DisstertacaoFinalVictorHolanda.pdf
Documento PDF (5.0MB)

Exibir conteúdo Baixar

                    Dissertação para Mestrado

Proposta e Avaliação de um Modelo para Predição
da Morbidade e Mortalidade em Pacientes
Diagnosticados com Taquicardia Ventricular

Victor Gabriel Lima Holanda
vglh@ic.ufal.br

Orientadores:
Dr. Rafael de Amorim Silva
Dr. Bruno Almeida Pimentel

Maceió
29 de Agosto, 2022

Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecária: Taciana Sousa dos Santos – CRB-4 – 2062
H722p

Holanda, Victor Gabriel Lima.
Proposta e avaliação de um modelo para predição da morbidade e
mortalidade em pacientes diagnosticados com taquicardia ventricular / Victor
Gabriel Lima Holanda. – 2022.
115 f. : il. color.
Orientador: Rafael de Amorim Silva.
Coorientador: Bruno Almeida Pimentel.
Dissertação (Mestrado em Informática) – Universidade Federal de
Alagoas. Instituto de Computação. Maceió, 2022.
Bibliografia: f. 95-104.
Apêndice: f. 105-115.
1. Morbidade e mortalidade – Prognóstico 2. Taquicardia ventricular. 3.
Informática em saúde. I. Título.
CDU: 004: 616.12-008.311

Victor Gabriel Lima Holanda

Proposta e Avaliação de um Modelo para Predição
da Morbidade e Mortalidade em Pacientes
Diagnosticados com Taquicardia Ventricular

Dissertação apresentada como requisito parcial para
obtenção do grau de Mestre em Informática pelo Instituto de Computação da Universidade Federal de
Alagoas.

Orientadores:

Dr. Rafael de Amorim Silva
Dr. Bruno Almeida Pimentel

Maceió
29 de Agosto, 2022

Agradecimentos

Aos meus pais Mônica e Junior por todo incentivo e suporte em minha educação.
À todos meus familiares que de alguma forma demonstraram apoio, em especial minha avó
Maria, por todo incentivo dado tanto na escolha pelo caminho do mestrado, quanto na superação
dos desafios encontrados ao decorrer desta etapa.
À meu sobrinho e afilhado Miguel por ser mais uma grande motivação em minha vida.
Aos meus amigos de quatro patas: Nick (in memoriam), Mel, Ayra e Dom, por tornarem os
dias mais leves.
Aos colegas do Centro de Pesquisa em Tecnologia Emergente, Maxwell Acioli, Arthur
Moreno, Marcos Bento e Fabiano Conrado, que compartilharam de seu tempo e conhecimento
durante as reuniões realizadas no decorrer deste mestrado.
Às médicas Adriana Fattori e Gabriella Duarte que se disporam a contribuir para os avanços
desta pesquisa.
Ao meu orientador Prof. Dr. Rafael de Amorim Silva e co-orientador Prof. Dr. Bruno de
Almeida Pimentel, pelo suporte, disponibilidade e orientações, sempre mostrando os melhores
caminhos a serem percorridos, e os pontos que deveriam ser levados em consideração para
cada tomada de decisão durante todo este período.
Aos professores Drs. Almir Pereira Guimarães e Diego Demerval Medeiros da Cunha Matos,
pela presença na banca de defesa.
À todos os professores do Programa de Pós Graduação em Informática pelos ensinamentos
ao longo destes 2 anos.

Resumo
Segundo a Organização Mundial da Saúde, as doenças cardiovasculares são a maior causa de
morte no mundo. Milhares de pessoas vêm a óbito todos os anos em decorrência das complicações ocasionadas por este tipo de doença. Neste sentido, médicos cardiologistas buscam o
diagnóstico precoce, evitando que a doença alcance a fase patológica (i.e. os estágios onde as
limitações surgem e se tornam cada vez maiores para os seus portadores). No contexto das
arritmias do tipo taquicardia, os pacientes precisam adotar o uso contínuo de medicamentos e
a mudança de hábitos para reduzir o impacto causado por este tipo de doença, provendo assim
uma vida mais saudável. Sendo assim, este trabalho propõe e avalia um modelo de prognóstico de morbidade e mortalidade para pacientes diagnósticados com taquicardia ventricular. O
modelo proposto considera o cenário onde o paciente diagnósticado com taquicardia ventricular
irá desenvolver o quadro de insuficiéncia cardíaca (IC) e fibrilaçao ventricular (FV). Neste cenário, utilizamos o score CHA2 DS2 -VASc para predição do risco de AVC, AIT e Embolia Sistêmica
para o cenário de FV. Além de uma combinação do CHA2 DS2 -VASc com o score gerado a partir
dos hábitos do paciente, para ser capaz de categorizar o paciente dentro das classes de NYHA,
que por sua vez gera um nível de morbidade e mortalidade para cada categoria. Foram utilizadas técnicas computacionais como o uso de Máquinas de Vetores Suporte (SVM),K vizinhos
mais próximos (KNN), Redes Neurais, Árvores Aleatórias e Naïve Bayes para validar o sistema.
O modelo alcançou seus melhores resultados pela validação com Máquinas de Vetores Suporte
(SVM), com acurácia de 0.997, F1, precision e recall de 0.976. A partir destas classificações
e predições, é possível prover ao cardiologista um maior nível de informações, otimizando as
tomadas de decisão, impactando no tratamento adotado, intervenções, e acompanhamento do
paciente.

Palavras-chave: Informática na Saúde, Taquicardia, Predição, Morbidade, Mortalidade.

Abstract
According to the World Health Organization, cardiovascular diseases are the leading cause of
death in the world. Thousands of people die every year due to complications caused by this
type of disease. In this sense, cardiologists seek early diagnosis, preventing the disease from
reaching the pathological phase (i.e. the stages where limitations arise and become increasingly greater for its bearers). In the context of tachycardia-type arrhythmias, patients need to
adopt the continuous use of medication and change habits to reduce the impact caused by this
type of disease, thus providing a healthier life. Therefore, this study proposes and evaluates
a morbidity and mortality prognostic model for patients diagnosed with ventricular tachycardia.
The proposed model considers the scenario where the patient diagnosed with ventricular tachycardia will develop heart failure (HF) and ventricular fibrillation (VF). In this scenario, we used
the CHA2 DS2 -VASc score to predict the risk of stroke, TIA and Systemic Embolism for the VF
scenario. In addition to a combination of the CHA2 DS2 -VASc with the score generated from the
patient’s habits, to be able to categorize the patient within NYHA classes, which in turn generates
a morbidity and mortality level for each category. Computational techniques such as the use of
SVM,KNN, Neural Networks, Random Trees and Naïve Bayes were used to validate the system.
The model achieved its best results by validation with Support Vector Machines (SVM), with an
accuracy of 0.997, F1, precision and recall of 0.976. From these classifications and predictions,
it is possible to provide the cardiologist with a higher level of information, optimizing decision
making, impacting on the adopted treatment, interventions, and patient follow-up.

Keywords: Health Informatics, Tachycardia, Prediction, Morbidity, Mortality.

Lista de Figuras
1.1 Maiores causas de morte no mundo . . . . . . . . . . . . . . . . . . . . . . . .
2.1 Revisão Sistemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Técnicas mais Recorrentes no Diagnóstico e Prognóstico da Cardiologia . . . .
2.3 Doenças mais Recorrentes no Diagnóstico e Prognóstico da Cardiologia . . . .
2.4 Dados mais Recorrentes no Diagnóstico e Prognóstico da Cardiologia . . . . . .
3.1 Camadas do Coração . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Válvulas do Coração . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Plano vertical (Condutores Frontais) do ECG . . . . . . . . . . . . . . . . . . .
3.4 Segmentos e Intervalos do ECG (PQRST) . . . . . . . . . . . . . . . . . . . .
3.5 Resultado do Eletrocardiograma (ECG) . . . . . . . . . . . . . . . . . . . . . .
3.6 Derivações Precordiais ou do Plano Horizontal . . . . . . . . . . . . . . . . . .
3.7 Derivações Periféricas ou das Extremidades . . . . . . . . . . . . . . . . . . .
3.8 Triângulo de Einthoven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.9 ECG Característico da Bradicardia Sinusal . . . . . . . . . . . . . . . . . . . .
3.10 Fluxograma de Abordagem da Bradicardia . . . . . . . . . . . . . . . . . . . .
3.11 ECG Característico da Taquicardia Sinusal . . . . . . . . . . . . . . . . . . . .
3.12 ECG Característico do Flutter Atrial . . . . . . . . . . . . . . . . . . . . . . . .
3.13 ECG Característico da Fibrilação Atrial (FA) . . . . . . . . . . . . . . . . . . . .
3.14 ECG Característico da TAVRN . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.15 ECG Característico da Taquicardia Ventricular . . . . . . . . . . . . . . . . . . .
3.16 ECG da Fibrilação Ventricular evoluindo para uma Parada Cardíaca . . . . . . .
3.17 Aprendizado Supervisionado - Modelo Preditivo . . . . . . . . . . . . . . . . . .
3.18 Exemplos de Aplicações dos Tipos de Aprendizagem . . . . . . . . . . . . . .
3.19 Aprendizagem por Reforço . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.20 Seleção de características - Categorias . . . . . . . . . . . . . . . . . . . . . .
3.21 Hiperplano - SVM - Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.22 Hiperplano - SVM - Suave . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.23 Hiperplano - SVM - Não Linear . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.24 Constituintes da célula neuronal . . . . . . . . . . . . . . . . . . . . . . . . . .
3.25 Esquema de Unidade McCullock - Pitts . . . . . . . . . . . . . . . . . . . . . .
3.26 Organização em Camadas - Rede Neural . . . . . . . . . . . . . . . . . . . . .
3.27 K Vizinhos Mais Próximos (KNN) . . . . . . . . . . . . . . . . . . . . . . . . .
3.28 Floresta Aleatória (Random Forest) . . . . . . . . . . . . . . . . . . . . . . . .
4.1 Fluxo de Etapas/Estágios do Modelo . . . . . . . . . . . . . . . . . . . . . . .
4.2 Fluxo de Prognóstico da Morbidade e Mortalidade Taquicardia Ventricular . . . .
5.1 Base de dados após remoção de elementos irrelevantes e aquisição da variável
estresse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2 Tratamento dos Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12
19
20
21
21
26
27
31
31
32
32
32
34
37
37
38
38
38
39
39
40
47
49
49
50
52
52
53
54
54
55
56
58
62
63
66
67

5.3 Base para Cálculo da Insuficiência Cardíaca . . . . . . . . . . . . . . . . . . .
5.4 Orange Data Mining: Seleção da Variável Alvo do Modelo . . . . . . . . . . . .
5.5 Orange Data Mining: Validação do Modelo . . . . . . . . . . . . . . . . . . . .
6.1 Distribuição Dados Originais Parte 1/2 . . . . . . . . . . . . . . . . . . . . . . .
6.2 Distribuição Dados Originais Parte 2/2 . . . . . . . . . . . . . . . . . . . . . . .
6.3 Distribuição Dados Processados e Classificados por Nyha Parte 1/3 . . . . . . .
6.4 Distribuição Dados Processados e Classificados por Nyha Parte 2/3 . . . . . . .
6.5 Distribuição Dados Processados e Classificados por Nyha Parte 3/3 . . . . . . .
6.6 Dataset Final 1/2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.7 Dataset Final 2/2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.8 AUC Categoria NYHA I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.9 AUC Categoria NYHA II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.10 AUC Categoria NYHA III . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.11 AUC Categoria NYHA IV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.12 AUC, CA, F1, Precision e Recall - Média das 4 Categorias NYHA . . . . . . . .
6.13 AUC, CA, F1, Precision e Recall das Categorias NYHA individualmente . . . . .
6.14 Matriz de Confusão Redes Neurais . . . . . . . . . . . . . . . . . . . . . . . .
6.15 Matriz de Confusão SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.16 Matriz de Confusão kNN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.17 Matriz de Confusão Florestas Aleatórias . . . . . . . . . . . . . . . . . . . . . .
6.18 Matriz de Confusão Naive Bayes . . . . . . . . . . . . . . . . . . . . . . . . . .

70
75
76
78
79
80
81
82
83
84
85
86
86
87
87
88
88
88
89
89
89

Lista de Tabelas
2.1
2.2
3.1
3.2
3.3
3.4
3.5

Questões de Pesquisa - Revisão Sistemática . . . . . . . . . . . . . . . . . . .
Desempenho dos estudos atuais no Diagnóstico das Arritmias . . . . . . . . . .
Indicadores e pontuações do CHA2DS2-VASc . . . . . . . . . . . . . . . . . .
Risco Anual de AVC Baseado no CHA2 DS2 -VASc . . . . . . . . . . . . . . . .
Risco Anual de AIT ou Embolia Sistemica Baseado no CHA2 DS2 -VASc . . . .
Classificação NYHA - Classes Funcionais . . . . . . . . . . . . . . . . . . . . .
Mortalidade a partir da Classificação NYHA . . . . . . . . . . . . . . . . . . . .

17
22
41
42
42
43
43

Sumário
Lista de Tabelas

vi

1

Introdução
1.1 Problemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Proposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11
11
13
14
14
15

2

Trabalhos Relacionados
16
2.1 Protocolo de Revisão Sistemática . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.1 Aprendizagem de Máquina para o Diagnóstico e Prognóstico na Cardiologia 16
2.2 Estudos Relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3

Background
3.1 Cardiologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Doenças Cardíacas . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.2 Eletrocardiograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Arritmias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.1 Ritmo Sinusal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.2 Ritmo Atrial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.3 Ritmo Ventricular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Fatores de Risco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4 CHA2 DS2 -VASc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5 Classificador NYHA (New York Heart Association) . . . . . . . . . . . . . . . .
3.6 Ciência de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6.1 Processo de Ciência de Dados - OSEMN . . . . . . . . . . . . . . . . .
3.6.2 Ténicas de Ciência de Dados . . . . . . . . . . . . . . . . . . . . . . .
3.6.3 Big Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.7 Aprendizagem de Máquina . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.7.1 Aprendizado Supervisionado . . . . . . . . . . . . . . . . . . . . . . . .
3.7.2 Aprendizado Não Supervisionado . . . . . . . . . . . . . . . . . . . . .
3.7.3 Aprendizado Por Reforço . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8 Algoritmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8.1 Ánalise dos Principais Componentes (PCA) . . . . . . . . . . . . . . . .
3.8.2 Máquinas de Vetores Suporte (SVM) . . . . . . . . . . . . . . . . . . . .
3.8.3 Redes Neurais (RN) . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8.4 K Vizinhos Mais Próximos (KNN) . . . . . . . . . . . . . . . . . . . . . .

24
24
27
30
35
36
38
39
40
40
42
43
45
45
46
46
47
47
48
48
48
51
53
56

3.8.5 Florestas Aleatória . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8.6 Naïve Bayes (NB) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57
58

4

Modelo Proposto
4.1 Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Definição do Experimento . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.2 Relevância da Proposta . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Descrição do Cenário Utilizado . . . . . . . . . . . . . . . . . . . . . . . . . .

59
59
59
60
61

5

Metodologia
5.0.1 Base de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.0.2 Ferramentas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.0.3 Tratamento dos Dados . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.0.4 Score CHA2 DS2 -VASc . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.0.5 Aplicação do Classificador NYHA . . . . . . . . . . . . . . . . . . . . .
5.0.6 Orange Data Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . .

64
64
65
66
71
72
74

6

Resultados
6.1 Distribuição dos Dados Originais . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2 Distribuição dos Dados Processados . . . . . . . . . . . . . . . . . . . . . . .
6.3 Base de Dados Gerada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.4 Validação do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

77
77
77
77
85

7

Discussão
7.1 Discussão dos Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.2 Ameaças a validade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.3 Benefícios Obtidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.4 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

90
90
91
91
92

8

Conclusão

93

Referências

95

A Código em Python

105

1
Introdução

A tecnologia vem ganhando cada vez mais espaço na área da saúde, sendo responsável por
importantes avanços na medicina, seus procedimentos e técnicas fornecem melhores resultados na identificação e prevenção de doenças e no desenvolvimento de tratamentos em casos
mais complexos, se tornando ferramenta essencial para esta área. Dentre os responsáveis por
isto, encontram-se grandes áreas da computação, como a Ciência dos Dados, a Inteligência
Artificial (IA) e suas subáreas, como a própria Machile Learning (ML). Estas que se mantêm
em constante processo de evolução entregando desempenhos cada vez mais satisfatórios em
suas aplicações. Isto deve-se ao fato de suas características convergirem com o cenário que
se desenvolve, não só na saúde, mas em todo ambiente que gera uma grande quantidade de
dados, que devem ser processados e analisados para se obter informações suficientes para as
melhores tomadas de decisões, trazendo melhores resultados em seus contextos.

1.1

Problemática

Segundo a Organização Mundial da Saúde (OMS), as doenças cardiovasculares são a principal
causa de morte no mundo com cerca de 17,9 milhões de óbitos por ano, representando 32% de
todas as mortes no mundo, como podemos observar na Figura 1.1 (Ritchie (2019),BBC). Mais
de 80% destas mortes são em decorrência de ataques cardíacos e derrames, e 13 delas ocorre
prematuramente em indivíduos com menos de 70 anos de idade. As doenças cardiovasculares
são um grupo de distúrbios do coração e dos vasos sanguíneos que incluem doenças coronárias, doenças cerebrovasculares, doenças cardíacas reumáticas, arritmias, dentre outras. O
exame mais utilizado para o diagnóstico deste tipo de doença é o Eletrocardiograma (ECG), um
exame básico e inicial para avaliar a saúde cardiovascular e apontar as anormalidades cardíacas. O ECG tem como finalidade avaliar a atividade elétrica do coração por meio de eletrodos
fixados na pele, sendo possível detectar o número de batimentos por minuto e ritmo do coração

11

Introdução

12

em tempo real. Este pode ser realizado em todas as fases da vida, fetal (realizado quando o
bebê está no útero), pediátrica (a partir do período recém-nascido até a adolescência) e adulta.

