Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/349194
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Uma abordagem interpretável de aprendizado de máquina para avaliação retrospectiva do impacto da perda de sangue derivada de flebotomia em pacientes internados
Title Alternative: An interpretable machine learning approach for retrospective evaluation of inpatient blood loss due to phlebotomy protocols
Author: Azevedo, Flávia Érika Almeida Giló, 1984-
Advisor: Santanchè, André, 1968-
Abstract: Resumo: Em Medicina, o procedimento de retirada de sangue de um paciente para realização de exames laboratoriais é denominado flebotomia. Pacientes internados são submetidos a protocolos de flebotomia que incluem solicitações sucessivas de exames, a taxas que podem chegar a coletas diárias, com o objetivo de diagnosticar ou acompanhar a evolução de seus quadros clínicos. No entanto, coletas frequentes expõem o paciente a uma perda elevada de sangue em um intervalo curto de tempo, podendo desencadear problemas para a sua saúde, uma vez que o tempo entre as coletas pode ser insuficiente para a reposição adequada dos componentes sanguíneos perdidos. Com o objetivo de avaliar a hipótese da perda sanguínea por flebotomia ser um fator relevante para o desenvolvimento ou agravamento de quadros de anemia e para o aumento do tempo de internação, a presente pesquisa conduziu análises dirigidas por dados retrospectivos clínicos, laboratoriais e demográficos de 28.312 internações que ocorreram no Hospital de Clínicas da Unicamp (HC/Unicamp) entre os anos 2012 e 2016. Em uma fase inicial, foram conduzidas investigações exploratórias para capturar as principais características inerentes ao conjunto de dados. Em seguida, uma abordagem interpretável de Aprendizado de Máquina (AM) foi desenvolvida, utilizando as técnicas baseadas em Árvores de Decisão Gradient Boosting Machines e Random Forests, para resolução de tarefas de regressão, classificação binária e classificação multiclasse. Para que as soluções computacionais produzidas oferecessem grau de interpretabilidade conveniente para uso no cenário médico-hospitalar, utilizou-se métodos para extrair interpretabilidade dos modelos de AM, a fim de expressar a relação entre as diferentes variáveis utilizadas, bem como elencar o grau de contribuição das mesmas para os resultados dos modelos. Os resultados sugerem uma relação entre a quantidade das coletas de sangue realizadas durante a internação e o tempo de internação, bem como o decaimento dos níveis de hemoglobina no sangue dos pacientes, fator diretamente relacionado ao desenvolvimento de anemia. O estudo conduzido com dados inéditos, até onde se sabe, é o primeiro a investigar, conjuntamente, as relações entre flebotomia, anemia e tempo de internação utilizando AM. Além disso, aprofunda o conhecimento existente do problema ao expandir investigações correlatas encontradas na literatura, uma vez que leva em consideração variáveis adjacentes à possibilidade de desenvolvimento de anemia no curso da internação, como transfusões de sangue e cirurgias realizadas. Também, oferece ao HC/Unicamp subsídios para avaliação dos seus processos relativos à flebotomia e embasamentos para tomada de decisão

Abstract: In medicine, the procedure of drawing blood from a patient for laboratory tests is called phlebotomy. Inpatients are submitted to phlebotomy protocols that include successive requests for tests, at rates that can reach daily extractions, in order to diagnose or monitor the evolution of their clinical conditions. However, frequent extractions expose the patient to high blood loss in a short period of time, which can trigger health problems, since the time between extractions can be insufficient for the adequate replacement of lost blood components. In order to evaluate the hypothesis of phlebotomy blood loss to be a relevant factor for the development or worsening of anemia and for an increase in hospital length of stay, this research conducted analyzes guided by retrospective clinical, laboratory and demographic data of 28,312 hospitalizations that occurred in the Hospital of Clinics at Unicamp (HC/Unicamp) between the years 2012 and 2016. In an initial phase, exploratory investigations were conducted in order to capture the main characteristics inherent to the dataset. Then, an interpretable Machine Learning (ML) approach was developed, using the Decision Tree-based techniques Gradient Boosting Machines and Random Forests for regression, binary classification and multiclass classification tasks. In order for the computational solutions produced to offer a degree of interpretability that is convenient for use in the medical-hospital setting, methods to extract interpretability of ML models were used to express the relationship between the different variables used, as well as listing the degree of their contributions to the models outputs. The results suggest a relationship between the amount of blood samples taken during hospitalization and length of stay, as well as the decrease in patients hemoglobin levels, a factor directly related to the development of anemia. The study conducted with unpublished data, to the best of our knowledge, is the first to jointly investigate relationships between phlebotomy, anemia and length of stay using ML. In addition, it deepens on existing knowledge about the problem and expands the correlated literature, since it takes into account the variables adjacent to the possibility of developing anemia in the course of hospitalization, such as blood transfusions and surgeries performed. It also offers HC/Unicamp subsidies for evaluating its phlebotomy processes and grounds for decision making
Subject: Aprendizado de máquina
Flebotomia
Anemia ferropriva
Tempo de internação
Language: Português
Editor: [s.n.]
Citation: AZEVEDO, Flávia Érika Almeida Giló. Uma abordagem interpretável de aprendizado de máquina para avaliação retrospectiva do impacto da perda de sangue derivada de flebotomia em pacientes internados. 2020. 1 recurso online (122 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: http://www.repositorio.unicamp.br/handle/REPOSIP/349194. Acesso em: 17 Sep. 2020.
Date Issue: 2020
Appears in Collections:IC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Azevedo_FlaviaErikaAmeidaGilo_M.pdf6.74 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.