Banca de QUALIFICAÇÃO: FRANCISCA DAS CHAGAS SHEYLA ALMEIDA GOMES BRAGA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FRANCISCA DAS CHAGAS SHEYLA ALMEIDA GOMES BRAGA
DATA: 25/06/2026
HORA: 09:00
LOCAL: Sala PPGEnf
TÍTULO: DESENVOLVIMENTO E VALIDAÇÃO INTERNA DE ALGORITMO PREDITIVO BASEADO EM APRENDIZADO DE MÁQUINA PARA RISCO DE LESÃO POR PRESSÃO EM TERAPIA INTENSIVA
PALAVRAS-CHAVES: Lesão por pressão; Aprendizado de máquina; Unidades de terapia intensiva; Segurança do paciente; Enfermagem; Estomaterapia
PÁGINAS: 72
GRANDE ÁREA: Ciências da Saúde
ÁREA: Enfermagem
RESUMO:

INTRODUÇÃO: As lesões por pressão representam o segundo evento adverso mais notificado nos serviços de saúde brasileiros e configuram grave problema de segurança do paciente, com incidência particularmente elevada em Unidades de Terapia Intensiva. Instrumentos tradicionais de avaliação de risco, como a Escala de Braden, apresentam limitações subjetivas em pacientes críticos, tornando necessário o desenvolvimento de ferramentas preditivas mais precisas e objetivas. O aprendizado de máquina surge como abordagem promissora, capaz de integrar biomarcadores laboratoriais, sinais vitais e variáveis clínicas de gravidade para a predição precoce do risco de LP. OBJETIVO: Desenvolver e validar internamente um algoritmo preditivo baseado em aprendizado de máquina para a predição do risco de lesão por pressão em pacientes adultos hospitalizados em Unidade de Terapia Intensiva adulto. MÉTODO: Estudo metodológico, quantitativo, descritivo-preditivo e retrospectivo, a ser desenvolvido com dados dos pacientes internados na Unidade de Terapia Intensiva adulta de Hospital Universitário. Os dados clínicos retrospectivos abrangerão o período de janeiro de 2019 a dezembro de 2025, com recorte temporal em conjunto de treinamento, aprendizado de janeiro de 2019 a dezembro de 2023, aproximadamente 75% da amostra e conjunto de teste de 2024 a 2025, aproximadamente 25% da amostra. As variáveis preditoras incluem dados sociodemográficos, variáveis clínicas de gravidade, sinais vitais e biomarcadores laboratoriais extraídos do Aplicativo de Gestão para Hospitais Universitários e sistemas complementares, por meio de consultas estruturadas em linguagem SQL. O desfecho primário é aocorrência de lesão por pressão adquirida na Unidade de Terapia intensiva, codificado de forma binária, identificado por estratégia combinada de rastreamento e confirmação por revisão de prontuário. Serão desenvolvidos e comparados quatro algoritmos: regressão logística com regularização LASSO, Random Forest, XGBoost e rede neural artificial Multilayer Perceptron, implementado sem Python. O desempenho será avaliado por AUROC, sensibilidade, especificidade, Brier Score e calibração pelo teste de Hosmer-Lemeshow. A interpretabilidade será garantida por valores SHAP. A comparação com a Escala de Braden utilizará o teste de DeLong, Net Reclassification Improvement e Integrated Discrimination Improvement. O estudo seguirá as diretrizes TRIPOD+AI e PROBAST e será submetido ao Comitê de Ética em Pesquisa do Hospital Universitário da Universidade Federal do Piauí, O consentimento adotará fluxo sequencial: TCLE como primeira opção; na impossibilidade de contato, Termo de Compromisso de Utilização de Dados (TCUD), em conformidade com as Resoluções CNS n.º 466/2012 e 510/2016. RESULTADOS ESPERADOS: Espera-se obter um algoritmo preditivo validado internamente, com AUROC ≥ 0,75, capaz de identificar precocemente pacientes em risco de lesão por pressão na terapia intensiva com desempenho discriminativo superior à Escala de Braden. O algoritmo será documentado com Código reprodutível e protocolo de análise pré-registrado no Open Science Framework (OSF). CONCLUSÃO: O desenvolvimento de um algoritmo preditivo baseado em aprendizado de máquina, adaptado à realidade do Sistema Único de Saúde, poderá subsidiar decisões clínicas da enfermagem, contribuir para a redução da incidência de lesões por pressão nas Unidades de terapia Intensiva e representar avanço científico e tecnológico para a área da segurança do paciente.

 

MEMBROS DA BANCA:
Interno - 3584252 - CLAUDIA DANIELLA AVELINO VASCONCELOS BENICIO
Interno - 1792859 - ELAINE MARIA LEITE RANGEL ANDRADE
Externo ao Programa - 034.***.***-94 - EUGENIO BARBOSA DE MELO JUNIOR - UFPI
Presidente - 1350197 - FERNANDA VALERIA SILVA DANTAS AVELINO
Interno - 1842466 - FRANCISCO GILBERTO FERNANDES PEREIRA
Externo à Instituição - 106.***.***-30 - PAULA CRISTINA NOGUEIRA - USP
Externo à Instituição - 529.***.***-72 - SANDRA MARINA GONÇALVES BEZERRA - UESPI