Modelo de Estimativa de Risco de Incidência de Tuberculose em Municípios Brasileiros Mineração de Dados Cleiton Lima ([email protected]) Eric Ferreira ([email protected]) Rossini Bezerra ([email protected]) 1 Roteiro Motivação Introdução e Caracterização do Problema Objetivo Parametrização do Problema Dados Disponíveis Pré-processamento dos Dados Modelagem Resultados Conclusões Referências 2 1. Motivação A Tuberculose (TB) é um problema de saúde tão grave hoje quanto no início do século passado. Suas taxas de incidência permaneceram altas nas duas últimas décadas Estima-se a existência de mais de 42 milhões de infectados no Brasil 112.000 óbitos no período 3 2. Introdução e Caracterização do Problema (Mundo) 4 3. Introdução e Caracterização do Problema (Mercado) A Tuberculose é uma doença que estar diretamente relacionada com fator sócio-econômico. A prevenção, tratamento e erradicação da Tuberculose não tem sido alvo das grandes Transnacionais da Área de Saúde 5 4. Introdução e Caracterização do Problema (Brasil) 6 5. Introdução e Caracterização do Problema (PNCT) Diante do cenário atual de Tuberculose, o Ministério da Saúde elaborou o Plano Nacional de Controle da Tuberculose (PNCT). As principais metas são: Integrar ações de controle em 100% do território brasileiro Diagnosticar (até 2001) 90% dos casos de Tuberculose Curar 85% dos casos já diagnosticados Reduzir (até 2007) a Incidência de Tuberculose em no mínimo 50%. Reduzir (até 2007) em 66%, a Taxa de Mortalidade 7 6. Introdução e Caracterização do Problema (PNCT) Não existem, na atualidade, Mecanismos de Monitoramento das Ações e de Verificação da Eficácia das Metas aos Determinantes do Problema. O Problema do Controle de Tuberculose no Brasil demanda Ações de Pesquisa, Monitoramento e Controle Coordenados. 8 7. Objetivo do Trabalho Integrar Ação de Pesquisa de Tuberculose (Instituto Ageu Magalhães - Prof Wayner Souza) com Pesquisadores do Grupo de Inteligência Computacional (CIN-UFPE) Parametrizar o Problema da Tuberculose Propor um Modelo para Estimar o Risco de Epidemia da Tuberculose em Áreas Urbanas (Municípios) no Brasil 9 8. Objetivo do Trabalho Extração de Regras para Avaliação das Variáveis de Impacto no Risco da Tuberculose Estudo inicial de uma Ferramenta de Suporte às Instituições e Gestores de Saúde na Investigação e Controle de Tuberculose 10 9. Parametrização do Problema Na Parametrização dos Fatores de Risco de Epidemia da Tuberculose, selecionaram-se como determinantes: Fatores Populacionais e Sócio-econômicos e Fatores de Saúde Os Dados foram selecionados para os 5.564 Municípios Brasileiros. Vetor de 42 Características ou Variáveis (inicial) 11 10. Dados Disponíveis – Descrição e Fontes Dados Populacionais e Sócio-econômicos: Extraídos do Censo Demográfico do ano de 2000 do IBGE, compreendendo População e caracterização Sócio-econômica. Para períodos superiores utilizou-se Método de Projeção do próprio IBGE. Dados de Saúde: Os dados da Tuberculose, BCG (Vacinas) e Desnutrição foram extraídos no Sistema de Informações sobre Agravos de Notificação - SINAN, para o cálculo dos coeficientes anuais de (detecção de casos)/(setor censitário), entre 2000 a 2006. 12 10. Dados Disponíveis – Descrição e Fontes A Ferramenta TabWin: Foi utilizada para concatenar as duas bases de dados em uma única base Após concatenar as duas bases de dados do DATASUS e IBGE foi criado uma única base de dados A ferramenta TabWin é disponibilizada no próprio site do DATASUS); No formato de planilha eletrônica( Excel) A massa de dados é correspondente aos anos de 20012006 13 11. Dados Disponíveis - Descrição VARIÁVEL Casos confirmados Casos confirmados Casos confirmados Casos confirmados Casos confirmados Casos confirmados BCG -2001 BCG -2002 BCG -2003 BCG -2004 BCG -2005 BCG -2006 TIPO de de de de de de Tuberculose Tuberculose Tuberculose Tuberculose Tuberculose Tuberculose – – – – – – 2001 2002 Casos confirmados em um município no 2003 Contínua período especificado. 