Predição do Status de Performance Paliativa PPS com Machine Learning em Pacientes em Cuidados Paliativos que Utilizaram Hipodermóclise

Resumo

Os cuidados paliativos têm como objetivo proporcionar maior qualidade de vida, além de prevenir e aliviar o sofrimento multidimensional de pacientes com doenças ameaçadoras à vida, sendo de grande relevância para pacientes oncológicos. Nesse contexto, destaca-se a necessidade de aperfeiçoar técnicas que minimizem impactos negativos, como dor e outros desconfortos, sendo fundamental disseminar conhecimentos sobre o uso e os benefícios da hipodermóclise. Além disso, o estudo explora uma dimensão inovadora ao abordar a aplicação de Machine Learning na Saúde Pública, demonstrando sua viabilidade como ferramenta preditiva no contexto dos cuidados paliativos. Este trabalho teve como objetivo analisar a utilização da hipodermóclise em pacientes internados na Unidade de Cuidados Paliativos Oncológicos do Hospital de Apoio de Brasília – HAB/SES-DF, relacionar dados sociodemográficos e patológicos e, sobretudo, avaliar a eficácia de algoritmos de Machine Learning na predição da Escala de Performance Paliativa (PPS) e na análise de sua degradação em função de variáveis sociodemográficas e da evolução clínica registrada em prontuários.

O estudo também reforça o potencial do Machine Learning na Saúde Pública, especialmente ao demonstrar a capacidade desses algoritmos em prever a evolução clínica de pacientes oncológicos, como evidenciado pela predição da PPS e sua degradação ao longo do tempo. Os resultados destacam a aplicabilidade de técnicas de aprendizado de máquina como uma abordagem promissora para melhorar a gestão de cuidados paliativos, permitindo uma tomada de decisão mais precisa e eficiente, além de contribuir para o planejamento de intervenções personalizadas que atendam às necessidades específicas de cada paciente.