REDE BAYESIANA: UM MÉTODO PROBABILÍSTICO PARA ESTUDO DO DIAGNÓSTICO DIFERENCIAL DE DENGUE, ZIKA E CHIKUNGUNYA

Autores

  • Amanda Dalla'cort Chaves Universidade Feevale
  • Danielle Naiyumi Furusho Universidade Feevale
  • Daniela Fernanda Pigozzo Universidade Feevale
  • João Miguel Menezes Dutra Universidade Feevale
  • Lucas Gazzani Araújo Silva Universidade Feevale
  • Cláudio Felipe Kolling da Rocha Universidade Feevale

Resumo

Dengue, Zika e Chikungunya são flavivírus transmitidos pelo mosquito vetor Aedes aegypti. Apesar de possuírem a mesma sintomatologia, a intensidade destes varia conforme a doença. Além disso, a confirmação diagnóstica pode ser feita a partir de exames sorológicos ou RT-PCR, que buscam, respectivamente, encontrar anticorpos e RNA viral. A proliferação dessas doenças pelo país trouxe um verdadeiro desafio quanto a métodos de diagnóstico e tratamentos. Além de tudo, as graves complicações da infecção por esses vírus configuram um grave problema de saúde pública. Por isso, há necessidade de repassar o conhecimento sobre o diagnóstico diferencial de Dengue, Zika e Chikungunya para alunos, profissionais da área da saúde e população. Uma forma de formalizar este conhecimento é através da criação de redes bayesianas (RB), as quais podem auxiliar no diagnóstico diferencial de enfermidades. Uma RB é representada por grafos acíclicos que representam em seus nodos as variáveis que compõem os sinais e sintomas, o diagnóstico e a conduta. Cada nodo recebe a probabilidade da variável ocorrer e a soma das probabilidades conduz ao diagnóstico adequado. Esse tipo de método probabilístico é utilizado quando o conhecimento em questão é incerto, podendo levar a múltiplos desfechos. Este trabalho visa relatar a experiência de desenvolvimento de uma RB para aprendizado de diagnóstico diferencial de Dengue, Zika e Chikungunya, unindo computação e saúde. Para a formação da RB, foi utilizado o software Bayes Editor, no qual foram inseridas as variáveis importantes para o diagnóstico dessas doenças. Os nodos foram divididos entre sinais e sintomas e exames laboratoriais, sendo que, a combinação entre eles gera um valor probabilístico que indica a doença correspondente. As informações presentes na rede foram encontradas nos seguintes documentos do Ministério da Saúde: Dengue: diagnóstico e manejo clínico: adulto e criança (2013), Febre de Chikungunya: manejo clínico (2015), Protocolo de vigilância e resposta à ocorrência de microcefalia e/ou alterações do Sistema Nervoso Central (2016) e Zika: abordagem clínica na atenção básica (2016). Até o presente momento, a constituição organizacional da RB foi completamente desenvolvida e as probabilidades estão em processo de inserção.  Durante a realização deste trabalho, verificou-se que as RB podem ser utilizadas como ferramentas de conhecimento, auxiliando estudantes e profissionais da área da saúde a correlacionar variáveis probabilísticas de sintomas e exames necessários e a conduzir casos clínicos complexos, como os que envolvem o diagnóstico diferencial de Dengue, Zika e Chikungunya. Ainda, podem ser utilizadas para alimentar simuladores de casos clínicos que permitem que o aluno vivencie situações práticas sem envolver riscos ao paciente. Este método pode auxiliar no raciocínio crítico e na conduta profissional relacionada a essas doenças, que são graves problemas de saúde pública.

Biografia do Autor

  • Amanda Dalla'cort Chaves, Universidade Feevale
    Bacharel em Biomedicina pela Universidade Feevale
  • Danielle Naiyumi Furusho, Universidade Feevale
    Acadêmico de Biomedicina da Universidade Feevale
  • Daniela Fernanda Pigozzo, Universidade Feevale
    Acadêmico de Biomedicina da Universidade Feevale
  • João Miguel Menezes Dutra, Universidade Feevale
    Acadêmico de Biomedicina da Universidade Feevale
  • Lucas Gazzani Araújo Silva, Universidade Feevale
    Acadêmico de Biomedicina da Universidade Feevale
  • Cláudio Felipe Kolling da Rocha, Universidade Feevale
    Doutor em Fisiologia e professor da Universidade Feevale

Downloads

Publicado

20-02-2018

Edição

Seção

Educação e Formação em Saúde