Figura 1.1: Maiores causas de morte no mundo
BBC
Uma vez que os sinais e sintomas avaliados forneçam indícios de alguma doença cardiovascular após realização do ECG, faz-se necessário a realizaçao de exames mais completos.
Podemos citar como alguns destes:

• Holter: Tipo de ECG coletado pelo período de 24, 48 ou 72 horas, com o auxílio de um
equipamento e dos registros das atividades feitas pelo paciente durante este intervalo;

• Teste ergométrico: Avaliação ampla do funcionamento cardiovascular, quando submetido
a esforço físico gradualmente crescente, em esteira rolante;

• Ecocardiograma: Diagnóstico da estrutura e do funcionamento do coração baseados no
uso de ultrassom, ou seja, as ondas acústicas com frequência de mais de 20 mil Hz,
geralmente em torno de 2 a 4 MegaHertz;

• Monitorização ambulatorial de pressão arterial - MAPA: Através do uso de uma braçadeira
ligado a um aparelho eletrônico durante 24h, registra a pressão arterial ao longo do dia.

• Cintilografia do Miocárdio: Feito de forma não invasiva através de modernas câmaras
gama, coleta imagens dos órgãos sem necessidade de grandes quantidades de radiação.

• Cateterismo: Técnica mais invasiva que pode ser realizado de forma eletiva, para confirmar a presença de obstruções das artérias coronárias ou avaliar o funcionamento das
valvas e do músculo cardíaco.

Introdução

13

• Outras informações ou exames relevantes: Histórico familiar, hemogramas, hábitos de
vida e alimentação saudável.
A análise da maioria dos exames supracitados tem alto grau de complexidade, o que por sua
vez traz a necessidade de mais ferramentas tecnológicas para aumentar a celeridade e acurácia
neste processo de análise e diagnóstico das doenças cardiovasculares. O mesmo ocorre com
as arritmias, uma vez que a análise do eletrocardiograma deve ser minuciosa, identificando em
cada ponto e segmentos os padrões que apontem que o paciente possa ter bradicardia, taquicardia ou fibrilação atrial. A tecnologia já tem amplo campo de estudo no que diz respeito à
diagnósticos, não só das doenças cardiovasculares, mas de muitas outras frentes da medicina.
Entretanto, o volume de estudos no campo do prognóstico é recente, sendo este menor quando
comparado ao diagnóstico. Em nosso contexto, o das arritmias, o prognóstico tem grande impacto em como o paciente irá conviver com a doença diagnosticada.
O Prognóstico em nosso contexto, taquicardia ventricular, é de suma importância para que
os pacientes avaliados, sejam eles diagnosticados ou não, recebam os tratamentos ideais a
partir de uma tomada de decisão médica auxiliada pelas informações fornecidas pelos sistemas
computacionais. Provendo desta maneira uma melhor qualidade de vida e longevidade por
parte dos pacientes, em nosso contexto, aqueles que sejam previamente diagnosticados com
taquicardia ventricular.

1.2

Proposta

Este trabalho tem como objetivo propor e avaliar um modelo para o prognóstico de pacientes diagnosticados com taquicardia. Prognóstico este que visa estimar a morbidade (como os
sintomas se apresentam no paciente, em outras palavras, as limitações ocasionadas pela taquicardia) e a mortalidade destes pacientes, afim de prover ao cardiologista o maior volume de
informações possível para auxiliar as tomadas de decisão acerca de que medidas adotar sobre aquele paciente. As medidas incluem, por exemplo, quais medicamentos serão receitados,
em quais dosagens, o nível de rigidez com os hábitos, dentre outras medidas. Outro objetivo
é a partir das informações adquiridas, expor ao paciente a importância de seguir o tratamento
corretamente, em contraste com os impactos decorrentes de uma negligência com aquele tipo
de enfermidade. Trazendo aos cardiologistas uma ferramenta que possa auxiliar no contexto de
tomadas de decisão dado o prognóstico obrido.
Para predição dos valores de morbidade e mortalidade o sistema leva em consideração o
score CHA2 DS2 -VASc(Joundi et al. (2016)), que se baseia em uma série de fatores relacionados a fibrilação, que é uma das consequências da taquicardia maligna sustentada (Taquicardia
Ventricular (TV), por exemplo), que será mais detalhado na Seção 3, bem como um maior detalhamento de como a taquicardia evolui para uma fibrilação. Além das variáveis cobertas pelo
CHA2 DS2 -VASc, foram considerados outros fatores de risco (Feitosa et al. (2002)) associados

Introdução

14

os hábitos do paciente e outros indicadores. Por fim, com o score gerado é feita uma classificação com a técnica New York Heart Association (NYHA)(Bredy et al. (2018), Bennett et al.
(2002)), onde cada uma das 4 categorias indica como os sintomas se apresentam, e a taxa de
mortalidade associada a ela.

1.3

Objetivo Geral

O objetivo geral deste trabalho é propor e avaliar um modelo de predição da morbidade e mortalidade em pacientes diagnosticados com taquicardia. Sendo capaz de determinar em que nível
os sintomas da taquicardia iram atingir o paciente, e estimar a taxa de mortalidade, levando
em consideração scores definidos na literatura, como o caso do CHA2 DS2 -VASc(Joundi et al.
(2016)), fatores de risco associados aos hábitos (Feitosa et al. (2002)), e o classificador NYHA
(Bredy et al. (2018), Bennett et al. (2002)).

1.4

Objetivos Específicos

Com o objetivo de alcançar o objetivo geral supracitado, faz-se necessário distribuir os objetivos
específicos que irão sustentar o modelo proposto.

• Revisão sistemática da literatura para identificar quais são as técnicas computacionais,
doenças cardiovasculares, e tipos de dados mais utilizadas e consequentemente mais
relevantes no contexto das arritmias, com foco nas taquicardias;

• Identificar das variáveis mais relevantes para predição da Morbidade e Mortalidade em
arritmias;

• Identificar uma base de dados a mais próxima possível do ideal dentro do nosso contexto,
isto é, que possua as informações que alimentem os scores adotados e demais variáveis
consideradas;

• Aplicar os conceitos da mineração de dados sobre a base (seleção, pré-processamento,
transformação, mineração dos dados, interpretação das informações obtidas)

• A partir das informações adquiridas, ser capaz de predizer a morbidade do paciente avaliado.

• A partir da morbidade do paciente, ser capaz de predizer a mortalidade do mesmo.
• Avaliar do modelo proposto;

Introdução

1.5

15

Estrutura do Trabalho

Este trabalho está estruturado da seguinte maneira: A primeira e atual Seção 1, trouxe uma
visão geral do uso da tecnologia na área médica, bem como elencou os objetivos gerais e específicos do modelo proposto, por fim trouxe um breve resumo da metodologia adotada. Na
Seção 2 é exposto os resultados obtidos pela revisão sistemática feita anteriormente. Revisão
esta com foco na compreensão do uso da aprendizagem de máquina no contexto das doenças
cardiovasculares. Por fim, o capítulo encerra trazendo artigos relacionados as especificidades
do estudo, o que inclui a predição da morbidade e mortalidade de arritmias, baseado em scores da literatura, como o CHA2 DS2 -VASc (Joundi et al. (2016)), e classificações como o NYHA
(Bredy et al. (2018)). Na Seção 3 trazemos todos os conceitos necessários para a compreensão do modelo proposto, incluindo cardiologia, arritmias, taquicardias, fatores de risco, score
CHA2 DS2 -VASc, classificação NYHA, conceitos de ciência de dados, algoritmos para seleção
de características, aprendizagem supervisionada e seus tipos (supervisionada, não supervisionada e por reforço), regressão, KNN, Redes Neurais e Árvore de Decisão. Na Seção 4 trazemos
as características do modelo proposto. Na Seção 5 abordamos sobre as estratégias adotadas
e ferramentas utilizadas. Na Seção 6 trazemos o conjunto dedados obtido, bem como os resultados expostos com base na estatística. Na Seção 7 é feito uma avaliação sobre os resultados
obtidos, ameaças a validade do modelo proposto, resumo, benefícios obtidos, limitações do trabalho, além de trabalhos futuros. Por fim, encerramos com a conclusão e considerações finais
que estão presentes Na Seção 8.

2
Trabalhos Relacionados

Nesta seção iremos descrever a revisão sistemática feita sobre o uso da aprendizagem de máquina no diagnóstico e prognóstico das doenças cardiovasculares, e como isso permitiu identificarmos os metadados associados a esta área. Por fim, iremos citar alguns artigos que utilizam
a abordagem de uso de scores da literatura para a predição de morbidade e mortalidade em
pacientes diagnosticados com arritmias.

2.1

Protocolo de Revisão Sistemática

No processo de busca pelos trabalhos relacionados às arritmias, foi possível notar um grande
volume de estudos presentes na literatura, principalmente devido à sua grande área, a cardiologia. Neste cenário, foi realizada uma revisão sistemática da literatura, com a finalidade de
identificar trabalhos que fossem específicos ao contexto das arritmias, precisamente as taquicardias. Define-se revisão sistemática como a revisão da literatura a partir de uma pergunta de
pesquisa definida, através da qual se busca identificar, avaliar, selecionar e sintetizar evidências
de estudos empíricos que atendam os critérios de elegibilidade definidos. Uma vez que a área
convergiu para o prognóstico, foi realizada uma pesquisa mais específica, para os artigos que
adotam os scores e classificadores definidos nesta proposta.

2.1.1

Aprendizagem de Máquina para o Diagnóstico e Prognóstico na
Cardiologia

A metodologia adotada nesta revisão sistemática assume as convenções recomendadas pelo
PRISMA (Galvao et al. (2015)), as técnicas, e protocolos fundamentados por Kitchenham (Kitchenham and Charters (2007)). O seguinte conjunto de ferramentas foi adotado: (i) gerenciadores de citações de artigos Mendeley; (ii) Zotero, responsável por transformar arquivos do

16

TRABALHOS RELACIONADOS

17

Tabela 2.1: Questões de Pesquisa - Revisão Sistemática
Questão Principal
QP: Como a aprendizagem de máquina vem sendo aplicada no auxílio ao
diagnóstico de doenças cardiovasculares?
Questões Secundárias
QS1: Quais as doenças cardiológicas mais abordadas com o uso de
aprendizagem de máquina?
QS2: Quais algoritmos ou técnicas computacionais mais aplicados no
uso de aprendizagem
QS3: Quais são os tipos de dados mais utilizados no uso de aprendizagem
de máquina para diagnóstico na cardiologia?
QS4: Qual a acurácia alcançada pelos sistemas que aplicam aprendizagem
de máquina nos diagnósticos da cardiologia?
formato .csv em arquivos .bib; (iii) Mendeley, sendo a ferramenta principal de gerenciamento
dos artigos tratados; e (iv) Google, utilizado para organizar os dados específicos que eram
buscados nos artigos, bem como registrar as informações relacionadas as filtragens aplicadas.
O protocolo adotado consiste em cinco etapas: (i) definição das questões primárias e secundárias de pesquisa; (ii) definição das palavras-chave; (iii) seleção das fontes de pesquisa;
(iv) definição dos critérios de inclusão e exclusão que serão adotados nas filtragens dos artigos;
(v) estratégia adotada na pesquisa dos artigos. O objetivo final deste protocolo de filtragem é
encontrar os artigos mais relevantes da área de conhecimento considerada.
Uma das etapas do mapeamento sistemático consiste em definir o norte da sua pesquisa
baseado em uma série de questionamentos. Define-se a questão principal responsável pelo
foco do estudo, seguida das questões secundárias, compostas por perguntas mais específicas
acerca do objeto tratado na questão principal. Dentro do nosso contexto, elaboram-se as questões visando atacar a área de doenças cardiológicas sendo diagnosticadas a partir de técnicas
de aprendizagem de máquina, como pode ser observado na Tabela 2.1.
O foco desta revisão foi identificar quais as doenças cardiológicas são mais abordadas, quais
as técnicas ou algoritmos mais utilizados e que tipos de bases de dados são mais analisados no
diagnóstico de doenças cardiovasculares. Além disto, busca-se compreender o desempenho do
uso dessas tecnologias, principalmente em relação às soluções propostas anteriormente, além
de quanto cada estudo tem sido relevante para a cardiologia. Dentro deste contexto, é possível
definir as palavras chaves: (i) Cardiologia, (ii) Aprendizado de Máquina, (iii) Diagnóstico e (iv)
Prognóstico.
Foram adotados três critérios de elegibilidade durante a investigação dos artigos: (i) critérios
de inclusão; (ii) critérios de exclusão e (iii) critérios de qualidade. Os critérios de inclusão consideram aptos os artigos primários publicados na língua inglesa em periódicos nos últimos cinco
anos (2017 - 2021), de forma eletrônica ou impressa. Assim consegue-se agregar a esta pesquisa, características como atualidade dos conceitos identificados, além da inovação e impacto

TRABALHOS RELACIONADOS

18

que envolvem um artigo primário
Já como critérios de exclusão, foram descartados artigos secundários como surveys e revisões sistemáticas, artigos terciários, e artigos feitos em outras línguas que não a inglesa.
De forma mais específica, excluem-se artigos duplicados e artigos que não estão relacionados
a diagnósticos, como é o caso dos prognósticos, por exemplo, que também possuem grande
representação neste meio. Tais características podem ser identificadas no primeiro momento
através de uma análise de título, posteriormente na análise do abstract, seguida por uma análise
mais a fundo, na leitura do artigo em si, onde foi adotada a técnica PICOS (Amir-Behghadami
and Janati (2020)).
Os critérios de qualidade seguiram a pontuação estratégica indicada pelo PICOS, estratégia
esta que consiste em analisar 5 critérios presentes no artigo: população/paciente (P), intervenção/indicação/interesse (I), comparação (C), Outcome/desfecho/resultado (O), Study/design do
mesmo (S). Cada um dos cinco critérios são avaliados no artigo em uma escala de 0 - 1, onde
cada um deles podem ser pontuados em 0 quando não atendidos, 0,5 quando parcialmente
atendidos, e 1 quando atendidos completamente, de forma que o PICOS atribui uma pontuação
de 0 a 5 para cada artigo. Como pontuação de corte para este estudo, foi adotada a avaliação
em 3, ou seja, aqueles artigos que não atingiram nota igual ou superior a 3 foram excluídos
As 5 fontes de pesquisa selecionadas foram: (i) ACM; (ii) ScienceDirect (pertence a Elsevier); (iii) PubMed; (iv) Xplore; (v) Springer. Algumas destas fontes são mais gerais em sua área
de conhecimento, já outras possuem focos em determinadas áreas, como no caso da ACM que
é voltada para a computação, PubMED para medicina, e IEEE para engenharia. O protocolo foi
executado no primeiro trimestre de 2021.
As buscas desta revisão sistemática foram feitas apenas utilizando bases eletrônicas em
motores de busca da World Wide Web. A estruturação da string de busca considerou as palavras chaves da pesquisa, ficando da seguinte forma:
(("Cardiology") OR ("Heart diseases")) AND (("Machine learning") OR ("Artificial Intelligence")) AND (("Diagnosis") OR ("Prognosis"))
Ainda dentro de algumas fontes era possível inserir filtros, como publicações dos últimos
5 anos, publicações em periódicos, aprendizagem de máquina e inteligência artificial. Porém,
como estes filtros não estão disponíveis em todas as 5 fontes, todos os artigos foram verificados
posteriormente e filtrados no Mendeley de acordo com os critérios de exclusão adotados.
A seleção dos dados consistiu de 7 etapas. Na string de busca, a soma dos artigos localizados pelos motores de busca das 5 fontes totalizou 530 artigos. A primeira etapa consistiu na
remoção das duplicatas. A segunda etapa consiste na filtragem a partir do título, onde foram
categorizados como diagnóstico, prognóstico ou outros. Os títulos de artigos classificados como
prognóstico foram selecionados para uma análise mais detalhada, enquanto que os demais títulos foram descartados. A quarta etapa consistiu na remoção de alguns artigos de conferência,
dando destaque então naqueles que foram publicados em periódicos. A quinta etapa efetua
uma filtragem a partir da leitura dos abstracts, onde por vezes, o título indicava classificação/di-

TRABALHOS RELACIONADOS

19

Figura 2.1: Revisão Sistemática
agnóstico, mas o estudo do artigo destinava-se a predição/prognóstico. A sexta etapa consiste
na avaliação pelo critério PICOS, onde os avaliados abaixo de 3 foram eliminados. A sétima
etapa consiste na leitura do artigo em si, para categorizar estes de acordo com as doenças
abordadas, técnicas ou algoritmos utilizados e tipos de dados analisados.
Todos os artigos desta pesquisa foram analisados e organizados pela ferramenta Mendeley
em conjunto com as planilhas disponibilizadas pela ferramenta Google Sheets, onde buscou-se
observar quais doenças, técnicas de aprendizagem de máquina e bases de dados eram mais
utilizados nas abordagens das doenças cardíacas. Tais dados foram organizados em gráficos
no intuito de identificar o que vem sendo mais abordado nesta área.
Na primeira etapa, as strings de buscas retornaram um total de 530 artigos advindos das 5
fontes selecionadas. O primeiro passo filtrou artigos duplicados através de uma ferramenta do
Mendeley, onde o total de artigos resultantes foi de 519. Os 519 artigos foram analisados pelo
seu título, onde apenas 398 estavam de fato relacionados à cardiologia com uso de aprendizagem de máquina. Destes, apenas 71 estavam relacionados ao diagnóstico, e a filtragem indicou
que 16 deles eram conference paper ou short paper, e prontamente removidos. Restaram então 55 artigos que foram avaliados pelo conteúdo presente e seus abstracts. Destes, restaram
apenas 25 que atendiam ao critério. Estes 25 artigos foram avaliados pelo critério PICOS (corte
para avaliação < 3), restando apenas 20 artigos que podem ser vistos na Tabela 2.1.

