RESUMO
Introduction: the Coronavirus Disease 2019 (COVID-19) is a viral disease which has been declared a pandemic by the WHO. Diagnostic tests are expensive and are not always available. Researches using machine learning (ML) approach for diagnosing SARS-CoV-2 infection have been proposed in the literature to reduce cost and allow better control of the pandemic. Objective: we aim to develop a machine learning model to predict if a patient has COVID-19 with epidemiological data and clinical features. Methods: we used six ML algorithms for COVID-19 screening through diagnostic prediction and did an interpretative analysis using SHAP models and feature importances. Results: our best model was XGBoost (XGB) which obtained an area under the ROC curve of 0.752, a sensitivity of 90%, a specificity of 40%, a positive predictive value (PPV) of 42.16%, and a negative predictive value (NPV) of 91.0%. The best predictors were fever, cough, history of international travel less than 14 days ago, male gender, and nasal congestion, respectively. Conclusion: we conclude that ML is an important tool for screening with high sensitivity, compared to rapid tests, and can be used to empower clinical precision in COVID-19, a disease in which symptoms are very unspecific.
Introdução: a Doença do Coronavírus 2019 (COVID-19) é uma doença viral que foi declarada uma pandemia pela OMS. Testes diagnósticos são caros e nem sempre estão disponíveis. Pesquisas utilizando a abordagem de aprendizado de máquina (ML) para o diagnóstico de infecção por SARS-CoV-2 têm sido propostas na literatura para reduzir custos e permitir melhor controle da pandemia.Objetivo: nosso objetivo é desenvolver um modelo de aprendizado de máquina para prever se um paciente tem COVID-19 com dados epidemiológicos e características clínicas.Método: usamos seis algoritmos de ML para triagem de COVID-19 por meio de predição diagnóstica e fizemos uma análise interpretativa usando modelos SHAP e importâncias de recursos.Resultados: nosso melhor modelo foi o XGBoost (XGB) que obteve área sob a curva ROC de 0,752, sensibilidade de 90%, especificidade de 40%, valor preditivo positivo (VPP) de 42,16% e valor preditivo negativo ( VPL) de 91,0%. Os melhores preditores foram febre, tosse, história de viagem internacional há menos de 14 dias, sexo masculino e congestão nasal, respectivamente.Conclusão: Concluímos que o ML é uma importante ferramenta de triagem com alta sensibilidade, em comparação aos testes rápidos, e pode ser usado para potencializar a precisão clínica na COVID-19, doença em que os sintomas são muito inespecíficos.
RESUMO
BACKGROUNG: The maternal perception of the nutritional status of their children has several important social factors in its composition and it can be important in determine quality of children's foodOBJECTIVE: To assess social factors influencing maternal perception of her children´s nutritional statusMETHODS: Cross sectional study with school children from 6 to 10 years from a public school in São Paulo, Brazil. The data was obtained through a structured questionnaire applied to mothers and through children's body mass index. Associations between variables were analyzed by the Qui-square test and by the adjusted residues analysis, with 5% of significance. The agreement between maternal perception and nutritional status was assessed through the Kappa testRESULTS: We found incorrect perception in 45.8% of cases, from which 98.2% were underestimation, with 80% of underestimation for overweight children. We found poor and slight agreement for all cases. Adjusted residuals pointed eutrophic underestimation; better maternal perception for the obese; better perception for mothers that attained middle and high school levels; underestimation for eutrophic boys and correct perception for eutrophic girls. Single mothers and those who do not work outside tended to underestimate their eutrophic childrenCONCLUSION: We found poor agreement for almost all cases, with exception to mothers of girls and those that do not work outside. A correct perception was related positively with lower education levels, being worse for mothers without a partner and for those who do not work outside. Mothers of girls, compared to mothers of boys, had a more accurate perception
INTRODUÇÃO: A percepção materna do estado nutricional de seus filhos apresenta diversos fatores sociais importantes em sua composição e ela pode ser um importante na determinação da qualidade de alimentação das criançasOBJETIVO: Avaliar os fatores sociais que influenciam a percepção materna sobre o estado nutricional de seus filhosMÉTODO: Estudo transversal com escolares de 6 a 10 anos de uma escola pública de São Paulo, Brasil. Os dados foram obtidos por meio de um questionário estruturado aplicado às mães e a partir de antropometria das crianças. As associações entre as variáveis foram analisadas pelo teste do Qui-quadrado e pela análise dos resíduos ajustados, com 5% de significância. A concordância entre a percepção materna e o estado nutricional foi avaliada por meio do teste KappaRESULTADOS: Encontramos percepção incorreta em 45,8% dos casos, dos quais 98,2% foram de subestimação, com 80% de subestimação para crianças com sobrepeso. Encontramos concordância pobre e leve para todos os casos. Os resíduos ajustados apontaram para subestimação eutrófica; melhor percepção materna para o obeso; melhor percepção para mães que atingiram o ensino fundamental e médio; subestimação para meninos eutróficos e percepção correta para meninas eutróficas. As mães solteiras e as que não trabalham fora tendem a subestimar seus filhos eutróficosCONCLUSÃO: Encontramos baixa concordância para quase todos os casos, com exceção das mães de meninas e das que não trabalham fora. A percepção correta relacionou-se positivamente com a menor escolaridade, sendo pior para as mães sem companheiro e que não trabalham fora. As mães de meninas, em comparação com as mães de meninos, tiveram uma percepção mais precisa