2004 2005 2006 Abastecimento de Agua - 2000 População Residente População Residente População Residente População Residente População Residente PIB – 2000 PIB Per Capita -2000 PIB – 2001 PIB Per Capita -2001 PIB – 2002 PIB Per Capita -2002 – – – – – 2001 2003 2004 2005 2006 por por por por por Município Município Município Município Município Coleta de lixo - 2000 (Desnutrição) (Desnutrição) (Desnutrição) (Desnutrição) (Desnutrição) FONTE DATASUS Contínua Vacina contra a tuberculose (Bacilo de Calmette & Guérin).Dose única. DATASUS Contínua Número de indivíduos com algum tipo de abastecimento de água. IBGE População residente no município. Contínua Dados projetados a partir do último censo(2000) pelo IBGE. IBGE O Produto Interno Bruto (PIB) representa Contínua a soma (em valores monetários) de todos IBGE os bens e serviços finais produzidos, neste caso, em um município. Instalações sanitárias - 2000 Óbitos Óbitos Óbitos Óbitos Óbitos DESCRIÇÃO – – – – – 2001 2002 2003 2004 2005 Contínua Número de indivíduos com instalações sanitárias de qualquer tipo. IBGE Contínua Número de óbitos no município por desnutrição DATASUS Contínua Número de indivíduos com qualquer tipo de coleta de lixo. IBGE 14 12. Pré-Processamento dos Dados (Novo Conjunto de Variáveis) Normalização das variáveis numéricas: Para as variáveis numéricas, a normalização foi realizada tendo como referência a variável População, ou seja: = (Variável / População) Por Exemplo, utilizando a variável BCG2001, o valor normalizado desta variável irá informar a porcentagem da população da cidade que foram vacinadas (BCG) no ano de 2001. 15 12. Pré-Processamento dos Dados (Novo Conjunto de Variáveis) Definição da variável Alvo A = Média de Casos confirmados de Tuberculose nos anos 2004,2005 e 2006. B = Média da População nos anos de 2004, 2005 e 2006 Índice-Real nos anos de 2004, 2005 e 2006 (A/B) Índice Brasileiro – Índice do PNCT: meta de redução de 50% da média nacional: (25 casos)/ (100.000 habitantes). Alvo ou Classe (Binária): 1 (S) : Se Índice Município > Índice do PNCT 0 (N): Se Índice Município <= Índice do PNCT 16 13. Modelagem – Classificador Bayesiano Para o Problema proposto de Estimar o Risco de Epidemia da Tuberculose nos Municípios Brasileiros propomos um Classificador Binário baseado em Redes Bayesianas. Como Ferramenta de Simulação utilizamos o Weka para obtenção da Melhor Configuração para Rede Bayesiana. Critério de Desempenho da Rede: Poder de Generalização ou Menor Erro na Fase de Teste. 17 13. Dados Disponíveis – Variáveis selecionadas para modelo da rede 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Municipio, TamanhoMunicipio, PIB-00, PIB-01, PIB-02, pib_pcap-00, pib_pcap-01, pib_pcap-02, InstalSanitarias- 2000, Óbitos2001, Óbitos2002, Óbitos2003, Óbitos2004, Óbitos2005, Lixo, BCG2001, BCG2002, BCG2003, BCG2004, BCG2005, BCG2006, AbastAgua, Alvo 18 14. Modelagem - Classificador Estratégia de Treinamento: Estratificado Normalização dos Parâmetros: Treinamento (50%), Validação (25%) e Testes (25%). Realizada pelo Weka e Normalização variáveis numéricas (citada anteriormente) das Avaliação de Desempenho do Classificador: Curvas ROC e KS. 19 15. Modelagem – Extração de Regras Foram realizados dezenas de Experimentos para Extração do Conhecimento do Domínio do Problema Para Extração de Regras Foi utilizada a ferramenta Weka Algoritmo PART Configuração padrão 20 16. Resultados - Classificador Foram realizados dezenas de experimentos utilizando a ferramenta Weka para encontrar: O Melhor classificador Os parâmetros ótimos do classificador Conjunto de regras Entre as dezenas de configurações, a rede neural que obteve a maior taxa de acerto (66%) foi: BayesNet Estimador: SimpleEstimator – A 0.5 SearchAlgoritm: K2 – P 1-s