19 agravou significativamente a situação da saúde materna no Brasil, especialmente em 2020 e 2021, com o aumento das complicações e óbitos maternos. O colapso do Sistema Único de Saúde (SUS) e a crise política, marcada por divergências entre o Ministério da Saúde e o governo federal, desenvolveu-se para uma resposta incipiente à pandemia. Gestantes infectadas com o SARS-CoV-2 enfrentam maior risco de evolução para quadros graves, descompensação respiratória e antecipação do parto. Objetivo: Investigar os desfechos obstétricos que estiveram associados ao diagnóstico de COVID-19 no Brasil nos anos de 2020 e 2021. Método: Trata-se de um estudo qualiquantitativo, descritivo e transversal, caracterizando o uso da triangulação de métodos. A triangulação de métodos como ferramenta de validação combina diferentes perspectivas metodológicas em um mesmo estudo com o intuito de acrescentar rigor, riqueza, profundidade e amplitude na investigação. Inicialmente foi utilizado o método de revisão sistemática integrativa da literatura com o intuito de conhecer o ―estado da arte‖ para responder o primeiro objetivo proposto neste estudo. A parte quantitativa do estudo foi desenvolvida com a utilização da base de dados do Sistema de Informação da Vigilância Epidemiológica da Gripe (SIVEP-Gripe). Os dados analisados foram os referentes aos anos de 2020 e 2021, correspondendo a um bando de dados para cada ano. Resultados: A COVID-19 interferiu diretamente nos índices de morbimortalidade materna, em nível global. O SIM e SIVEP são sistemas de alta qualidade e essenciais para o monitoramento e a tomada de decisão em saúde, mas há necessidade de se otimizar a disponibilização e qualificação de seus dados. O presente estudo revelou entre os dados da COVID-19 meninas, gestantes ou em período puerperal, abaixo dos 14 anos, o que denuncia reiteradas vezes a negligência infligida pelo Estado brasileiro, na negação do direito dessas meninas de viver, brincar e estudar livremente. Sobre as hospitalizações, em 2020, de um total de 8.364 notificações, 6.589 casos (95,1%) envolveram internações, 236 (3,4%) não precisaram de hospitalização, e 104 casos tiveram essa informação ignorada (1,5%). Sobre as hospitalizações, em 2021, de um total de 14.506 notificações, em 12.027 casos (97,3%) houve internações, 175 (1,4%) não precisaram de hospitalização, e 156 casos tiveram essa informação ignorada (1,3%). As hospitalizações de gestantes e puérperas em leitos de Unidade de Terapia Intensiva (UTI), em 2020 tivemos um total de 1.418 casos (20,5%) e em 2021 3.950 casos (32%). Com um aumento na proporção de internações em UTI de 2020 para 2021, passando de 20,5% em 2020 para 32% em 2021. O aprendizado de máquina foi utilizado como classificador, identificando os fatores que mais contribuíram para o óbito materno e eles foram: Suporte ventilatório invasivo (importância de 15,8), Internação em UTI (importância de 6,62); Dispneia (importância de 3,55), ser puérpera, variação da saturação, o tempo entre sintomas e evolução do caso. Conclusão: A identificação dos sinais e sintomas que elevam o risco do óbito materno deve ser feita ainda na classificação do risco desse corpo gravídico, e ter um instrumento que norteie essa ação pode antecipar o cuidado adequado e salvar vidas. É importante destacar o ineditismo deste estudo ao utilizar Modelagem de Aprendizado (AM) de máquina para a identificação e classificação de fatores que são definidores do desfecho óbito e cura. Durante a construção deste estudo foram encontrados alguns artigos que trabalharam a AM com a interface saúde, no entanto, nenhum deles com a interface, saúde da mulher e desfechos obstétricos diante da COVID-19.
MEMBROS DA BANCA:
Externo ao Programa - 1098531 - ALEXANDRA DO NASCIMENTO CASSIANO
Presidente - 1366694 - JULIANA SAMPAIO
Interno - 1190307 - KATIA SUELY QUEIROZ SILVA RIBEIRO
Externo à Instituição - KLEBER NAPOLEÃO NUNES DE OLIVEIRA BARROS
Interno - 1724406 - LUIZ MEDEIROS DE ARAUJO LIMA FILHO
Interno - 1584539 - MARCELO RODRIGO PORTELA FERREIRA