TRABALHOS RELACIONADOS

20

Figura 2.2: Técnicas mais Recorrentes no Diagnóstico e Prognóstico da Cardiologia
Dos 519 artigos, após a aplicação dos critérios de exclusão e qualidade, chegou-se aos 20
artigos apresentados na tabela de metadados, distribuídos da seguinte forma de acordo com
cada uma das fontes: Dentro da ACM, apenas 1 artigo foi selecionado, representando 5% dos
20 selecionados e 1,25% dos 80 extraídos da mesma. Na IEEE 8 artigos foram selecionados,
sendo o maior representante com 40% dos selecionados, e 12,7% dos extraídos na mesma.
Na PubMed 5 artigos foram selecionados representando 25% dos selecionados e 4% dos 208
extraídos do mesmo. Na ScienceDirect 2 artigos foram selecionados, representando 10% dos
selecionados e 2% dos 46 extraídos. Por fim, a Springer teve 4 artigos, 20% dos selecionados
e 3% dos artigos exportados do mesmo.
A partir da análise dos artigos selecionados, ficou evidente que Redes Neurais possuem
um amplo uso no contexto doenças cardiovasculares. Logo em seguida estão as SVM. Outras
técnicas também estão presentes, como Naïve Bayes(NB), Redes Neurais (RN), KNN, Regressão Logística, Randon Forest (RF), Multicamada Perceptron, e outras variações de RN, como
podemos observar na Figura 2.2. Quanto as doenças mais presentes neste conjunto dos 20
artigos, temos a Doença Arterial Coronariana e a Classificação dos Sons de Batimentos Cardíacos como as principais, seguidas pelas Arritmia e Insuficiência Cardíaca, como podemos
observar na Figura 2.3. Vale salientar, que estas estão correlacionadas.
É possível observar na Figura 2.4 o uso disseminado da base de dados da MIT, a MITBIH Arrhythmia Database (Moody and Mark (1992)), uma base de dados de acesso livre, que
ainda possui outras duas bases relacionadas, MIT-BIH Noise Stress Test Database, e MIT-BIH
P-wave Annotations. Ambos utilizam dados gerados por exame de eletrocardiograma (ECG),
evidenciando que este é de fato o principal exame no contexto das doenças cardiovasculares.
Na Tabela 2.2, é possível observar em uma amostragem dos artigos extraídos da revisão
sistemática, como os estudos atuais performam em relação à classificação (diagnóstico) das

TRABALHOS RELACIONADOS

Figura 2.3: Doenças mais Recorrentes no Diagnóstico e Prognóstico da Cardiologia

Figura 2.4: Dados mais Recorrentes no Diagnóstico e Prognóstico da Cardiologia

21

TRABALHOS RELACIONADOS

22

Tabela 2.2: Desempenho dos estudos atuais no Diagnóstico das Arritmias
arritmias. Performace está exposta em termos da acurácia (ACC), sensibilidade (SEN) e especificidade (SPE). Além disto, são determinados quais técnicas e algoritmos (TÉCNICAS / ALG)
foram utilizados, quantos tipos de arritmias (CLASS) estão sendo classificadas em cada artigo,
e por fim o tipo de dado (DATASET) utilizado. As informações expostas na Tabela 2.2 (i. Özal
Yıldırım et al. (2018), ii. Oh et al. (2018), iii. Pudukotai Dinakarrao and Jantsch (2018), iv. Picon
et al. (2019), v. Anwar et al. (2018)), que trazem informações que vão de encontro com o que
foi dito anteriormente, em relação aos algoritmos mais utilizados, com destaque para as Redes
Neurais e suas variações. E em relaçao aos dados utilizados, os ECGs, em específico uma
base antiga da MIT, a MIT-BIH (Moody and Mark (1992)).

2.2

Estudos Relacionados

Como dito anteriormente, a pesquisa evoluiu ao longo dos últimos meses e convergiu para o
prognóstico de morbidade e mortalidade de taquicardias. Entretanto, seu início teve foco na
compreensão da aplicação da Aprendizagem de Máquina no cenário das doenças cardiovasculares, como visto no tópico anterior. Uma vez identificado as principais características deste
contexto, torna-se necessário especificar o objeto da pesquisa dentro deste espectro da cardiologia, visto que se trata de uma gigantesca variedade de doenças. Foi definido para este estudo,
que a doença cardiovascular abordada seriam as arritmias, ou seja, as alterações nos batimentos que implicam no funcionamento anormal do sistema cardiovascular, podendo levar à morte.
Seus principais diagnósticos quanto a alteração do batimento são a taquicardia, bradicardia ou
fibrilação, ou ainda quanto ao foco, podem ser ventriculares, atriais ou sinusal.

TRABALHOS RELACIONADOS

23

A literatura apresenta uma série de artigos relacionados ao objetivo do modelo aqui proposto. As linhas dos artigos envolvem o uso do score CHA2 DS2 -VASc, os fatores de risco
associados as arritmias em geral, bem como o uso do NYHA para classificar os pacientes com
Insuficiência Cardíaca (IC).
Em relação ao CHA2 DS2 -VASc, temos desde sua revisão sistemática (Joundi et al. (2016)),
até artigos mais específicos, como predizer a mortalidade em pacientes diagnosticados com a
COVID-19 (Cetinkal et al. (2020)), avaliar o risco da ocorrência de um Ataque Vascular Cerebral
(AVC) (Lip) ou AVC Isquemico (Siddiqi et al. (2022)); Boriani et al. (2011)) em pacientes com
fibrilação. Enquanto que outros artigos já são mais pautados em detalhar os impactos dos
valores resultantes (Friberg et al. (2012b); Camm (2012)) do score CHA2 DS2 -VASc. De todo
modo, este score será mais detalhado na Seção 3.
Em se tratando de arritmias, foi necessário identificar artigos que abordassem esta doença
de uma forma geral, incluindo seus fatores de risco (Feitosa et al. (2002)), etapas até se chegar
ao diagnóstico, tipos de exames, dentre outras especificidades que também iremos detalhar na
Seção 3.
Por fim, artigos relacionados ao classificador NYHA, desde sua origem (Bredy et al. (2018)),
como aprimoramentos em seu questionário (Kubo et al. (2004)), e suas validações em outros
contextos, como mensurar reabilitação em pacientes portadores de doenças cardíacas (Bennett
et al. (2002)).
A associação das informações extraídas na revisão sistemática em conjunto com as especificidades identificadas neste conjunto de artigos relacionados aos scores, fatores de risco,
classificadores e características referentes às arritmias, foram a base para fundamentar o modelo proposto. Na seção seguinte iremos falar sobre estes e outros conceitos que fomentam o
conhecimento necessário para o modelo de predição proposto.

3
Background
Nesta seção será apresentada toda a fundamentação teorica, contendo todos os conceitos necessários para compreensão e execução do modelo proposto. Desde a grande área médica que
estamos abordando, a cardiologia, o subconjunto explorado, das arrimitas, e a doença específica, a taquicardia. Todavia, os demais tipos de arritmias serão detalhados, casos da bradicardia
e fibrilação, visto que existe forte relação entre elas, principalmente entre a fibrilação e as demais, que, em geral é uma consequência das outras. Iremos detalhar a relação da taquicardia
ventricular com a insuficiência cardíaca e a fibrilação ventricular. Será detalhado o escore que
foi utilizado para identificar os riscos no paciente avaliado, o escore CHA2 DS2 -VASc. Os fatores de risco associados a taquicardia, descritos na literatura médica. O classificador NYHA na
predição de morbidade e mortalidade em pacientes com Insuficiência Cardíaca. Conceitos de
Ciência dos Dados, aplicados em nosso estudo, como compreensão de um cenário que lida
com Big Data, e as etapas da Mineração dos Dados, com o objetivo de se obter as informações
desejadas. Conceitos de Aprendizagem de Máquina, bem como seus tipos de aprendizado:
supervisionado, não supervisionado e por reforço. Por fim, serão apresentados os conceitos
dos algoritmos utilizados no modelo proposto, que incluem Floresta Aleatória, Naïve Bayes),
Máquinas de Vetores Suporte, Redes Neurais e K-Vizinhos mais próximos (KNN) .

3.1

Cardiologia

A cardiologia pode ser definida como ramo da medicina responsável por estudar, cuidar e tratar
o coração e vasos sanguíneos. Sendo uma das especialidades da medicina que cuida do coração e do sistema circulatório (Kadi et al. (2017)). Cardiologistas podem atuar em diversas áreas,
sendo as mais comuns: i. Interpretação dos exames como eletrocardiograma (ECG), monitorização ambulatorial da pressão, holter, ecocardiograma, dentre outros. ii. Análise clínica de
casos cardiológicos, buscando tratar da maneira menos invasiva possível em casos de problemas simples, bem como na prevenção de problemas futuros, utilizando de fármacos para casos
24

Background

25

de hipertensão arterial e hipotensão arterial, assim como algumas anormalidades de desempenho cardíaco. iii. Microcirurgia cardiológica, i.e., procedimentos ambulatoriais de pequena
complexidade como cauterização de pequenos vasos. iv. Cirurgião cardiológico, atuando em
intervenções invasivas a partir de diagnósticos anteriores de especialistas.
A cardiologia (Kadi et al., 2017) se divide em duas grandes áreas, como toda a medicina,
a preventiva e a curativa. A cardiologia preventiva foca a atenção na prevenção de doenças
cardíacas ou do sistema circulatório, e sua importância é justamente pelo fato das doenças
cardiovasculares se tornarem problemas maiores e mais graves no futuro. Por outro lado, a
cardiologia curativa é voltada para a cura e tratamento das doenças cardíacas, sejam elas desenvolvidas com o tempo, ou congênitas. Esta fundamenta-se nos estudos dos sintomas das
doenças para diagnosticá-las. A cardiologia curativa ocorre sempre que o paciente apresenta
sintomas relacionados à doenças cardiovasculares. Para a partir disto, diagnosticar e tratar o
problema identificado. Nesta área, dentre os exames mais comuns para acompanhamento dos
pacientes, está o ECG, este é utilizado para registrar e monitorar a atividade elétrica do coração. Estes dados coletados são utilizados para controlar a regularidade dos batimentos do
coração, provendo aos cardiologistas a possibilidade de identificar doenças cardiovasculares
como a arritmia, isquemia, infarto do miocárdio, dentre outras. É justamente nesta etapa que
a Inteligência Artificial e a Aprendizagem de Máquina, entram para auxiliar os médicos cardiologistas e tornar mais efetivos os procedimentos de diagnósticas e prognóstico deste grupo de
enfermidades.
O coração é um órgão localizado na parte inferior do mediastino médio. Encontra-se na
cavidade torácica, mais precisamente na região posterior ao osso esterno e acima do músculo
diafragma. Esse órgão tem o tamanho aproximado de uma mão fechada e apresenta maior
parte da sua massa à esquerda da linha mediana. O coração possui um formato de cone
invertido, com seu ápice voltado para baixo, e seu peso é de cerca de 300 g. O coração é um
órgão formado, principalmente, por tecido muscular estriado cardíaco, o qual se caracteriza por
apresentar contração involuntária. Esse órgão realiza contrações e relaxamentos que seguem
um ritmo cíclico. Sua contração garante o bombeamento de sangue, enquanto seu relaxamento
permite que as câmaras encham-se dele. A fase de contração recebe a denominação de sístole,
enquanto a fase de relaxamento é denominada diástole.
O batimento cardíaco é conseguido graças a uma massa de células especializadas, encontradas nesse órgão, chamadas de nó sinoatrial. Essa massa de células está na parede do átrio
direito e é responsável por gerar impulso elétrico. Esse impulso propaga-se pelo tecido muscular até chegar ao nó atrioventricular, o qual está localizado na parede, entre os átrios esquerdo
e direito. Esse nó constitui um ponto de transmissão de impulsos nervosos, os quais partem
dessa região e seguem em direção aos ventrículos e ao ápice do coração através de estruturas
chamadas de ramos do feixe e fibras de Purkinje.
O coração apresenta paredes constituídas por três camadas (Figura 3.1):

Background

26

Figura 3.1: Camadas do Coração
SANTOS (2020)

• Endocárdio: é a camada mais interna e é formado por endotélio que está sobre uma
camada subendotelial delgada de tecido conjuntivo. Essa última camada conecta-se ao
miocárdio por uma camada de tecido conjuntivo que apresenta nervos, veias e alguns ramos do sistema responsável pela condução do impulso do coração. O endocárdio reveste
as cavidades do coração, as válvulas e os músculos associados com as válvulas.

• Miocárdio: é a camada média do coração e a mais espessa. O miocárdio é rico em células musculares cardíacas, sendo a camada responsável pela capacidade de contração
desse órgão. O miocárdio do ventrículo esquerdo é mais espesso que o do ventrículo
direito. Isso se deve ao fato de que a contração nessa região deve ser mais vigorosa, de
modo a garantir que o sangue siga para o corpo.

• Pericárdio: é uma espécie de saco invaginado constituído de uma camada mais externa,
chamada de pericárdio parietal, e de uma camada mais interna, chamada de pericárdio
visceral. É este último que adere ao coração e forma a camada mais externa do órgão
(epicárdio).
O coração humano é formado por quatro cavidades, assim como o de todos os mamíferos.
Nesse órgão é possível observar dois átrios e dois ventrículos (Figura 3.2).

• Átrios: apresentam paredes relativamente delgadas e funcionam como câmaras receptoras de sangue. O átrio esquerdo recebe o sangue proveniente do pulmão, enquanto o
direito recebe o que vem de outras partes do corpo, com exceção do pulmão. Dessas
cavidades o sangue segue para os ventrículos.

• Ventrículos: apresentam paredes mais grossas — uma característica importante, uma
vez que sua contração garante que o sangue siga para os pulmões e outras partes do

Background

27

Figura 3.2: Válvulas do Coração
SANTOS (2020)
corpo. A contração do ventrículo direito impulsiona-o em direção aos pulmões, enquanto
a do esquerdo garante o seu impulso ao restante do corpo.
A presença de válvulas no coração faz com que o refluxo do sangue não ocorra e ele siga
sempre uma mesma direção. No total existem quatro válvulas no coração: duas válvulas atrioventriculares e duas válvulas semilunares. As primeiras situam-se entre cada átrio e cada
ventrículo; já as segundas estão localizadas nos dois locais por onde o sangue sai do coração.
Uma válvula semilunar está localizada na região onde a aorta sai do ventrículo esquerdo, e a
outra, no local onde a artéria pulmonar sai do ventrículo direito (Figura 3.2).
O coração funciona como uma espécie de bomba que garante o impulsionamento do sangue
para todas as partes do corpo. O sangue, proveniente das várias partes do corpo, com exceção
do pulmão, chega ao coração pelo átrio direito. As veias cavas superior e inferior trazem sangue
do corpo e desembocam-no nessa cavidade, assim como o seio coronário, o qual é responsável
por drenar o sangue presente no coração. Após chegar ao átrio direito, o sangue segue em
direção ao ventrículo direito. Do ventrículo, ele parte em direção aos pulmões, sendo levado pela
artéria pulmonar. Nos pulmões, o sangue, que até então estava rico em gás carbônico, recebe o
oxigênio proveniente da respiração, tornando-se oxigenado. O sangue oxigenado retorna então
para o coração por meio das veias pulmonares. Essas veias desembocam no átrio esquerdo.
O sangue, daí, segue para o ventrículo esquerdo, local de onde será impulsionado para todo o
corpo, com exceção do pulmão, sendo levado pela artéria aorta.

3.1.1

Doenças Cardíacas

A sociedade atualmente possuí um modo de vida, e boa parte disso se deve ao isolamento da
pandemia, que nos levou ao amento da fatia da sociedade que chegou ao sedentarismo, à má

Background

28

alimentação e a hábitos nada saudáveis, como o consumo de álcool e fumo em excesso. Como
isso, cresce a incidência de doenças do coração e por consequência, o número de mortes,
com um aumento de 132% durante a pandemia (UFMG). Entre as enfermidades, o infarto e
o Acidente Vascular Cerebral (AVC) foram aquelas que mais se destacaram. Somente o AVC
levou a mais de 230 mil óbitos no país em 2021. A maior parte foi na faixa-etária entre 70 e 79
anos.
As doenças cardiovasculares podem ser congênitas (quando o indivíduo já nasce com a
patologia), ou desenvolvidas com o tempo. Aquelas que são desenvolvidas com o tempo podem
ser tanto uma consequência de hábitos pouco saudáveis, quanto pela idade ou até mesmo por
conta de infecções provocadas por vírus, fungos ou bactérias. As doenças congênitas tem seu
desenvolvimento ainda no desenvolvimento do bebê, podendo a mesma ser identificada ainda
no útero através de exames com ultrassom e ecocardiograma.
A cardiopatia congênita pode variar de casos leves a graves, e seu tratamento depende
da avaliação do cardiologista. Já as doenças cardíacas desenvolvidas ao longo do tempo em
decorrência dos hábitos pouco saudáveis, geram uma lista enorme de problemas. Segue abaixo
uma relação de doenças cardíacas, como são adquiridas, seus sintomas e fatores de risco
associados.

• Hipertensão, também conhecida popularmente como “pressão alta”, trata-se do aumento
da pressão arterial ocasionando o mau funcionamento do coração, em geral, está ligada
a falta de prática de exercícios físicos, alimentação baseada em gorduras e consumo
excessivo de sal.

