Machine learning em saúde pública : variáveis-chave associadas ao acidente vascular cerebral na população brasileira

Abstract

O Acidente Vascular Cerebral (AVC) permanece como uma das principais causas de mortalidade e incapacidade no Brasil, com forte heterogeneidade territorial e determinantes que extrapolam o clínico-biológico. Métodos tradicionais capturam parcialmente essa complexidade; por outro lado, abordagens de ciência de dados — em especial o aprendizado de máquina — permitem integrar múltiplas dimensões e revelar padrões latentes úteis à vigilância e à gestão. Nesse contexto, o objetivo desta tese foi verificar a viabilidade de hierarquizar e predizer a presença autorreferida de AVC a partir de marcadores sociodemográficos, clínicos, funcionais, comportamentais e de uso de serviços, utilizando técnicas de aprendizado de máquina aplicadas aos microdados da PNS2019. A base analítica compreendeu 293.727 respondentes e 1.114 variáveis/categorias após limpeza, recodificação e padronização; o desfecho foi definido pela pergunta de diagnóstico médico prévio de AVC. As preditoras cobriram blocos de características individuais e domiciliares (idade, renda per capita, composição e densidade domiciliar), condições e comportamentos de saúde (HAS/DM autorreferidos, tabagismo, álcool, alimentação), funcionalidade e reabilitação (fisioterapia, limitações nas atividades, uso de dispositivos), uso de serviços e prevenção (consultas, exames de colesterol/glicemia, medicamentos contínuos) e temas contemporâneos (sexualidade/reprodução, violência/cuidado informal, digitalização do cotidiano). O treinamento foi conduzido por Unidade da Federação para capturar especificidades locais, tendo a Random Forest como modelo principal para estimar importância de variáveis; A avaliação interna baseou-se no erro out-of-bag (OOB) e na estabilidade do ranking em rodagens repetidas. Dois níveis analíticos foram considerados: top-10 variáveis por estado e top-30 para leitura contextual ampliada. Os resultados evidenciaram um “núcleo nacional” comum, demonstrando a estabilidade do processo — idade, renda domiciliar per capita e perguntas relacionadas diretamente com AVC (faz dieta por conta do AVC? Faz fisioterapia por conta do AVC?) — e, simultaneamente, peculiaridades locais que refletem contextos regionais: padrões alimentares e acesso (Norte), climatério/vida sexual e planejamento reprodutivo (Sul/Sudeste), organização do cuidado e reabilitação (Sudeste/Sul), violência e cuidado informal (Centro-Oeste/Nordeste) e determinantes associados à digitalização do cotidiano (tempo de telas, telessaúde). Esses achados sugerem vias diretas (cardiometabólicas e de manejo pós-evento) e indiretas (acesso e continuidade do cuidado, tempo e trabalho, estrutura domiciliar) na explicação do desfecho, reforçando a natureza multifatorial e socialmente mediada do AVC. Do ponto de vista translacional, a abordagem mostrou capacidade de priorizar preditores com valor programático; iluminar desigualdades territoriais com granularidade estadual; e aproximar vigilância, clínica e gestão, oferecendo insumos para prevenção e linhas de cuidado pós-AVC (APS forte com controle de HAS/DM, reabilitação oportuna, suporte ao cuidador e estratégias sobre determinantes sociais). Como limitações, destacam-se o desenho transversal e o desfecho autorreferido, que limitam inferências causais e podem incorporar viés de informação; além disso, parte das variáveis de alta importância reflete condições pós-evento, sendo particularmente úteis à vigilância e ao planejamento, mais do que à prognosticação individual. Conclusão: é viável e útil empregar aprendizado de máquina sobre a PNS2019 para mapear fatores associados ao AVC com granularidade estadual, produzindo evidências acionáveis para o SUS e abrindo agenda para validação externa (bases clínicas/administrativas), análises longitudinais e monitoramento temporal em novas edições de inquéritos.