Dados do Trabalho

Título

Incidência de Tuberculose em casos novos de pacientes com COVID-19 por gênero na pandemia: Uma análise em Campo Grande/MS (2020 – 2021) utilizando Machine Learning

Introdução

O Brasil tem alta incidência de Tuberculose (TB) nas Américas, com cerca de um terço dos casos. Em 2022, estimou-se 78 mil casos, aumento de 4,9% em relação a 2021. O rastreamento eficaz na pandemia possibilitou diagnóstico precoce, reduzindo a pressão no sistema de saúde.

Objetivo (s)

Descrever aspectos epidemiológicos da tuberculose de casos novos no munícipio de Campo Grande/MS nos pacientes com diagnóstico de COVID-19 com uso de Machine Learning, no período de 2020 a 2021.

Material e Métodos

Estudo observacional, retrospectivo e descritivo dos casos de tuberculose confirmados nos pacientes com COVID-19 no sistema OpenDataSUS com dados públicos e abertos, no período de 2020 a 2021, na cidade de Campo Grande/MS. Foram desenvolvidos modelos de predição que integram diversas características para estimar casos novos de tuberculose em pacientes com COVID-19. Para isso, empregou-se uma abordagem de Machine Learning, com base em registros de 15.526 indivíduos testados, dos quais 8.208 foram confirmados como casos positivos para COVID-19 por RT-PCR. Para isso, foi usado apenas cinco características binárias: sexo, idade (≥ 99 ≤ 18 anos), contato conhecido com um indivíduo infectado por tuberculose, presença de sete sintomas iniciais no período ≥ 30 dias e perda de peso nos últimos 30 dias. Este estudo teve a aprovação do Comitê de ética da UFMS (CAAE: 5 42969320.0.0000.0021).

Resultados e Conclusão

O estudo analisou retrospectivamente casos de tuberculose em pacientes com COVID-19 em Campo Grande/MS (2020-2021), com sete casos novos confirmados para tuberculose no período, o sexo feminino na população idosa (03 casos) foi revelado como um preditor de um resultado positivo pelo modelo. Para a predição foram desenvolvidos modelos de Machine Learning com base nos 8.208 casos positivos para COVID-19 confirmados por RT-PCR. O modelo alcançou alta precisão (auROC: 0,91, IC 95%: 0,893-0,905) na previsão da incidência de tuberculose em casos positivos de COVID-19. Três características foram essenciais na predição: ter contato conhecido com um indivíduo infectado com tuberculose, presença de sete sintomas iniciais no período ≥30 dias e perda de peso nos últimos 30 dias. Esses resultados destacam a utilidade do Machine Learning na identificação precoce de tuberculose em pacientes com COVID-19, contribuindo para a vigilância epidemiológica e o controle da doença.

Palavras Chave

Tuberculose. Incidência. Machine Learning. Casos novos.