• Insuficiência cardíaca (IC) - podendo ser uma consequência da hipertensão, é uma das
doenças do coração mais comuns e mais graves, uma vez que o coração não consegue bombear o sangue rico em oxigênio de maneira suficiente para o organismo. Com o
tempo, surgem sintomas como dificuldade para respirar, fadiga, fraqueza, inchaços, palpitações, entre outros. A causa mais comum para insuficiência cardíaca no Brasil é a
Doença Arterial Coronariana (DAC), pois provoca o estreitamento dos vasos sanguíneos.
Dentre os outros fatores de risco associados estão maus hábitos, infecções, e outros problemas como diabetes, infarto e apneia do sono. Os casos mais extremos da IC exigem
um transplante de coração.

• Infarto, popularmente chamado de ataque cardíaco, é uma das doenças do coração mais
comuns e fatais. Ocorre quando há falha na passagem de sangue para o coração, no
qual o fluxo de sangue no músculo cardíaco (miocárdio) é interrompido por um período
prolongado, danificando-o ou causando a morte do tecido. O infarto ocorre quando a
artéria coronária, responsável por levar sangue ao coração, é bloqueada por uma placa
de gordura ou coágulo, obstruindo-a. Este caso pode ser uma consequência da arteriosclerose, ou outros fatores como tabagismo, obesidade, alcoolismo, colesterol alto ou

Background

29

predisposição genética.

• Endocardite, uma inflamação que atinge o endocárdio, isto é, a túnica que reveste o
interior do miocárdio e limita as cavidades cardíacas. Geralmente causado por fungos
ou bactérias que chegam ao coração através da corrente sanguínea, porém não sendo
a única causa, uma vez que pode acontecer em decorrência de outras doenças como
câncer e doenças autoimunes. Porém, o tecido só é afetado se já estiver debilitado por
outra doença, como uma insuficiência cardíaca ou imunidade baixa.

• Arteriosclerose, caracteriza-se pelo endurecimento e estreitamento das artérias que levam oxigênio e nutrientes do coração para o resto do corpo. Isto é consequência do
acúmulo colesterol, gordura saturada, entre outras substâncias. Prejudica-se o fluxo de
sangue, trazendo dores no peito, fraqueza muscular, fadiga, dentre outros sintomas. Dentre as doenças do coração, esta é a mais associada ao envelhecimento, já que a gordura
acumula de forma progressiva, quanto maior a idade, maior a gordura acumulada. Dentre
outros fatores de risco associados a arteriosclerose, podemos citar a hipertensão, diabetes, colesterol alto, e o histórico familiar.

• Angina, é caracterizada pela forte dor no peito em consequência de esforços físicos que
acabem exigindo mais do coração. Fortes emoções ou até mesmo baixas temperaturas
podem também ocasiona-la. Quando ocorre em intervalos curtos, é classificada como
estável, enquanto que mesmo que em menor intensidade, perdure por mais tempo, é
chamada de instável. Tanto estável quanto instável podem ser consequência da arteriosclerose, anemias, colesterol alto, diabetes, sedentarismo e a predisposição genética. A
angina é uma das enfermidades do coração que geralmente indica a presença de outros
problemas cardíacos mais graves, e por este motivo deve ser acompanhada de perto pelo
médico cardiologista.

• Arritmia, são as alterações nos ritmos dos batimentos, sejam eles acelerados, lentos
ou fora do padrão. O portador sente mal-estar, fadiga, desconforto, palpitações ou até
mesmo dificuldades para respirar. Seus casos extremos levam a perda da consciência.
A arritmia por se só não é um problema grave, mas a ausência de seu diagnóstico e
respectivo tratamento pode ocasionar outros problemas que levam o paciente ao óbito. É
adquirida principalmente por condições genéticas, estresse, ansiedade ou outras doenças
cardíacas. Assim como a angina, também pode representar um sintoma de algo mais
perigoso.

• Cardiomiopatia, é uma condição onde o músculo cardíaco fica inflamado e inchado, perdendo força. Desta maneira, o órgão não consegue bombear sangue suficiente para
o corpo, levando a uma IC. Justamente por esta razão, os sintomas da cardiomiopatia
confundem-se com os da insuficiência cardíaca, com a presença de fraqueza, inchaço,

Background

30

fadiga. Em casos extremos, faz-se necessário um transplante do coração. As causas específicas da cardiomiopatia seguem desconhecidas, apesar de existir uma linha de pesquisadores que associem fatores genéticos, maus hábitos e outras doenças cardíacas
como influência. Seu tratamento é através de medicamentos que controlem a doença,
associados a mudanças de hábitos de seu portador.

• Doença Arterial Periférica, é uma condição que afeta artérias que são responsáveis por
bombear o sangue para os membros inferiores, i.e., pernas e pés. Ao estreitar e endurecer estas artérias, dificulta-se a chegada de sengue nessas regiões periféricas, e por
consequência surgem as dores, feridas que não cicatrizam, inchaços ou mesmo outros
sintomas. Nos homens isso por ocasionar disfunção erétil. As principais causas da doença arterial periférica são a aterosclerose, o acúmulo de placas de gordura, cálcio ou
outras substâncias nas artérias. Além de outros fatores como colesterol alto e o próprio
tabagismo pode contribuir. O tratamento da doença arterial periférica adota o tratamento
da aterosclerose, com o objetivo de evitar que ocorram novos episódios, uma vez que a
progressão destes dois problemas pode levar o paciente ao infarto, AVC, formação de
edemas, dentre outras complicações.

3.1.2

Eletrocardiograma

Como dito anteriormente, o Eletrocardiograma, também chamado de ECG, é o exame mais comum para detecção das doenças cardiovasculares. Em geral, realizado nas primeiras consulta,
este será o responsável por dar os indícios de determinadas doenças, que posteriormente serão
diagnosticadas com auxílio de outros exames, como ecocardiograma, holter, teste ergonômico,
dentre outros.
Como uma ferramenta de diagnóstico não invasiva, como podemos observar na Figura 3.3, o
ECG de 12 derivações registra a atividade elétrica do coração como formas de onda. Desde que
feita com precisão, sua interpretação pode detectar e monitorar uma série de condições cardíacas, de arritmias a doenças cardíacas coronárias e desequilíbrio eletrolítico. Desde o primeiro
telecardiograma registrado em 1903, grandes avanços foram feitos na gravação e interpretação
do ECG. Hoje, o ECG de 12 derivações continua sendo uma ferramenta de diagnóstico padrão
entre paramédicos, paramédicos e funcionários do hospital(Cables and Sensors)
Durante o exame de ECG são posicionadas 10 eletrodos, também chamados de leads, em
diferentes pontos do corpo do paciente, como podemos observar na Figura 3.3, desta forma o
aparelho fará a impressão de 12 visões distintas do órgão. Os resultados deste procedimento
consistem em uma sequência de sinais que são subdivididos em intervalos com pontos específicos (PQRST), como observado na Figura 3.4, que representa um batimento. A relevância
de cada um destes segmentos e intervalos de sinais dependem da doença abordada. Onde a
partir daí serão identificados os padrões que caracterizam os indícios de que o paciente pode

Background

31

Figura 3.3: Plano vertical (Condutores Frontais) do ECG
(Cables and Sensors, OMS)

Figura 3.4: Segmentos e Intervalos do ECG (PQRST)
Pereira et al. (2019)
ou não ser portador daquele determinado tipo de arritmia. Na Figura 3.5, podemos observar
a saída de um exame de ECG, que por sua vez será analisado pelo médico cardiologista que
acompanhe aquele paciente.
Um ECG de 12 derivações mostra uma imagem completa da atividade elétrica do coração
registrando informações através de 12 perspectivas diferentes. Imagine 12 pontos de vista diferentes de um objeto entrelaçado para criar uma história coesa: a interpretação do ECG. Essas
12 visualizações são coletadas colocando eletrodos ou pequenos adesivos pegajosos no peito
(precordial), pulsos e tornozelos. Esses eletrodos são conectados a uma máquina que registra
a atividade elétrica do coração. Para medir a atividade elétrica do coração com precisão, a colocação adequada dos eletrodos é crucial. Em um ECG de 12 derivações, existem 12 derivações
calculadas usando 10 eletrodos. Podemos observar os posicionamentos dos eletrodos com colação do peito (Precordial) na Figura 3.6, e os eletrodos com colação do membro (extremidades)
3.7 (Cables and Sensors), com suas respectivas legendas.
Os eletrodos dos membros também podem ser colocados na parte superior dos braços e

Background

32

Figura 3.5: Resultado do Eletrocardiograma (ECG)
Lima (2018)

Figura 3.6: Derivações Precordiais ou do Plano Horizontal
Cables and Sensors

Figura 3.7: Derivações Periféricas ou das Extremidades
Cables and Sensors

Background

33

nas coxas. Entretanto, deve haver uniformidade na sua colocação. Não permitindo, por exemplo,
que se coloque um eletrodo no pulso direito e outro no braço esquerdo. Já para pacientes do
sexo feminino, os eletrodos V3-V6 devem ser postos sob a mama esquerda. A localização do
mamilo nunca deve ser referência para onde posicionar os eletrodos, uma vez que a posição
deste muda de pessoa pra pessoa.
No ECG, as derivações são o registro da diferença de potencial elétrico entre dois pontos.
Nas derivações bipolares são a diferença entre dois eletrodos, e nas derivações monopoloares
a diferença entre um ponto virtual e um eletrodo. Dependendo do plano elétrico do coração que
registrem, temos as derivações periféricas (plano frontal) e as derivações precordiais (horizontal). (Feitosa et al. (2002))
Se denominam derivações periféricas as derivações do ECG obtidas a partir dos eletrodos
colocados nos membros(Figura 3.7. Estas derivações fornecem dados eletrocardiográficos do
plano frontal (não proporcionam dados sobre potenciales dirigidos para a frente ou para trás).
Existem dois tipos de derivações periféricas: as derivações bipolares, ou de Einthoven, e as
derivações unipolares aumentadas.
Derivações bipolares do eletrocardiograma são as derivações clássicas do eletrocardiograma, descritas por Einthoven, registram a diferença de potencial entre dois eletrodos localizados em diferentes membros.

• D1: diferença de potencial entre o braço direito e o braço esquerdo. O vector é em
direcção de 0º
• D2: diferença de potencial entre o braço direito e a perna esquerda. O vector é em
direcção de 60º.
• D3: diferença de potencial entre o braço esquerdo e a perna esquerda. O vector é em
direcção de 120º.
No Triângulo e lei de Einthoven (Figura 3.8) as três derivações bipolares formam o triângulo de Einthoven (inventor do eletrocardiograma). Estas derivações mantêm uma proporção
matemática refletida na lei de Einthoven, que diz: D2=D1+D3. Esta lei é muito útil na interpretação de um eletrocardiograma. Permite determinar se os eletrodos periféricos estão correctamente posicionados, porque, se a posição de um eletrodo é variada, esta lei não se cumpre,
deixando-nos saber que o ECG é mal feito.
Derivações unipolares aumentadas registram a diferença de potencial entre um ponto
teórico no centro do triângulo de Einthoven, com um valor de 0, e os eletrodos em cada extremidade. Estas derivações, inicialmente, foram denominadas VR, VL e VF. A letra V significa Vector,
e as letras R, L, F significam direita, esquerda e pé (em inglês). Posteriormente foi adicionada
a letra a minúscula, que significa amplificada (as derivações unipolares atuais são amplificados
com relação ao inicial).

• aVR: potencial absoluto do braço direito. O vector é em direcção de -150º.

Background

34

Figura 3.8: Triângulo de Einthoven
Cables and Sensors

• aVL: potencial absoluto do braço esquerdo. O vector é em direcção de -30º.
• aVF: potencial absoluto da perna esquerda. O vector é em direcção de 90º.
As derivações precordiais (Figura 3.6) do eletrocardiograma são seis, e são denominadas
com uma letra V maiúscula e um número de 1 a 6. São derivações unipolares e registram o
potencial do ponto em que o eletrodo de mesmo nome é posicionado. São as melhores derivações do ECG para determinar alterações do ventrículo esquerdo, especialmente das paredes
anterior e posterior. No eletrocardiograma normal os complexos QRS são predominantemente
negativos nas derivações V1 e V2 (morfologia rS) e predominantemente positivo nas derivações
V4, V5, e V6 (morfologia Rs). Segue abaixo as derivações precordiais:

• V1: esta derivação do eletrocardiogra registra os potenciais dos átrios, de uma parte do
septo interventricular e da parede anterior do ventrículo direito. O complexo QRS tem
uma pequena onda R (despolarização do septo interventricular), seguido por uma onda
S profunda, ver morfologia do complexo QRS.

• V2: esta derivação precordial está acima da parede do ventrículo direito, por conseguinte,
a onda R é ligeiramente maior do que em V1, seguida por uma onda S profunda (activação
do ventrículo esquerdo).

Background

35

• V3: derivação de transição entre os potenciais esquerdos e direitos do ECG. O eletrodo
é localizado sobre o septo interventricular. A onda R e a onda S são praticamente iguais
(QRS isodifásico).

• V4: o eletrodo desta derivação está localizado no ápice do ventrículo esquerdo, onde a
espessura é maior. Tem uma onda R alta seguida por uma onda S pequena (ativação do
ventrículo direito).

• V5 e V6: estas derivações estão localizadas no miocárdio ventricular esquerdo, cuja espessura é menor do que em V4. Por conseguinte, a onda R é menor do que em V4,
embora é alta. A onda R é precedida de uma onda q pequena (despolarização do septo).
Outras derivações ocorrem em pacientes com uma síndrome coronariana aguda com suspeita de infarto posterior ou de ventrículo direito é aconselhável colocar os eletrodos do eletrocardiograma em posições incomuns. No caso de suspeita de infarto posterior, devem ser
colocados três eletrodos nas costas para obter as derivações posteriores. Quando existem
dados de afetação do ventrículo direito devem ser colocados os eletrodos precordiais no lado
direito, para obter as derivações direitas. Tambén quando o paciente apresenta dextrocardia ou
situs inversus, se devem colocar os eletrodos no lado direito.
Interferências leves em um ECG não são incomuns, porém podem ser reduzidos ao adotar
algumas medidas:

• Desligando os dispositivos e equipamentos elétricos não essenciais nas proximidades.
• Verificando se há loops de cabos e evite passar cabos adjacentes a objetos metálicos,
pois eles podem afetar o sinal.

• Inspecionando os fios e cabos quanto a rachaduras ou quebras. Substitua conforme
necessário.

• Usando supressores de picos com a fonte de alimentação.
• Certifiando que os filtros e pré-amplificadores estejam ajustados adequadamente.
• Garantindo a conexão segura entre o cabo do paciente e o dispositivo de ECG.
• Verificando se há folgas entre os conectores.

3.2

Arritmias

A arritmia ocorre quando há uma alteração no batimento cardíaco. Seja esta alteração de forma
descompassada, lenta ou acelerada. A frequência do batimento cardíaco em uma pessoa saudável está entre 60 e 100 bpm (batimentos por minuto). A arritmia cardíaca pode ser classificada

Background

36

como benigna ou maligna. No primeiro caso, a alteração do ritmo cardíaco não altera o desempenho cardíaco. Pode ser controlada com a administração de medicamentos e com exercícios
físicos. Já a maligna concentra o maior número de mortes, já que o desgaste físico contribui
para o comprometimento do coração. A arritmia pode ser assintomática ou sintomática. Quando
sintomática, dentre os seus sintomas, temos palpitações no coração, que duram de segundos a
semanas, queda de pressão, fadiga, falta de ar, desmaios, enjoos e vertigem. Dentre os fatores
de risco temos tabagismo, sedentarismo, apneia do sono, exageros na ingestão de bebidas alcoólicas, distúrbios de tireoide, hipertensão, diabetes, estresse ou predisposição genética. Com
o eletrocardiograma, holter, teste ergométrico e ecocardiograma é possível diagnosticar com
precisão essa disfunção, que está entre as principais doenças cardiovasculares. Cada uma das
arritmias possui seu tratamento, como por exemplo, a inserção de marca-passo em pacientes
portadores de bradicardia (i.e., batimentos inferiores aos 60 bpm), uso de farmácos, alterações
nos hábitos, alimentação saudável, prática esportiva, dentre outros. A prevenção da rritmia
está associada aos hábitos saudáveis, evitar consumo em excesso de alcool, cigarro e outras
drogas.

3.2.1

Ritmo Sinusal

As arritmias cardíacas podem ainda ser classificadas de acordo com o local de origem: Ritmos
Sinusais, Ritmos Atriais e Ritmos Ventriculares. O Ritmo Sinusal é o ritmo normal do coração, disparando de 60 a 100 vezes por minuto (bpm). Suas variações incluem: a bradicardia
sinusal (<60 bpm), quando o nódulo dispara de forma mais lenta, com menos de 60 batimentos
por minuto, tornando o intervalo entre os sinais mais espaçados, como podemos observar na
Figura 3.9. O fluxogrma de abordagem da bradicardia sinusal pode ser observado na Figura
3.10. Já a taquicardia sinusal (>100 bpm) gera uma frequência cardíaca mais rápida, como podemos observar na Figura 3.11. O tratamento mais usado na taquicardia sinusal inapropriada
são os bloqueadores dos receptores beta-adrenérgicos (betabloqueadores) e os antagonistas
do cálcio não diidropiridínicos (diltiazem e verapamilo). É costume iniciar com doses baixas e
ir aumentando de acordo com a sintomatologia. O aumento do consumo de sal e água também pode diminuir a clínica dos pacientes. Recentemente tem aparecido a ivabradina (inibidor
seletivo), fármaco que atua a nível do nó sinusal e que está indicado na cardiopatia isquêmica
e na insuficiência cardíaca, que se sugere como uma alternativa no tratamento da taquicardia
sinusal inapropriada.
Tanto a bradicardia sinusal, quanto a taquicardia sinusal, podem ser normais ou clínicas,
uma vez que a bradicardia sinusal pode ser considerada normal durante o sono, por estarmos
com os batimentos mais baixos que o normal. Assim como a taquicardia sinusal pode ser
considerada normal durante a prática esportiva, por naturalmente aumentar a frequência dos
batimentos.