Bayes 21 16. Resultados – Curva ROC 22 16. Resultados – Distribuição das Classes - BayesNet Score Distribuição das Classes - BayesNet 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Alto Risco Baixo Risco 1 151 301 451 601 751 901 1051 1201 1351 Municípios 23 16. Resultados – Classificador Curva KS (Pr(Alta - Baixa)) KS (0.34) Probabilidade 1 0,8 percAlta 0,6 PercBaixa 0,4 DifPercBaixAlta 0,2 0 1 151 301 451 601 751 901 1051 1201 1351 População 24 16. Resultados - Classificador Total de Instâncias: 1391 Instâncias Classificadas Corretamente : S=Alto Risco com 690 Municípios N=Baixo Risco com 701municípios) 918 – 66.00% S = 456 (32,78%) N = 462 (33,22%) Instâncias Classificadas Incorretamente : 473 – 34.00% S = 239 (17,18%) N = 234 (16,82%) 25 16. Resultados - Classificador Matriz Confusão: S N Classificador/Alvo 456 234 S 239 462 N 26 16. Resultados - Regras Modelo do Classificador do conjunto de treinamento Lista de Decisão PART Número de regras obtidas: 25 regras condicionais, do tipo: Se Condicão i and Condição j ... Então Alvo := (S/N) 27 16. Resultados – Regras (exemplo) Regra 1 SE BCG2006 > 0.020375 AND Óbitos2004 > 0.000016 AND Óbitos2003 > 0.000276 AND Óbitos2004 > 0.000135 Então S (20.0) Apesar de 2% da população está vacinada, se os óbitos por desnutrição excederem 0,02% da mesma, temos alto risco de incidência de tuberculose. 28 16. Resultados – Regras (exemplo) SE Regra 2 BCG2006 <= 0.02258 AND Óbitos2003 <= 0.000297 AND Óbitos2005 <= 0.000238 AND InstalSanitarias-2000 > 0.874822 AND BCG2006 <= 0.017122 Então N (742.0/231.0) Se menos de 2% da população foi vacinada, mas os óbitos por desnutrição no período não excedem 0,02% e 87,4% possuir algum tipo de instalação sanitária, temos baixo risco de incidência de tuberculose 29 16. Resultados – Regras (exemplo) Regra 3 SE TamanhoMunicipio <= 6771 AND Óbitos2003 <= 0.000074 AND Óbitos2002 <= 0.000074 Então N (737.0/318.0) Para municípios com menos de 6771 habitantes e óbitos por desnutrição menor que 0,0074% da população, temos baixo risco de tuberculose. 30 16. Resultados – Regras (exemplo) Regra 4 SE Óbitos2004 > 0.000268 AND Óbitos2003 <= 0.00038 AND BCG2006 > 0.018103 Então N (9.0) Se a quantidade de óbitos por desnutrição em um município excede 0,026% da população em 2004 e for menor que 0,0038% em 2003 e ter mais de 1,8% da população vacinada, temos baixa probabilidade de incidência de tuberculose. 31 17. Conclusões Utilizando a Metodologia de Mineração de Dados em conjunto com Conhecimento do Negócio foi possível obter uma Ferramenta de Suporte a Decisão no Diagnóstico de TB em Municípios. Utilização de Extração de Conhecimento usando Regras permitiu interpretar o Impacto das Variáveis no Risco de TB. Constatamos através da Extração das Regras, que as Variáveis Sócio-econômicas estão diretamente relacionadas ao Risco de TB. 32 18. Referências Referências Bibliográficas [1] Ministério da Saúde. Guia para tratamento da tuberculose para o Programa de Saúde da Família. Brasília (DF); 2002. [2] Ximenes RA de A , Martelli CMT, Souza W V de, Lapa TM, Albuquerque M de FM de, Andrade ALSS de et al. Vigilância de doenças endêmicas em áreas urbanas: a interface entre mapas digitais censitários e indicadores epidemiológicos. Cad Saúde Pública 1999;15:53-61. [3] Instituto Brasileiro de Geografia e Estatística [IBGE]. Censos demográficos. Disponível em: <URL:http:// www.ibge.gov.br/ censos> [4] Ministério da Saúde. Sistema de Informações sobre Mortalidade. Disponível em: <URL: http://www.datasus.gov.br> [5] Ximenes RA de A , Martelli CMT, Souza W V de, Lapa TM, Albuquerque M de FM de, Andrade ALSS de et al. Tuberculosis in Brazil: construction of a territorially based surveillance system Rev Saúde Pública 2005;39(1):82-9 [6] S. Haykin, “Neural Networks a Compreensive Foundation”, 2end ed, Tom Robbins, Ed. USA, New Jersey: Prentice-Hall, Inc, 1999. 33