Predição De Apendicite Complicada Por Modelos De Aprendizado De Máquina Utilizando Dados Hematológicos E Índices Inflamatórios: Estudo Observacional Retrospectivo
Year: 2026
Type: article
Study design: Observational Study
Abstract: A identificação precoce da apendicite complicada é um desafio clínico relevante para otimizar a tomada de decisão terapêutica e reduzir complicações. Este estudo teve como objetivo desenvolver e comparar modelos de aprendizado de máquina para sua predição utilizando dados obtidos na admissão hospitalar. Trata-se de estudo observacional retrospectivo com 245 pacientes submetidos à apendicectomia em hospital público de referência, entre janeiro e dezembro de 2023. Foram avaliados Random Forest, Support Vector Machine, Naive Bayes e Regressão Logística, utilizando dados demográficos, parâmetros hematológicos e índices inflamatórios derivados do hemograma (NLR, PLR e SII). O desempenho foi avaliado por AUC, acurácia, sensibilidade, precisão, escore F1 e MCC. Pacientes com apendicite complicada apresentaram maiores contagens de leucócitos, neutrófilos segmentados e bastonetes, além de NLR e SII significativamente superiores (p<0,05). O Random Forest apresentou o melhor desempenho, com AUC de 0,997, acurácia, sensibilidade, precisão e F1 de 97,7%, e MCC de 0,953. Modelos baseados em dados disponíveis na admissão apresentam elevado potencial para predizer apendicite complicada, embora estudos prospectivos multicêntricos com validação externa sejam necessários antes de sua incorporação à prática clínica.
Authors: Marielle de Nazaré Gonçalves de Lima e Silva, Pedro Henrique Lima Brito, Maria Vitória Dias do Carmo, Letícia Adriane Medeiros da Silva, Marjorie de Nazaré Gonçalves de Lima e Silva, Ismael Duarte Lima, Patrícia Alencar Pinto, Rosemary Maria Pimentel Coutinho, Patrícia Danielle Lima de Lima, Elzelis Muller da Silva, Vitória Nazaré Costa Seixas, Wilker José Caminha dos Santos, Renilde Ribeiro Xavier, Janilton Cavalcante Aranha Júnior, Thiago Nicolau Magalhães de Souza Conte
Institution: Universidade do Estado do Pará
Language: Portuguese
Subfield: Emergency Medicine
Field: Medicine
Domain: Health Sciences
Open Access status: diamond
OpenAlex ID: W7204445174