Background

37

Figura 3.9: ECG Característico da Bradicardia Sinusal
Sanarmed (2019)

Figura 3.10: Fluxograma de Abordagem da Bradicardia
Sanarmed (2019)

Background

38

Figura 3.11: ECG Característico da Taquicardia Sinusal
Sanarmed (2019)

Figura 3.12: ECG Característico do Flutter Atrial
Mitchell (2021)

3.2.2

Ritmo Atrial

As arritmias cardíacas originárias dentro de outras partes do átrio são sempre patológicas,
classificadas como ritmos atriais. Os tipos de Ritmos Atriais são Flutter atrial, Fibrilação Atrial e
Taquicardia Atrioventricular Reentrante Nodal. Estas são formas de Taquicardia Supraventricular (TSV). O flutter atrial ou auricular, é causado por um impulso elétrico que gira em torno de
um ciclo, localizado no átrio direito (Figura 3.1), que se auto perpetua. Em um ECG, flutter atrial
é caracterizado pela ausência de ondas P normais (Figura 3.12), ao invés disto são observadas
as ondas flutter, também chamadas de ondas f, que possuem um padrão serrilhado.
A fibrilação atrial é causada por múltiplos impulsos elétricos que são iniciados aleatoriamente, dentro e ao redor dos átrios, geralmente perto das raízes das veias pulmonares. A
variação da fibrilação pode ser inferior a 60bpm ou superior a 100bpm. Em um ECG a fibrilação
atrial se caracteriza pela ausência de ondas P e presença de complexos QRS estreitos e irregulares, com a linha de base aparentando ser ondulada ou totalmente plana, como podemos
observar na Figura 3.13.
A Taquicardia Atrioventricular Reentrante Nodal (TAVRN) é causada por um pequeno circuito de reentrada, neste caso, a frequência ventricular e a atrial são idênticas, e a frequência
cardíaca é regular e rápida, variando de 150 a 250 bpm. Seu comportamento em um ECG pode

Figura 3.13: ECG Característico da Fibrilação Atrial (FA)
Alila (2020)

Background

39

Figura 3.14: ECG Característico da TAVRN
Alila (2020)

Figura 3.15: ECG Característico da Taquicardia Ventricular
Alila (2020)
ser observado na Figura 3.14.

3.2.3

Ritmo Ventricular

Os ritmos ventriculares são os mais perigosos sendo ameaça para vida. A taquicardia ventricular é causada por um foco de disparo ou circuito, sendo forte e único em um dos ventrículos,
geralmente ocorrem em pessoas com problemas cardíacos estruturais, como cicatrizes de um
ataque cardíaco prévio, ou anormalidades nos músculos cardíacos. Os batimentos são regulares e rápidos, variam de 100 a 250 bpm. Em um ECG a taquicardia ventricular é caracterizada
por complexos QRS largos e estranhos, e a onda P ausente, como podemos observar na Figura
3.15. Pode ocorrer em episódios curtos com menos de 30 segundos, já sua forma sustentada
dura mais de 30 segundos, e neste caso requer tratamento imediato para prevenção de uma
parada cardíaca.
A taquicardia ventricular pode evoluir para Fibrilação Ventricular (FV), nesta o coração bombeia pouco ou nenhum sangue, podendo rapidamente levar a uma parada cardíaca. Em um
ECG, a Fibrilação Ventricular (FV) é caracterizada por formas de onda irregular e aleatória de
amplitude variável, não sendo possível identificar a onda P, o complexo QRS ou a onda T, como
observado na Figura 3.16.

Background

40

Figura 3.16: ECG da Fibrilação Ventricular evoluindo para uma Parada Cardíaca
Alila (2020)

3.3

Fatores de Risco

As arritmias cardíacas podem ser congênitas, como dito anteriormente, ou adquiridas ao longo
da vida. No segundo caso, fatores de risco em conjunto com os hábitos do paciente possuem
grande impacto para levar um paciente a adquirir uma arritmia, evita-la ou conviver melhor
com a mesma. Alguns artigos da literatura apontam a relação das arritmias com determinados
fatores de risco, como listamos abaixo, em conjunto com fatores não modificáveis e outros
fatoes. (Gatzoulis et al. (2000), Silva et al. (2004))

• Os fatores de risco reconhecidos pela literatura atualmente incluem fumo, colesterou e
triglicérides elevados, hipertensão arterial, falta de atividades físicas, diabetes, sobrepeso,
obesidade, estresse, álcool, além da proteína C reativa ou hemocisteína, substâncias
estas recentemente associadas com o aumento do risco de eventos cardiovasculares.

• Fatores não modificáveis incluem a predisposição genética advinda do histórico familiar
(episódios da doença em familiares de primeiro grau), e o gênero.

• Outros fatores incluem certas medicações, tabagismo, cafeína e drogas, baixo teor de
oxigênio no sangue, apneia do sono.

3.4

CHA2 DS2 -VASc

No contexto das arritmias, o escore CHA2 DS2 -VASc (Lip, Joundi et al. (2016)) é um dos mais
disseminados na atual literatura. Seu uso visa melhorar a estratificação do risco de AVC entre

Background

41
Tabela 3.1: Indicadores e pontuações do CHA2DS2-VASc

C
H
A2
D
S2
V
A
Sc

Descrição

Pontos

Insuficiência Cardíaca
Hipertensão
Idade (≥ 75)
Diabetes Mellitus
AVC ou AIT Prévio
Doença Vascular
Idade (65-74 anos)
Sexo (se feminino)

1
1
2
1
2
1
1
1

pacientes com fibrilação atrial, para que seja possível administrar os medicamentos de anticoagulação da melhor maneira. Durante a pandemia estudos indicaram seu uso na predição de
mortalidade em pacientes hospitalizados com a COVID-19 (Cetinkal et al. (2020)), provendo
ao corpo médico informações que possibilitaram adotar as melhores abordagens e tratamentos
dado o contexto em que o paciente estivera inserido. Uma série de estudos recentes estão
sendo desenvolvidos para otimizar o seu uso, trazendo uma maior precisão e consequente
ganhos para os pacientes avaliados com este escore. (Friberg et al. (2012b), Friberg et al.
(2012b)).
O escore CHA2 DS2 -VASc é composto de é calculado com base em 7 indicadores: (i) Insuficência Cardíaca, (ii) Hipertensão, (iii) Idade, (iv) Diabetes Mellitus, (v) Ocorrência prévia de
Ataque Vascular Cerebral (AVC) ou Ataque Isquêmico Transitório (AIT, também chamado MiniAVC), (vi) Doença Vascular e (vii) Sexo. Alguns destes indicadores tem um maior peso, são eles
a idade quando maior ou igual a 75 anos, e a ocorrência de AVC ou AIT prévio. Sua pontuação
varia em um intervalo que pode ir de zero até 9. (Tabela 3.1).
As principais diretrizes usaram o risco de AVC anual fixo como uma diretriz para iniciar o
tratamento anticoagulante; onde o risco de acidente vascular cerebral isquêmico de mais de
1% a 2% deve ser uma indicação para iniciar uma terapia anticoagulante. No entanto, o risco
real de contrair AVC varia de acordo com o método de amostragem e regiões geográficas, bem
como o uso de metodologia de análise de estudo apropriada. (Nielsen et al. (2016)). Uma
meta-análise de vários estudos em 2015 mostrou que o risco anual de AVC é inferior a 1% em
13 dos 17 estudos para pontuação CHA2 DS2 -VASc, 6 de 15 estudos relataram risco de 1 a 2%
e 5 de 15 estudos relataram risco de mais de 2% para pontuação CHA2 DS2 -VASc. (Quinn et al.
(2017)). No entanto, as taxas de AVC variam de acordo com a população (amostragem), etnia,
cenário do estudo (hospital ou comunidade), dentre outros fatores. Alguns estudos incluídos
na meta-análise incluem mulheres com pontuação 1 em virtude do sexo (que são de baixo
risco), no agregado cotações; outros incluídos não levam em conta o uso de anticoagulação de
acompanhamento (reduzindo assim as taxas).
O escore CHA2 DS2 -VASc tem mostrado popularidade crescente ao longo do tempo, en-

Background

42
Tabela 3.2: Risco Anual de AVC Baseado no CHA2 DS2 -VASc

CHA2 DS2 -VASc Score

Friberg et al. (2012a)

Lip et al. (2010)

Intervalo de Confiança (95%)

0
1
2
3
4
5
6
7
8
9

0.2%
0.6%
2.2%
3.2%
4.8%
7.2%
9.7%
11.2%
10.8%
12.2%

0.0%
0.6%
1.6%
3.9%
1.9%
3.2%
3.6%
8.0%
11.1%
100%

0.0 - 0.0
0.0 - 3.4
0.3 - 4.7
1.7 - 7.6
0.5 - 4.9
0.7 - 9.0
0.4 - 12.3
1.0 - 26.0
0.3 - 48.3
2.5 - 100.0

Tabela 3.3: Risco Anual de AIT ou Embolia Sistemica Baseado no CHA2 DS2 -VASc
CHA2 DS2 -VASc Score

Friberg et al. (2012a)

0
1
2
3
4
5
6
7
8
9

0.3%
0.9%
2.9%
4.6%
6.7%
10.0%
13.6%
15.7%
15.2%
17.4%

quanto o CHADS2 tem mostrado popularidade decrescente, (Habboushe et al. (2019)) o que
pode estar relacionado à introdução de diretrizes que recomendam o uso do escore CHA2 DS2 VASc para estratificação de risco do AVC. O percentual de risco de AVC baseado no escore
do CHA2 DS2 -VASc possuí algumas validações, e seus valores possuem leves alterações de
acordo com os autores de cada uma delas, como podemos obervar na Tabela 3.2 (Friberg et al.
(2012c), Lip et al. (2010)). Friberg ainda fornece o risco anual de ocorrência do ataque isquemico transitóro (ou simplesmente mini AVC), ou embolia sistêmica, como podemos observar na
Tabela 3.3.

3.5

Classificador NYHA (New York Heart Association)

A Insuficiência Cardíaca é uma síndrome clínica, caraterizada pela intolerância ao exercício
e/ou sinais de congestão na presença de uma condição cardíaca (congênita ou adquirida). A
utilização da classificação funcional da New York Heart Association (NYHA)(Bredy et al. (2018),

Background

43
Tabela 3.4: Classificação NYHA - Classes Funcionais

NYHA

Sintomas do Paciente

Classe I
Classe II
Classe III
Classe IV

Assintomático
Levemente Assintomática
Sintomático
Sintomático em Repouso

Tabela 3.5: Mortalidade a partir da Classificação NYHA

NYHA

Sem Tratamento

Com Tratamento

Padrão

I
II
III
IV

5-19%
15-40%
15-40%
44-64%*

5-10%
5-10%
10-15%
30-40%

10-15%
10-15%
15-20%
20-50%

Bennett et al. (2002)) é recomendada no contexto clínco para avaliar a gravidade da insuficiência
cardíaca. Esta avaliação subjetiva do estado funcional dos pacientes é importante para o seu
diagnóstico e gestão, todavia também é importante por razões prognósticas. Existem vários
estudos na literatura voltados para o aprimoramento deste classificador (Kubo et al. (2004)).
Na Tabela 3.4 podemos observar a classificação NYHA com base nos sintomas do paciente. A Classe I referente aos pacientes assintomáticos, ou seja, aqueles com cardiopatia estrutural definida e diagnósticada, porém sem sintomas e sem limitações para atividades físicas.
A Classe II referente aos pacientes levemente assintomáticos, i.e., pacientes que apresentam
sintomas desencadeados por atividades habituais, como subir lances de escada por exemplo.
Classe III dos sintomáticos, pacientes que apresentam sintomas com atividades menores que
as habituais, como tomar banho, falar ou comer. Por fim, a Classe IV, dos pacientes sintomáticos
em repouso.
A sobrevida do paciente está de acordo com a classe funcional na qual ele está inserido. Sobrevida esta que varia acentuadamente não só com a classificação recebida, quanto com outros
fatores, como idade, gênero, raça, dentre outros. Tais fatores quando levados em consideração
aumentam a precisão da mortalidade predita. Na tabela 3.5 iremos adotar as convenções da
literatura que mostram os intervalos de mortalidade em percentuais, dentro de um intervalo que
varia entre 1 e 4 anos, variando os cenários onde nenhum tratamento está sendo feito, com
tratamento adotado(Bredy et al. (2018)).

3.6

Ciência de Dados

Embora não seja novo, o termo ciência de dados, os significados e suas conotações mudaram
ao longo do tempo. A palavra apareceu pela primeira vez na década de 1960 como um nome

Background

44

alternativo para estatísticas. No final da década de 1990, profissionais de ciência da computação formalizaram o termo. Uma definição proposta para ciência de dados o viu como um campo
separado com três aspectos: design de dados, coleta e análise. Ainda levou mais uma década
para que o termo fosse usado fora da academia.
A ciência de dados (Dhar (2013)) é o estudo dos dados para extrair informações significativas. É uma abordagem multidisciplinar que combina princípios e práticas das áreas de
matematica, estatística, inteligência artificial e engenharia da computação para analisar grandes quantidades de dados. Essa análise ajuda os cientistas de dados a fazer e responder
perguntas como o que aconteceu, por que aconteceu, o que acontecerá e o que pode ser feito
com os resultados. Sua importância é associada ao fato de combinar ferramentas, métodos e
tecnologias para gerar siginificado com base nos dados avaliados. Cientistas de dados podem
converter dados brutos em recomendações para tomadas de decisão. A ciência de dados é utilizada para estudar dados de quatro maneiras principais: Análise descritiva, análise diagnóstica,
análise preditiva e análise prescritiva.

• Análise descritiva: Analisa os dados para obter insights sobre o que aconteceu ou o
que está acontecendo no ambiente de dados. Ela é caracterizada por visualizações de
dados, como gráficos de pizza, gráficos de barras, gráficos de linhas, tabelas ou narrativas
geradas.

• Análise diagnóstica: Análise aprofundada ou detalhada de dados para entender por que
algo aconteceu. Ela é caracterizada por técnicas como drill-down, descoberta de dados,
mineração de dados e correlações. Várias operações e transformações de dados podem
ser realizadas em um determinado conjunto de dados para descobrir padrões exclusivos
em cada uma dessas técnicas.

• Análise preditiva: Usa dados históricos para fazer previsões precisas sobre padrões de
dados que podem ocorrer no futuro. Ela é caracterizada por técnicas como machine learning, previsão, correspondência de padrões e modelagem preditiva. Em cada uma dessas
técnicas, os computadores são treinados para fazer engenharia reversa de conexões de
causalidade nos dados.

• Análise prescritiva: A análise prescritiva leva os dados preditivos a um novo patamar.
Ela não só prevê o que provavelmente acontecerá, mas também sugere uma resposta
ideal para esse resultado. Ela pode analisar as potenciais implicações de diferentes escolhas e recomendar o melhor plano de ação. A análise prescritiva usa análise de gráficos, simulação, processamento de eventos complexos, redes neurais e mecanismos de
recomendação de machine learning.

Background

3.6.1

45

Processo de Ciência de Dados - OSEMN

Um cientista de dados trabalha com as partes interessadas do negócio para compreender quais
são as necessidades de cada negócio. Uma vez definido o problema, o cientista de dados pode
solucioná-lo usando o processo de ciência de dados OSEMN:

• O: Obter dados: Os dados podem ser pré-existentes, recém-adquiridos ou um repositório de dados que pode ser baixado da Internet. Os cientistas de dados podem extrair
dados de bancos de dados internos ou externos, software de CRM da empresa, logs de
servidores da Web, mídias sociais ou comprá-los de fontes confiáveis de terceiros.

• S: Suprimir dados A supressão de dados, ou limpeza de dados, é o processo de padronização dos dados de acordo com um formato predeterminado. Ela inclui lidar com a
ausência de dados, corrigir erros de dados e remover quaisquer dados atípicos.

• E: Explorar dados A exploração de dados é uma análise de dados preliminar que é
usada para planejar outras estratégias de modelagem de dados. Os cientistas de dados
obtêm uma compreensão inicial dos dados usando estatísticas descritivas e ferramentas
de visualização de dados. Em seguida, eles exploram os dados para identificar padrões
interessantes que podem ser estudados ou acionados.

• M:Modelar dados Os algoritmos de software e machine learning são usados para obter
insights mais profundos, prever resultados e prescrever o melhor plano de ação. Técnicas de machine learning, como associação, classificação e clustering, são aplicadas ao
conjunto de dados de treinamento. O modelo pode ser testado em relação a dados de
teste predeterminados para avaliar a precisão dos resultados. O modelo de dados pode
ser ajustado várias vezes para melhorar os resultados.

• N: Interpretar resultados Os cientistas de dados trabalham em conjunto com analistas
e empresas para converter insights de dados em ação. Eles fazem diagramas, gráficos
e tabelas para representar tendências e previsões. A sumarização de dados ajuda as
partes interessadas a entender e implementar os resultados de forma eficaz.

3.6.2

Ténicas de Ciência de Dados

O princípio básico por trás das técnicas de ciência de dados, busca (i) Ensinar uma máquina
a classificar dados com base em um conjunto de dados conhecido. (ii) Fornecer dados desconhecidos à máquina e permitir que o dispositivo classifique o conjunto de dados de forma
independente. E (iii) Permitir imprecisões de resultados e lidar com o fator de probabilidade do
resultado.

