Aprendizado de máquina para seguimento de pacientes no pós operatório de cirurgia cardíaca via WhatsApp®

Abstract

Introdução: O tema de estudo trata da viabilidade de desenvolvimento de um método de aprendizado de máquina mediante o conteúdo das conversas obtidas via WhatsApp® dos pacientes submetidos à cirurgia cardíaca acompanhados da alta hospitalar até 30 dias. Hipótese: Há viabilidade de desenvolvimento de um modelo preditivo de aprendizado de máquina para o seguimento de pacientes submetidos a cirurgia cardíaca. Objetivo: Propor um modelo de aprendizagem de máquina para prever o prognóstico de Recuperação do paciente cirúrgico a partir do conteúdo das conversas obtidas via WhatsApp® e alertar profissional da saúde. Método: Trata-se de uma pesquisa metodológica, de desenvolvimento de tecnologias. Foram utilizados dados dos pacientes submetidos à cirurgia cardíaca após a alta hospitalar, no sétimo (D7), décimo quinto (D15) e trigésimo (D30) dias via WhatsApp® ou, quando não havia resposta, por chamada telefônica. Foi construído um banco de dados no Microsoft Excel 2016, os modelos foram implementados fazendo-se uso da biblioteca Scikit-Learn da linguagem de programação Python, utilizado a arquitetura de rede neural chamada de Multilayer Feedforward Networks que consiste no algoritmo de rede que possui uma ou mais camadas e unidades ocultas. Com isso realizou-se o processo de escolha, idealização, desenvolvimento e treinamento que resultou em métricas de precisão, acurácia e recall, que significaram a qualidade do modelo em acertar o desfecho de recuperação cirúrgica dos pacientes, o qual foi proposto. Essa pesquisa está vinculada ao projeto “Validação do Diagnóstico de Enfermagem de Recuperação Cirúrgica Retardada (RCR)” aprovado pelo Conselho de Ética e Pesquisa do Hospital Universitário Antônio Pedro (HUAP) e pela instituição coparticipante Instituto Nacional de Cardiologia (INC) pelo parecer nº 1.759.757 e CAAE: 36683714.9.3001.5272. Resultados: Os pacientes eram majoritariamente do sexo masculino (56,8%), tinham média de idade de 58,1 anos (desvio padrão ± 9,9) e a cirurgia mais realizada foi a de revascularização do miocárdio com CEC (45,7%), seguida por troca valvar múltipla ou combinada com plastia (17,3%) e troca/plastia de aorta (14,8%). Foram criadas três nuvens da análise textual destacam-se: hospital; cicatriz; consulta; tudo bem; alimentando bem; agradeço a atenção; bem cicatriz; sinto dores; voltei hospital; exame de sangue; tirei os pontos; cicatriz fechada; caminhado sim; cicatriz boa; ainda sinto dores; tudo bem comigo; alimentado bem cicatriz; fazer exame de sangue; cicatriz cirurgia fechada; muita falta de ar; e vou voltar hospital. O modelo proposto demonstrou as seguintes métricas: acurácia de 72,8%, a precisão de 80,6% e recall de 83,3%. Conclusão: As nuvens de palavras demonstram a recuperação dos pacientes em seu tempo estimado, suas queixas e necessidades de intervenção para evitar complicações. O modelo de aprendizagem de máquina proposto poderá auxiliar na predição prognóstica dos pacientes se desenvolvido a próxima etapa com o conteúdo e testado novamente. As tecnologias são ferramentas de auxílio ao exercício profissional de enfermagem e carecem de implementação na prática com tecnologias já empregadas pelos pacientes para incluir a saúde no cotidiano diário da pessoas