Background

46

Classificação
Trata-se da ordenação de dados em grupos ou categorias específicos. Os computadores são
treinados para identificar e classificar dados. Conjuntos de dados conhecidos são usados para
criar algoritmos de decisão em um computador que processa e categoriza rapidamente os dados. Exemplo: Classificar sentimento de tweets como positivos ou negativos sobre determinado
tema.
Regressão
Método de encontrar uma relação entre dois pontos de dados aparentemente não relacionados.
A conexão geralmente é modelada em torno de uma fórmula matemática e representada como
um gráfico ou curvas. Quando o valor de um ponto de dados é conhecido, a regressão é usada
para prever o outro ponto de dados. Exemplo: A relação entre o sentimento dos tweets de
determinado tema, e uma notícia sobre o mesmo.
Clustering
Método de agrupar dados intimamente relacionados para procurar padrões e anomalias. O clustering é diferente da classificação porque os dados não podem ser classificados com precisão
em categorias fixas. Portanto, os dados são agrupados em relações mais prováveis. Novos
padrões e relações podem ser descobertos com o clustering. Por exemplo: Agrupar artigos em
diversas categorias de notícias diferentes e usar essas informações para encontrar conteúdo de
notícias falsas.

3.6.3

Big Data

Big Data é o termo que trata sobre grandes conjuntos de dados que precisam ser processados
e armazenados. O conceito do Big Data se iniciou com 3 Vs : Velocidade, Volume e Variedade. Mas já pode ser extendido para 5 Vs, considerando Valor e Veracidade. Atualmente,
em decorrência dos avanços tecnologicos, o volume de dados gerado é monstruoso, todos os
dias bilhões de novas informações são geradas globalmente, a partir de Apps, Sistemas, TVs,
Celulares, aparelhos com IoT (Internet of Things ou Internet das Coisas) capturam, processm e
armazenam novos dados.

3.7

Aprendizagem de Máquina

O Aprendizado de Máquina (Machine Learning - ML) (Mitchell et al. (1990)) é uma área da Inteligência Artificial que tem como objetivo o desenvolvimento de técnicas computacionais sobre

Background

47

o aprendizado e construção de sistemas capases de adquirir conhecimento de forma automatizada. Um sistema de aprendizado é um programa computacional capaz de tomar decisões com
base em experiências acumuladas, tomando com base soluções anteriores bem sucedidas.
Sistemas de Aprendizagem de Máquina possuem peculiaridades que permitem classificações
quanto a linguagem de descrição, modo, paradigma e forma de aprendizado utilizado. As principais formas de aprendizado são classificadas como (i) Supervisionado, (ii) Não Supervisionado
e (iii) Por Reforço.

3.7.1

Aprendizado Supervisionado

O Aprendizado Supervisionado costuma ser aplicado em cenários de classificação. Trata-se
de uma tarefa preditiva (Figura 3.17), uma forma de aprendizagem de máquina que consiste
em ensinar o modelo o que ele deve fazer, fornecendo para cada entrada a saída desejada,
também chamado de rótulo. A disponibilidade destes rótulos no conjunto de dados, permite
que os algoritmos supervisionados selecionem as características mais efetivas na distinção de
instâncias de diferentes rótulos. Neste cenário, as características são selecionadas a partir
conjunto de dados de treinamento. Dessa forma, não são utilizados todas as propriedades no
treinamento do modelo de aprendizagem supervisionada, inicialmente seleciona-se um subconjunto de características, após isso aplica-se o conjunto de dados resultantes sobre o modelo
de aprendizagem utilizado. Em resumo, ocorre quando apresentamos ao algoritmo dados de
entrada e as respectivas saídas.

3.7.2

Aprendizado Não Supervisionado

Os modelos de aprendizado não supervisionados são voltados para problemas de clusterização.
Trata-se de uma tarefa descritiva. Neste cenário não há informações sobre os dados esperados
enquanto saída (rótulos). Sem esta informação para elencar a efetividade das características,
este tipo de modelo (não supervisionado) utiliza de outros critérios para analisar a relevância de
cada característica, obtendo uma melhor percepção e descrição sobre a estrutura tratada, detectando agrupamentos implícitos, e características úteis para categorização. O critério adotado

Figura 3.17: Aprendizado Supervisionado - Modelo Preditivo
Escovedo (2020)

Background

48

deve preservar a estrutura múltipla dos dados originais. Em resumo, ocorre quando apresentamos somente os dados de entrada, e o algoritmo descobre as saídas. Existem duas formas
de utilizar algoritmos de agrupamento: (i) buscando indicadores de agrupamento paralelo à
seleção de caracteristicas supervisionadas dentro de uma estrutura unificada. (ii) Busca inicialmente o indicador de agrupamento, depois utiliza uma característica de inclusão ou exclusão
de outras características, repetindo o processo até que determinado critério seja satisfatório.
Modelos Semi-supervisionados
O Modelo Semi-supervisionado é indicado para cenários onde a base de dados apresente parte
rotulada, e parte não rotulada. Todavia, a maioria dos modelos semi-supervisionados existentes dependem da construção de uma matriz de similaridade, com o objetivo de selecionar as
características mais relevantes. Tanto informações dos rótulos quanto medidas de similaridade
entre os dados são considerados para a construção da matriz de similaridade. A partir disto, as
informações rotuladas disponibilizam aspectos que irão diferenciar as características relevantes, e os dados não rotulados iram prover informações complementares. (Sammut and Webb,
2017).

3.7.3

Aprendizado Por Reforço

O Aprendizado por Reforço (Figura 3.19) é baseado na tentativa e erro, sob a exploração de um
espaço desconhecido, e evolução baseada em recompensa. Os algoritmos aprendem políticas
para agir através da interação repetida com o ambiente, o qual provê recompensa positiva ou
negativa para o algoritmo, assim adquire experiência em decisões ou passos subsequentes O
agente aprende a atingir uma meta em um ambiente incerto e potencialmente complexo. No
aprendizado por reforço, o sistema de inteligência artificial enfrenta uma situação

3.8

Algoritmos

Nesta seção iremos apresentar o cojunto dos algoritmos que foram utilizados na elaboração do
modelo de prognóstico proposto. Ánalise dos Principais Componentes (PCA), K Vizinhos Mais
Próximos (KNN) e Árvore de Decisão (DT).

3.8.1

Ánalise dos Principais Componentes (PCA)

O objetivo do processo de Análise dos Principais Componentes é reduzir a quantidade de variáveis que são aplicadas em um modelo de Aprendizado de Máquina. A etapa de redução de
características pode ser feita através da análise e processamento das características, com o
objetivo de reconhecer quais são as mais relevantes dentre as existentes. As aplicações de

Background

49

Figura 3.18: Exemplos de Aplicações dos Tipos de Aprendizagem
Maia (2020)

Figura 3.19: Aprendizagem por Reforço
Maia (2020)

Background

50

Figura 3.20: Seleção de características - Categorias
(Sammut and Webb, 2017)
seleção de características está presente nas mais diversas áreas. Identificar a correlação e dependência entre as variáveis, possibilita eliminar variáveis irrelevantes, trazendo melhorias no
desempenho do modelo implementado.
Faz-se necessária a definição de um critério para remover características que não tenham
um nível de relevância aceitável com a variável alvo. Entretanto, é necessário ressaltar que a
remoção de características irrelevantes não tem relação com métodos de redução de dimensionalidade de um conjunto de dados, tais como o Principal Component Analysis (PCA). A
eliminação de propriedades através de técnicas de seleção de características não cria novas
propriedades. Pois uma vez que é selecionado um critério de seleção de características, é iniciado um procedimento para encontrar um subconjunto de características úteis dentro do conjunto
analisado (CHA, 2014).
Sua aplicação está presente em diversas áreas, tais como análise de dados, reconhecimento de imagens, mineração de texto, seleção de indicadores de maior peso para determinada
doença, etc. Podem ser classificados de acordo com o padrão utilizado. Quando feito de acordo
com os dados de treinamento, estes podem ser classificados como modelos supervisionados,
não supervisionados e semi-supervisionados. Quando analisados de acordo os métodos de
aprendizagem, podem ser classificados como Filters, Wrappers e Embedded.(Cai et al., 2018).
A Figura 3.20 demonstra um diagrama sobre a categorização dos modelos de seleção de características.

• Filter: Estabelece um ranqueamento das características utilizando critérios pré-definidos.
Sua execução occore anterior à aplicação dos modelos de Machine Learning, e são independentes do modelo aplicado no estudo. Este tipo de técnica pode ser classificado
de acordo com os parâmetros de filtragem que empregam, tais como nível de dependên-

Background

51

cia entre as propriedades ou grau de similidade. Porém, este tipo de modelo não leva em
consideração o viés e as heurísticas dos algoritmos de aprendizagem de máquina. Dessa
forma, podem ser que faltem recursos que são relevantes para o algoritmo de aprendizagem alvo. Alguns dos critérios utilizados neste tipo de classificação das características são: a capacidade efetiva de separar amostras de diferentes classes considerando
a variação de classes e a variância entre elas, além de analisar a dependência entre
uma característica e o rótulo da instância analisada, verificar também a correção entre
as classes dos dados e entre as características presentes. Porém, vale ressaltar que a
principal desvantagem deste tipo de abordagem é que é ignorado totalmente o efeito do
subconjunto de características selecionados na execução de algoritmos de classificação
ou agrupamento. (Sammut and Webb, 2017).

• Wrappers: Cria uma quantidade de subconjuntos pré-definido de acordo com a quantidade total de características. Posteriormente calcula um score para cada subconjunto
utilizando uma função objetiva específica. O subconjunto com a maior performance é
selecionado, desconsiderando os demais subconjuntos. Geralmente este tipo de modelo possuem um maior custo de processamento computacional quando comparado com
os algoritmos filters.O subconjunto de características considerado ideal depende do viés
e heurísticas específicas dos algoritmos de aprendizagem. Com base nisto, modelos
wrappers usam algoritmos de aprendizagem específicos na avaliação da qualidade das
características (Sammut and Webb, 2017).

• Embedded: Combinação dos dois métodos supracitados. Sua vantagem é ser mais
performático em relação ao método wrappers, uma vez que realiza a integração de forma
paralela entre o modelo e as características selecionadas. Pode ser realizado através de
uma função objetiva dividida em duas partes, um termo de adequação e, uma penalidade
para um subconjunto com um número elevado de características (Sammut and Webb,
2017).

3.8.2

Máquinas de Vetores Suporte (SVM)

Máquina de vetores suporte, ou simplesmente SVM, é um algoritmo de aprendizado de máquina
supervisionado que pode ser utilizado para classificação ou regressão. Seu foco está no treinamento e classificação de um dataset. Neste algoritmo, cada item é disposto como um ponto no
espaço n-dimensional, onde n é o número de recursos disponíveis. O valor de cada um destes
recursos será uma coordenada, e a classificação ocorre identificando o hiperplano que melhor
divide os dados em duas classes.
Os chamados vetores de suporte são apenas as coordenadas de observação individual.
SVM é a fronteira que melhor segrega as duas classes (hiperplano, ou linha). As SVMs podem
ter suas margens em três casos, as margens rígidas (lineares), margens suaves, e as margens

Background

52

Figura 3.21: Hiperplano - SVM - Linear
(Addan, 2019)

Figura 3.22: Hiperplano - SVM - Suave
(Lorena and Carvalho, 2007)
não lineares. (i) As margens rígidas, também chamadas de lineares, definem fronteiras lineares
a partir de dados linearmente separáveis, isto é, torna-se possível separar completamente os 2
conjuntos de dados com o hiperplano identificado, como observa-se na Figura 3.21. (ii) Já as
margens suaves, não conseguem separar completamente os dados em seu hiperplano, permitindo então que alguns dados violem o hiperplano, sendo então o melhor hiperplano aquele que
somar o menor número de dados no campo errado do hiperplano, podemos observar o exemplo
na Figura 3.22. (iii) Por fim, as SVMs não lineares, onde se faz necessária a alteração da dimensão dos dados para a melhor separação dos dados através do hiperplano, como podemos
observar na Figura 3.23, onde é necessária a mudança da segunda para a terceira dimensão.

Background

53

Figura 3.23: Hiperplano - SVM - Não Linear
(Lorena and Carvalho, 2007)

3.8.3

Redes Neurais (RN)

Dentre os algoritmos mais utilizados para o diagnóstico e prognóstico de arritmia, encontram-se
as redes neurais e suas variações, como redes neurais profundas, recorrentes e convolucionais.
Neste tópico iremos introduzir a ideia de rede neural, que será a base para ideias dos próximos
tópicos.
Em 1986 foi feita a publicação do clássico Parallel Distributed Processing, editado por Rummelhart e McClelland (PDP Research Group da Universidade da Califórnia em San Diego).
Após esta publicação a área de redes neurais desenvolveu-se exponencialmente entre os Journal’s, associações internacionais, teses e papers científicos. Naturalmente surgiram também
várias empresas para exploração de produtos de software, desenvolvimento de aplicações ou
simulações acadêmicas que envolviam redes neurais.
As Redes Neurais Artificiais são técnicas da computação que representam um modelo matemático inspirado na estrutura neural de organismos inteligentes, e que adquirem conhecimento
através da experiência. Uma rede neural robusta pode ter centenas ou milhares de unidades de
processamento. Já o cérebro de um mamífero pode ter bilhões de neurônios. (Figura 3.25)
Os neurônios se comunicam através de sinapses. Sinapse é a região onde dois neurônios entram em contato e através da qual os impulsos nervosos são transmitidos entre eles.
Os impulsos recebidos por um neurônio A, em um determinado momento, são processados,
e atingindo um dado limiar de ação, o neurônio A dispara, produzindo uma substância neurotransmissora que flui do corpo celular para o axônio, que pode estar conectado a um dendrito
de um outro neurônio B. O neurotransmissor pode diminuir ou aumentar a polaridade da membrana pós-sináptica, inibindo ou excitando a geração dos pulsos no neurônio B. Este processo
depende de vários fatores, como a geometria da sinapse e o tipo de neurotransmissor.

Background

54

Figura 3.24: Constituintes da célula neuronal
(USP)

Figura 3.25: Esquema de Unidade McCullock - Pitts
(USP)
Uma rede neural artificial é composta por várias unidades de processamento, cujo funcionamento é bastante simples. Essas unidades, geralmente, são conectadas por canais de comunicação que estão associados a determinado peso. As unidades fazem operações apenas sobre
seus dados locais, que são entradas recebidas pelas suas conexões. O comportamento inteligente de uma Rede Neural Artificial vem das interações entre as unidades de processamento
da rede.
A operação de uma unidade de processamento, proposta por McCullock e Pitts em 1943,
pode ser resumida da seguinte maneira: (1) Sinais são apresentados à entrada; (2) Cada sinal
é multiplicado por um número, ou peso, que indica a sua influência na saída da unidade; (3)
É feita a soma ponderada dos sinais que produz um nível de atividade; (4) Se este nível de
atividade exceder um certo limite (threshold) a unidade produz uma determinada resposta de
saída.

Background

55

Figura 3.26: Organização em Camadas - Rede Neural
(USP)
A maioria dos modelos de redes neurais possui alguma regra de treinamento, onde os pesos
de suas conexões são ajustados de acordo com os padrões apresentados. Em outras palavras,
elas aprendem através de exemplos. Arquiteturas neurais são tipicamente organizadas em
camadas, com unidades que podem estar conectadas às unidades da camada posterior.
Usualmente as camadas são classificadas em três grupos (Figura 3.26): (i) Camada de Entrada: onde os padrões são apresentados à rede; (ii) Camadas Intermediárias ou Escondidas:
onde é feita a maior parte do processamento, através das conexões ponderadas; podem ser
consideradas como extratoras de características; (iii) Camada de Saída: onde o resultado final
é concluído e apresentado.
Uma rede neural é especificada, principalmente pela sua topologia, pelas características
dos nós e pelas regras de treinamento. A propriedade mais importante das redes neurais é a
habilidade de aprender de seu ambiente e com isso melhorar seu desempenho. Isso é feito através de um processo iterativo de ajustes aplicado a seus pesos, o treinamento. O aprendizado
ocorre quando a rede neural atinge uma solução generalizada para uma classe de problemas.
Denomina-se algoritmo de aprendizado a um conjunto de regras bem definidas para a solução
de um problema de aprendizado. Existem muitos tipos de algoritmos de aprendizado específicos
para determinados modelos de redes neurais, estes algoritmos diferem entre si principalmente
pelo modo como os pesos são modificados.
Outro fator importante é a maneira pela qual uma rede neural se relaciona com o ambiente.
Nesse contexto existem os seguintes paradigmas de aprendizado: (i) Aprendizado Supervisionado, quando é utilizado um agente externo que indica à rede a resposta desejada para o
padrão de entrada; (ii) Aprendizado Não Supervisionado (auto-organização), quando não existe
uma agente externo indicando a resposta desejada para os padrões de entrada; (iii) Reforço,
quando um crítico externo avalia a resposta fornecida pela rede.

Background

56

Figura 3.27: K Vizinhos Mais Próximos (KNN)
(Fukunaga and Narendra, 1975)
Denomina-se ciclo uma apresentação de todos os N pares (entrada e saída) do conjunto de
treinamento no processo de aprendizado. A correção dos pesos num ciclo pode ser executada
de dois modos: (1) Modo Padrão: A correção dos pesos acontece a cada apresentação à rede
de um exemplo do conjunto de treinamento. Cada correção de pesos baseia-se somente no
erro do exemplo apresentado naquela iteração. Assim, em cada ciclo ocorrem N correções.
(2) Modo Batch: Apenas uma correção é feita por ciclo. Todos os exemplos do conjunto de
treinamento são apresentados à rede, seu erro médio é calculado e a partir deste erro fazem-se
as correções dos pesos.

3.8.4

K Vizinhos Mais Próximos (KNN)

O KNN foi proposto por Fukunaga e Narendra (Fukunaga and Narendra, 1975) em 1975. É um
dos classificadores mais simples de ser implementado, de fácil compreensão e ainda hoje pode
obter bons resultados dependendo de sua aplicação. A ideia central do KNN é determinar o rótulo de classificação de uma amostra com base nas amostras vizinhas derivadas de um conjunto
de treinamento. Na Figura 3.27 há um problema de classificação com dois rótulos de classe e
com k = 7. Neste caso, são aferidas as distâncias de uma nova amostra, representada por uma
estrela, e as demais amostras de treinamento, representadas por esferas azuis e laranjas. A
variável K representa a quantidade de vizinhos mais próximos que serão adotados para verificar
a que classe esta nova amostra pertence. Desta forma, das sete amostras de treinamento mais
próximas da nova amostra, 4 são do rótulo A (laranja) e 3 do rótulo B (azul). Logo, uma vez
que existem mais vizinhos com rótulo A, a nova amostra recebera o mesmo rótulo deles, i.e., A.
As duas métricas determinantes que devem ser defininas na aplicação do KNN são métrica de
distância e o valor de k zinhos.

Background

57

Quanto ao cálculo da distância existem várias métricas adotadas, variando de acordo com
o problema. Todavia, a mais utilizada é a distância Euclidiana, descrita na equação abaixo.

(1)DE (p, q) =

p
p
(p1 − q1 )2 + · · · + (pn − qn )2 = ∑ni=1 (pi − qi )2

Outros exemplos incluem Minkowsky e Chebyshev, equações descritas abaixo.


1
r
n
r
(2)DM (p, q) = ∑i=1 |pi − qi |
Minkowsky
(3)DC (p, q) = maxi (|pi , qi |) Chebyshev
Em todos os casos, p = (p1 , · · · , pn ) e q = (q1 , · · · , qn ) são dois pontos n-dimensionais e na
Equação 2, r é uma constante que deve ser escolhida. Em nosso exemplo (Figura 3.27), estas
distâncias seriam calculadas entre as bolas (azuis e laranjas) e a estrela (nova entrada).
Sobre a escolha do valor k, não existe um valor único para a constante, a mesma vai variar
de acordo com a base de dados em que está sendo aplicada. A recomendação é pelo uso de
valores primos (ou ímpares), mas o valor considerado ótimo vai variar de acordo com a base de
dados.

3.8.5

Florestas Aleatória

Floresta Aleatória ou Random Forest (RF) (Breiman, 2001) é um algoritmo de aprendizado de
máquina, especificamente o aprendizado supervisionado. Um dos algoritmos mais utilizados
por usa precisão, flexibilidade e simplicidade. Em virtude de poder ser utilizado tanto para
tarefas de classificação quanto para tarefas de regressão, mesclando sua caraterística linear,
faz deste um algoritmo altamente adaptável a uma variedade de dados e contextos.
Proposto em 1995 por Tin Kam Ho, desenvolvendo uma fórmula para usar dados aleatórios
para criar previsões. Em 2006, Leo Breiman e Adele Cutler estenderam o algoritmo e criaram
florestas aleatórias como conhecido atualmente. Dito isso, essa tecnologia, a matemática e a
ciência por trás dela, são relativamente novas.
O termo floresta faz referência ao desenvolvimento de uma árvore de decisão. Os dados
dessa árvore são mesclados visando garantir as previsões mais precisas. Enquanto uma árvore de decisão individual tem um resultado e uma gama restrita de grupos, a floresta garante
um resultado mais preciso, com um número maior de grupos e respectivas decisões (Figura
3.28. Seu benefício é adicionar aleatoriedade ao modelo, encontrando o melhor recurso e um
subconjunto aleatorio de recursos.

Background

58

Figura 3.28: Floresta Aleatória (Random Forest)
(Shahhosseini)

3.8.6

Naïve Bayes (NB)

O Naïve Bayes (Murphy et al., 2006) é um dos modelos mais populares no aprendizado de
máquina. Ao tomar como premissa a suposição de independência entre as variáveis do problema, o modelo de Naïve Bayes realiza uma classificação probabilística de observações,
caracterizando-as em classes pré-definidas. Trata-se de um modelo adequado para classificação de atributos discretos, tem aplicações na análise de crédito, diagnósticos médicos ou
busca por falhas em sistemas mecânicos. O termo naïve, (do inglês, ingênuo) se refere à premissa central do algoritmo de que os atributos considerados são não correlacionados entre si.
Vale ressaltar que este modelo é um dos mais conhecidos a aplicar o conceito de probabilidade,
fazendo uso do teorema de Bayes como princípio fundamental. Teorema este desenvolvido pelo
estatístico, filósofo e ministro presbiteriano Thomas Bayes (1701 - 1761).

P(E)P(E) = P(H)P(H)
Onde P(H) é a probabilidade de que uma hipótese (H) seja verdadeira, antes de qualquer
evidência (E) ser conhecida. O termo P(H) é a probabilidade de observarmos uma evidência

(E), dado que a hipótese (H) é verdadeira. Por outro lado, P(E) é a probabilidade de observação da evidência (E) e P(E) é a probabilidade de que a hipótese (H) seja verdadeira, dada a
evidência observada (E).

4
Modelo Proposto

Nesta seção será apresentado o modelo proposto para o prognóstico de morbidade e mortalidade em pacientes diagnosticadoscom taquicardia. Descrição de seu objetivo, relevância da
proposta, contexto de aplicação, definição do experimento, descrição dos cenários utilizados.

4.1

Modelo

A proposta deste trabalho visa realizar predições quanto à morbidade e mortalidade em pacientes diagnosticadoscom taquicardia, caso onde os batimentos por minuto (bpm) ficam acima
do normal. Tomamos como hipótese, que o paciente diagnosticado com arritmia, seja do tipo
taquicardia ventricular, com agravamento para insuficiência cardíaca e consequente fibrilação
ventricular, como podemos observar na Figura 4.2. A predição da morbidade será baseada em
uma relação com os scores CHA2 DS2 -VASc(Figura 3.1) e Hábitos do paciente (Tabagismo, IMC
e estresse). Os scores serão normalizados e por definição categorizados por quartis, de acordo
com a classificação NYHA(Bredy et al., 2018). A predição da morbidade irá retornar como os
sintomas se apresentam no paciente, desde assintomáticos (NYHA I), variando para levemente
assintomático (NYHA II), sintomáticos (NYHA III), até os sintomáticos em repouso (NYHA IV).
A mortalidade por sua vez será obtida a partir das classificações do NYHA, que possui taxas
de mortalidade definidas por padrão, em casos onde não se é adotado nenhum tratamento, e
em casos onde o tratamento adequado é adotado. Trazendo aos cardiologistas uma ferramenta
que possa auxiliar no contexto de tomadas de decisão dado o prognóstico obrido.

4.1.1

Definição do Experimento

A estratégia utilizada no desenvolvimento da experimentação deste modelo consiste em:

• Identificar indicadores do score CHA2 DS2 -VASc.
59

Modelo Proposto

60

• Identificar fatores de risco das arritmias, em específico, taquicardias, associados aos hábitos.

• Identificar uma base de dados satisfatória para o cenário, ou seja, uma base que contenha
o maior número possível de variáveis equivalentes aos indicadores dos scores adotados.

• Tratar a base selecionada, desde o pré-processamento, com limpeza e enriquecimento
dos dados dispostos, até a transformação dos mesmos. Dispondo assim de variáveis nos
parâmetros do modelo (Dhar, 2013).
Etapa de limpeza deve eliminar colunas que não possuam informações relevantes,
como tipo de trabalho, estado civil, id, dentre outros. Eliminar as linhas que possuam
alguma coluna sem valores (nan).
O enriquecimento dos dados, visa gerar, a partir dos dados já existentes, informações
que alimentem a necessidade dos parâmetros do modelo. Como, por exemplo, assumir o
ambiente enquanto urbano ou rural, como um indicador de estresse, uma vez que estudos
apontam que a vida urbana tende a ser mais estressante que a vida em ambiente rural.
(Jaidka et al., 2021).
Transformar os dados para se adequar aos parâmetros do modelo. Por exemplo,
transformar as informações sobre peso e altura, em indice de massa corporal (imc), e
posteriormente utilizar o valor adquirido para classificar entre sobrepeso, obeso ou outros,
com seus respectivos pesos os pesos adotados no modelo.

• Uma vez gerados os scores CHA2 DS2 -VASc e Hábitos, atribuir pesos para uma média
ponderada entre estes valores, seguindo sua representatividade no cenário. Por exemplo,
(CHA2 DS2 -VASc x 0.7) + (HÁBITOS x 0.3).

• Categorizar classe NYHA com base no score obtido, a partir de uma distribuição pré
definida das 4 categorias. Por exemplo, distribuição em quartis (0-25%, 26-50%, 51-75%,
75-100%).

• Uma vez classificados por NYHA, será possível predizer a mortalidade do mesmo, de
acordo com a categoria e com os tratamentos adotados.

• O valor do score CHA2 DS2 -VASc fornece o risco de AVC, AIT ou embolia sistemica, baseados em Lip et al. (2010) e Friberg et al. (2012a).

4.1.2

Relevância da Proposta

As informações obtidas pelo modelo proposto, extraem a informação de insuficiência cardíaca
com base nos demais dados do CHA2 DS2 -VASc, gerando scores, que associados com os hábitos vão fornecer ao médico cardiologista, e ao próprio paciente, uma maior nitidez no prognóstico da taquicardia, dado um cenário específico, onde os portadores da taquicardia evoluam

Modelo Proposto

61

para taquicardia ventricular (TV), e avancem para insuficiência cardíaca (IC) e consequente fibrilação. Com a visão do prognóstico, o médico cardiologista será capaz de tomar decisões
acerca de que medicamentos adotar, em que dosagens, em que nível deve exigir as mudanças de hábitos do paciente avaliado, bem como acompanhar progresso ou regresso em novas
execuções/avaliações. Portanto, uma vez validado por um corpo médico composto por cardiologistas, tende a se tornar uma ferramenta de auxílio importante para aquisição de prognósticos,
inicialmente de taquicardia, mas adaptável a outros tipos, desde que assumidos os scores, riscos, e peculiaridades de cada um deles.

4.2

Descrição do Cenário Utilizado

O campo da cardiologia é vasto, composto por diversas doenças, cabendo ao modelo em questão, restringir o campo de estudo. Optou-se pelas arritmias, o conjunto de doenças cuja as
alterações nos ritmos dos batimentos geram problemas ao organismo do portador. Seus três
tipos clássicos incluem a bradicardia (batimentos inferiores aos 60bpm), taquicardia (batimentos
superiores aos 100bpm) e fibrilação (batimentos fora de padrão). A escolha pela taquicardia,
surge pela busca de um contexto de prognóstico em um intervalo de médio a longo prazo. Uma
vez que pacientes com bradicardia, em sua maioria, possuem um prognóstico positivo, convivendo com aquela doença por longos prazos. As fibrilações já consideram cenários mais críticos, com impactos a curto prazo. Em geral, ocorre em unidades de tratamento intensivo (UTI),
onde pacientes com a FA precisam de abordagens mais imediatas. Por fim, a taquicardia, casos
que são abordados por fármacos, mudanças de hábitos, e que precisam ser acompanhados de
perto em seu progresso ou regresso. Podemos visualizar o fluxo destas etapas na Figura 4.1.
Em nosso cenário, consideramos um paciente diagnosticado com taquicardia, sendo esta
de tipo maligno, como uma Taquicardia Ventricular (TV). A TV tem grandes chances de evoluir para uma fibrilação ventricular (FV), onde exatamente se aplica o score CHA2 DS2 -VASc,
mensurando o risco de ataque vascular cerebral (AVC), ataque isquêmico transitório (AIT) e
embolia sistêmica. Considerando que a FV pode evoluir para uma insuficiência cardíaca (IC),
utilizamos dos dados dispostos do CHA2 DS2 -VASc, onde a própria Insuficiência Cardíaca está
relacionada, para mensurar o risco do paciente desenvolver a IC (Figura 4.2. Assumindo o
subconjunto dos pacientes que, pelos nossos calculos, irão desenvolver a IC, relacionamos seu
score CHA2 DS2 -VASc ao score dos Hábitos e demais fatores de risco, gerando um score que
será categorizado de acordo com o NYHA, aplicável exatamente aos casos de IC. Tal categorização estará a prover o nível de morbidade do paciente, em relação a como os sintomas
serão apresentados: assintomático (I), levemente assintomático (II), sintomático (III) e sintomático em repouso (IV). Cada uma destas categorias citadas anteriormente já carregam sua taxa
de mortalidade definidas na literatura.

Modelo Proposto

62

Figura 4.1: Fluxo de Etapas/Estágios do Modelo

Modelo Proposto

Figura 4.2: Fluxo de Prognóstico da Morbidade e Mortalidade Taquicardia Ventricular

63

5
Metodologia

Nesta seção será descrita a metodologia do experimento, desde as ferramentas utilizadas, linguagens de implementação, frameworks e bibliotecas, até a base de dados utilizada, transformações realizadas, alterações no na estrutura do dataset, informações obtidas, descrição dos
parâmetros e métricas utilizadas.

5.0.1

Base de Dados

Na busca pela base de dados ideal houveram algumas dificuldades. Algumas tinham seus
dados com acesso restrito, outras tinham muitos dados faltantes em relação aos parâmetros
necessários ao modelo. Uma abordagem pessoal nos hospitais da cidade trouxe uma realidade
com a presença de muitos dados físicos, anotações em papéis, e afins. Bem como os prontuários eletrônicos dos pacientes (PEPs), apresentados pelo corpo médico que participou da
pesquisa, se apresentou em uma estrutura muito genérica, sem as especifidades necessárias
para o nosso modelo. A base adotada no modelo proposto e que mais se aproximou da necessidade de nosso cenário, neste momento, foi a base de Liu et al. (2019), um conjunto de dados
médicos não estruturados que foi utilizado para predição de ataque vascular cerebral (AVC) a
partir de uma abordagem híbrida de aprendizagem de máquina. A base dedados consiste em
12 atributos de 5110 pacientes. Os atributos incluem:

• Hipertensão
• Idade
• Doença Cardíaca
• Nível de Glicose
• AVC prévio
64

Metodologia

65

• Tipo de Residência: Rural ou Urbana
• Gênero: Masculino, Feminino e Outro
• Fumante: Fuma, Ex Fumante, Nunca Fumou
• IMC: Índice de Massa Corporal
• Tipo de Trabalho
• Se já foi casado
• Identificador

5.0.2

Ferramentas

Durante o desenvolvimento do modelo proposto foram utilizadas as seguintes ferramentas:

• Linguagem de programação Python (versão 3.9) (Van Rossum and Drake Jr, 1995).
Trata-se de uma linguagem de programação de alto nível, criada pelo holandês Van Russum. Dentre suas características estão a liberdade por ser um código aberto e gratuito, a
disponibilidade em diversos sistemas operacionais (Windows, Linux, MacOS, Smartphones), clareza com sua sintaxe limpa e direta, tipagem dinâmica, multiparadigma (Orientado à objetos, funcional e procedural), compilada e interpretada, costuma aumentar
produtividade justamente pelo conjunto de bibliotecas disponíveis.

• IDE Spyder (versão 5.2.2) (Raybaut, 2009),é um ambiente de desenvolvimento integrado
de plataforma cruzada de código aberto para programação científica na linguagem Python

• Numpy é uma biblioteca para linguagem de programação python que suporta o processamento de grandes, multi-dimensionais arranjos e matrizes, juntamente com uma grande
coleção de funções matemáticas de alto nível para operar sobre estas matrizes.

• Pandas (pandas development team, 2020) é uma biblioteca de software criada para a
linguagem Python para manipulação e análise de dados. Em particular, oferece estruturas
e operações para manipular tabelas numéricas e séries temporais. É software livre sob a
licensa licença BSD.

• Scikit-learn (Pedregosa et al., 2011) é uma biblioteca de aprendizado de máquina de
código aberto para a linguagem de programação Python.

• Orange Data Mining (Demšar et al., 2013) é um kit de ferramentas de visualização de
dados, aprendizado de máquina e mineração de dados de código aberto. Ele apresenta
um front-end de programação visual para análise exploratória de dados qualitativos rápida
e visualização interativa de dados.

Metodologia

66

Figura 5.1: Base de dados após remoção de elementos irrelevantes e aquisição da variável
estresse

5.0.3

Tratamento dos Dados

Dada a base original foram necessários tratamentos, como limpeza, enriquecimento, transformação e parametrização dos dados. Com o objetivo não só de descartar as variáveis sem
relevância, mas também com o intuito de adquirir novas informações baseados na literatura e
no que tínhamos a nossa disposição. Por fim, adequar os dados aos parâmetros dos scores e
técnicas adotadas (Figura 5.2)(Holanda).
Remoção de Dados Irrelevantes
Inicialmente a base conta com 12 descritores (colunas) de 5110 pacientes (linhas). Durante a
primeira etapa foram removidas as linhas que tinham qualquer dado faltante entre as 12 colunas, onde foram removidos um total de 201 pacientes (linhas), restando agora 4909 pacientes.
Nesse momento removemos as colunas que tinham dados irrelevantes para nossa finalidade.
Foram os casos das colunas ’id’ (identificador), ’ever-merried’(já foi casado) e ’work-type’ (tipo
de trabalho). Apóps a remoção destas 3 colunas temos como resultado a estrutura de (linhas,
colunas) = (4909, 9). Optou-se por remover elementos cujo genero atribuido fosse ’other’, apenas 1 caso existente, restando (4908, 9). Foram removidos um total de 1483 paciente, que
estavam com o status de ’smoke’(fumante) como ’unknow’ (desconhecido), restando (3425, 9).

Metodologia

67

Figura 5.2: Tratamento dos Dados
Algoritmo 5.1: Limpeza dos Dados
1

#remove rows with any nan value

2

df = df . dropna ()

3
4

# Remove id, ever-married, work-type

5

df = df . drop ([ ’id ’], axis =1)

6

df = df . drop ([ ’ ever _ married ’], axis =1)

7

df = df . drop ([ ’ work _ type ’], axis =1)

8
9

# remove rows with gender value ’Other’

10

df = df [ df [ ’ gender ’] != ’ Other ’]

11
12

# Remove smoking-status ’Unknow’

13

df = df [ df [ ’ smoking _ status ’] != ’ Unknown ’]

Transformação dos Dados
Uma vez finalizada a limpeza dos dados, faz-se necessário a transformação de alguns dados,
como tornar dados descritivos em dados binários, ou categóricos. Toda transformação é baseada na necessidade do modelo, consequentemente na necessidade dos scores utilizados:
CHA2 DS2 -VASc (3.1) e Hábitos(Feitosa et al., 2002).

Metodologia

68

Embasados no artigo de Webb and Collette (1979), inferimos da variável ’residence-type’,
que recebia ’Urbano’ ou ’Rural’, em 1 e 0 respectivamente, como parâmetros da nova varíavel
estresse. Neste momento, temos a base de dados como representada na Figura Transformamos o gênero ’Male’ em zero, e ’Female’ em 1, uma vez que no score CHA2 DS2 -VASc é
atribuído um peso maior quando se trata de um paciente do gênero feminino. Transforma-se a
idade, onde pacientes com 75 ou mais anos de idade recebem peso 2, pacientes entre 65 e 74
recebem peso 1, e aqueles que tiverem menos de 65 anos, tem peso zero. Transformamos a
média do nível de glicose, em diabetes, uma vez que glicose maior ou igual a 126mg/dl indica
diagnóstico de diabetes(1), e valores abaixo deste (0).
Renomeamos as variáveis para o português, e para o indicador do score, quando necessário: bmi (body mass index) para imc (índice de massa corporal), stroke para avc, age para
idade, gender para sexo, hypertension para hipertensao, heart-disease para doenca-vascular,
stress para estresse, smoking-status para tabagismo, e avg-glucose-level para diabetes.
Algoritmo 5.2: Transformação dos Dados
1

# Gender

2

df = df . replace ( ’ Male ’, 0)

3

df = df . replace ( ’ Female ’, 1)

4
5

# Set score according age of pacient cha2ds2-vasc

6

df . loc [ df . age < 65 , ’age ’] = 0

7

df . loc [(( df . age >= 65) & ( df . age < 75)) , ’age ’] = 1

8

df . loc [ df . age >= 75 , ’age ’] = 2

9
10
11

#categoriza diabetes de acordo com o n v e l de glicose

12

df [ ’avg _ glucose _ level ’] = np . where (( df . avg _ glucose _ level < 126) ,0 ,

13

df . avg _ glucose _ level )

14

df [ ’avg _ glucose _ level ’] = np . where (( df . avg _ glucose _ level >= 126) ,1 ,

15

df . avg _ glucose _ level ) #Diabetes

16
17
18

# Set score according smoking of pacient

19

df [ ’ smoking _ status ’] = np . where (( df . smoking _ status == ’ smokes ’),

20

2, df . smoking _ status ) #Fumante

21

df [ ’ smoking _ status ’] = np . where (( df . smoking _ status == ’ formerly smoked ’),

22

1, df . smoking _ status ) #Ex Fumante

23

df [ ’ smoking _ status ’] = np . where (( df . smoking _ status == ’ never smoked ’),

24

0, df . smoking _ status )

25
26

Metodologia

69

27

# categorizar bmi para se o valor for entre 25 e 30

28

df [ ’bmi ’] = np . where (( df . bmi < 25) ,0 , df . bmi )

29

#Sobrepeso

30

df [ ’bmi ’] = np . where ((( df . bmi >= 25) & ( df . bmi <= 30)) ,1 , df . bmi )

31

#Obesidade

32

df [ ’bmi ’] = np . where (( df . bmi > 30) ,2 , df . bmi )

sobrepeso

Aquisição da Varíavel Insuficiência Cardíaca
Dentre todas as variáveis necessárias para o CHA2 DS2 -VASc, apenas a Insuficiência Cardíaca
(C) não está presente. Entretanto, a literatura aponta que existe forte correlação entre as demais
variáveis do CHA2 DS2 -VASc com a própria IC. A própia idade e gênero (Masoudi et al., 2003;
Nieminen et al., 2008). Gênero este que relacionado à diabetes tem forte impacto (Kenchaiah
et al., 2002), uma vez que homens com diabetes tem duas vezes mais chances de desenvolver
a IC, enquanto que as mulheres que possuem diabetes, tem quatro vezes mais chances de
desenvolver a IC. Também existe correlação entre outras doenças cardíacas (Silverberg et al.,
2006) e a insuficiência cardíaca. O tabagismo (Aune et al., 2020; Ahmed et al., 2015)por causar
o estreitamento das válvulas, também tem forte correlação com a insuficiência cardíaca. A hipertensão (Lenfant, 1996)também está relacionada ao risco de desenvolvimento de uma IC. Por
fim a relação entre o ataque vascular cerebral (AVC) (Mozaffarian et al., 2016) e a insuficiência
cardíaca (IC). Com todas estas variáveis em mãos, podemos inferir a IC no paciente avaliado.
E efetuamos isto com as seguintes variáveis e pesos:

• Idade: 0, 1 ou 2; Seguindo CHA2 DS2 -VASc
• Gênero: 1 se feminino, 0 se masculino
• Hipertensão: 1 se tiver, se não 0
• Tabagismo: se fumante 2, se ex fumante 1, se nunca fumou 0
• IMC: 1, se IMC entre 25 e 30, por indicar sobrepeso. 2 se IMC maior que 30, o que indica
obesidade

• Ataque Vascular Cereberal (AVC), se já teve 1, se não 0
• Diabetes correlacionada ao gênero, possui maior peso quando mulher. Se mulher 2,
se homem 1
O índice de corte definido foi 0.5. Nesta etapa foi utilizado PCA para identificar as variáveis
principais, para definir a distribuição dos pesos. Foram mantidos os pesos pré definidos na Tabela 3.1 para os indicadores do CHA2 DS2 -VASc, com exceção da diabetes, que teve seu peso

Metodologia

70

Figura 5.3: Base para Cálculo da Insuficiência Cardíaca
associado ao gênero (chances dobram para pacientes homens com diabetes, e chances quadruplicam para pacientes do gênero feminino com diabetes). Podemos observar os indicadores
para o cálculo da IC, e o valor resultante na Figura 5.3. Com os resultados do cálculo normalizado em relação à insuficiência cardíaca, foi feito um filtro removendo todos os pacientes que
estivessem abaixo do índice de corte (0.5). Para os 537 pacientes que restaram, com valores
iguais ou acima do índice de corte, foi atribuída uma nova coluna ’ic’ (insuficiência cardíaca)
com valor 1. Com isso, a nova estrutura dos dados apresenta 537 linhas e 7 colunas (Figura
5.2).
Algoritmo 5.3: Insuficiência Cardíaca: Cálculo
1

#Soma variaveis para calcular ic

2

ic _ calc [ ’ score ’] = ic _ calc [ ’ hipertensao ’] + ic _ calc [ ’ idade ’] +

3

ic _ calc [ ’avc ’] + ic _ calc [ ’ diabetes ’] + ic _ calc [ ’imc ’]

4

+ ic _ calc [ ’ tabagismo ’]

5
6

column = ’ score ’

7

ic _ calc [ column ] = ( ic _ calc [ column ] - ic _ calc [ column ]. min ()) /

8

( ic _ calc [ column ]. max () - ic _ calc [ column ]. min ())

9

#verifica peso das variaveis

10

pca = PCA (n_ components =1)

11

pca . fit ( ic _ calc )

12

pca _ resultado = pca . components _

13
14

#Define corte para classificar IC

15

ic _ index = 0.5

16

#remove aqueles com index inferior a 0.5

17

ic _ calc = ic _ calc . drop ( ic _ calc [ ic _ calc . score < ic _ index ]. index )

Metodologia

71

18
19

new _ df _ index _ array = ic _ calc . index . tolist ()

20

df = df . filter ( items = new _ df _ index _ array , axis =0)

21

#atribui novo campo de ic com valor 1,

22

#sem ic ja foi removido

23

df [ ’ic ’] = 1

5.0.4

Score CHA2 DS2 -VASc

A insuficiência cardiaca tem como uma de suas consequências a evolução para Fibrilação Ventricular (FV), e é justamente este o cenário que tomamos como hipotese (Figura 4.2).Uma vez
que temos todas as variáveis do CHA2 DS2 -VASc transformadas para os seus respectivos pesos
(Tabela 3.1), podemos atribuir o score de cada paciente, e respaldados pela literatura, podemos
atribuir as taxas de risco de AVC, AIT ou Embolia Sitemica de acordo com Friberg et al. (2012a)
e Lip et al. (2010). Podemos ver as taxas de risco nas Tabelas 3.2 e 3.3. Abaixo segue atribuição das Taxas referente ao risco de AVC Isquêmico de acordo com Friberg et al. (2012a). O
mesmo foi feito para AIT/Embolia Sistêmica, também por Friberg, e para AVC Isquêmico por Lip
et al. (2010).
Algoritmo 5.4: Taxas referente ao risco de AVC Isquêmico de acordo com Friberg et al. (2012a)
1

# C L A S S I F I C A O CHA2DS2-VASc (Friberg 2012)

2

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = 0

3

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

4

(( df . cha2ds2 _ vasc == 0) ,0.2 , df .f_ risco _ avc _ I s q u m i c o _ anual )

5

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

6

(( df . cha2ds2 _ vasc == 1) ,0.6 , df .f_ risco _ avc _ I s q u m i c o _ anual )

7

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

8

(( df . cha2ds2 _ vasc == 2) ,2.2 , df .f_ risco _ avc _ I s q u m i c o _ anual )

9

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

10

(( df . cha2ds2 _ vasc == 3) ,3.2 , df .f_ risco _ avc _ I s q u m i c o _ anual )

11

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

12

(( df . cha2ds2 _ vasc == 4) ,4.8 , df .f_ risco _ avc _ I s q u m i c o _ anual )

13

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

14

(( df . cha2ds2 _ vasc == 5) ,7.2 , df .f_ risco _ avc _ I s q u m i c o _ anual )

15

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

16

(( df . cha2ds2 _ vasc == 6) ,9.7 , df .f_ risco _ avc _ I s q u m i c o _ anual )

17

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

18

(( df . cha2ds2 _ vasc == 7) ,11.2 , df .f_ risco _ avc _ I s q u m i c o _ anual )

19

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

20

(( df . cha2ds2 _ vasc == 8) ,10.8 , df .f_ risco _ avc _ I s q u m i c o _ anual )

Metodologia

72

21

df [ ’f_ risco _ avc _ I s q u m i c o _ anual ’] = np . where

22

(( df . cha2ds2 _ vasc == 9) ,12.2 , df .f_ risco _ avc _ I s q u m i c o _ anual )

5.0.5

Aplicação do Classificador NYHA

Uma vez que estamos em posse de uma base com portadores de IC (Insuficiência Cardíaca),
podemos então aplicar o classificador NYHA (Bredy et al., 2018)(Figura 4.2), uma vez que este
foi feito para pacientes portadores de IC, sendo capaz de predizer os níveis de morbidade e
mortalidade. Nosso modelo propõe utilizar uma relação entre os scores CHA2 DS2 -VASc e hábitos para posterior categorização por NYHA. Com a necessidade de definir uma equação capaz
de relacionar estes scores dentro de sua representatividade, foi definido que o score CHA2 DS2 VASc teria peso 7, enquanto o score dos hábitos peso 3. A justificativa para tal peso vem do
fato de o score CHA2 DS2 -VASc ser gerado a partir de todos os seus indicadores (Tabela 3.1),
que se fazem presentes na base processada, enquanto que o score dos hábitos, é composto
apenas com base nos indicadores estresse, tabagismo, sobrepeso e obesidade, ficando desfalcado de indicadores como o alcoolismo, predisposição genética, sedentarismo, apneia do sono,
distúrbios da tireoide, dentre outros. Segue abaixo a equação definida relacionando os scores
e seus respectivos pesos.

NY HAC ategory = (CHA2 DS2 -VASc x 0,7) + (HABITS x 0,3)
O resultado obtido nesta equação foi normalizado, dentro de um valor entre 0 e 10. Foi
definido que a distribuição para posterior classificação de NYHA, seria feita em quartis. Onde a
categorização segue o definido abaixo:

• De 0 a 2.5% categoria NYHA I
• De 2.6 a 5.0% categoria NYHA II
• De 5.1 a 7.5% categoria NYHA III
• De 7.6 a 10.0% categoria NYHA IV
Cada uma destas categorias possui sua taxa de mortalidade definida na literatura. Em cenários
com tratamento, sem tratamento, e um cenário "padrão", onde não se assume se o tratamento
está sendo adotado ou não. As taxas podem ser observadas na Tabela 3.5 (Dekerlegand, 2007;
Uretsky and Sheahan, 1997). No Algoritmo 5.5 podemos observar a execução dos passos na
linguagem de programação Python(Van Rossum and Drake Jr, 1995), aplicando a equação que
relaciona os 2 scores, normalizando o valor obtido, e categorizando cada um deles por quartil.
Algoritmo 5.5: Cálculo Normalização e Categorização por NYHA

Metodologia

1

# resultado da soma

2

df [ ’ resultado _ score ’] =

3

( df [ ’ cha2ds2 _ vasc ’] * 0.7) + ( df [ ’ habitos ’] * 0.3)

4

df [ ’ resultado _ normalizado ’] = df [ ’ resultado _ score ’]

73

5
6

# # normalizar resultados <<<<

7

column = ’ resultado _ normalizado ’

8

min _ value = 0;

9

max _ value = 13; #atribuir maior obtido pelos scores

10

df [ column ] = ( df [ column ] - df [ column ]. min ()) /

11

( df [ column ]. max () - df [ column ]. min ())

12

df [ column ] = df [ column ] * 10

13
14

pca . fit ( df )

15

pca _ resultado _ df = pca . components _

16
17

# cria novas categorias para inferencia

18

df . loc [ df [ ’ resultado _ normalizado ’] <= 2.5 ,

19

’ resultado _ categoria ’] = ’I ’

20
21

df . loc [( df [ ’ resultado _ normalizado ’] > 2.5)

22

& ( df [ ’ resultado _ normalizado ’] <= 5) ,

23

’ resultado _ categoria ’] = ’II ’

24
25

df . loc [( df [ ’ resultado _ normalizado ’] > 5)

26

& ( df [ ’ resultado _ normalizado ’] <= 7.5) , ’

27

resultado _ categoria ’] = ’III ’

28
29

df . loc [ df [ ’ resultado _ normalizado ’] > 7.5 ,

30

’ resultado _ categoria ’] = ’IV ’
Abaixo temos a atribuição em Python, para o intervalo de mortalidade padrão de acordo com
as categorias NYHA (Bredy et al., 2018). O mesmo foi feito para atribuir taxas de mortalidade
com e sem tratamento e podem ser observadas no código completo presente no Apendice.
Algoritmo 5.6: Taxas de Mortalidade com Base na Classificação NYHA - Caso Padrão

1

# Atribui mortalidade com base na categoria ( P a d r o )

2

df [ ’ nyha _ mortality _ min ’] = 0

3

df [ ’ nyha _ mortality _ max ’] = 0

4

df [ ’ nyha _ mort _ com _ tra _ min ’] = np . where (( df . resultado _ categoria

5

== ’I ’) ,0.10 , df . mort _ com _ tra _ min )

6

df [ ’ nyha _ mortality _ max ’] = np . where (( df . resultado _ categoria

Metodologia

7

74

== ’I ’) ,0.15 , df . mort _ com _ tra _ max )

8
9

df [ ’ nyha _ mortality _ min ’] = np . where (( df . resultado _ categoria

10

== ’II ’) ,0.10 , df . mort _ com _ tra _ min )

11

df [ ’ nyha _ mortality _ max ’] = np . where (( df . resultado _ categoria

12

== ’II ’) ,0.15 , df . mort _ com _ tra _ max )

13
14

df [ ’ nyha _ mortality _ min ’] = np . where (( df . resultado _ categoria

15

== ’III ’) ,0.15 , df . mort _ com _ tra _ min )

16

df [ ’ nyha _ mortality _ max ’] = np . where (( df . resultado _ categoria

17

== ’III ’) ,0.20 , df . mort _ com _ tra _ max )

18
19

df [ ’ nyha _ mortality _ min ’] = np . where (( df . resultado _ categoria

20

== ’IV ’) ,0.20 , df . mort _ com _ tra _ min )

21

df [ ’ nyha _ mortality _ max ’] = np . where (( df . resultado _ categoria

22

== ’IV ’) ,0.50 , df . mort _ com _ tra _ max )

5.0.6

Orange Data Mining

Uma vez que os dados já foram tratados, estamos sob posse de um modelo que é capaz de,
com base em dados sobre gênero, idade, hipertensão, doença vascular, tipo de moradia, nível
de glicose, índice de massa corporal, hábito de fumar e AVC prévio, gerar um índice de potencial
desenvolvimento de Insuficiência Cardíaca, com base nos scores adotados (CHA2 DS2 -VASc e
Hábitos). A partir disto, os eminentes portadores da IC, são classificados na categoria NYHA,
com base na relação dos dois scores citados. Logo, temos um modelo que apesar de prover
outras informações, como risco de AVC/AIT ou embolia sistêmica anual, por CHA2 DS2 -VASc, e
a própria mortalidade, por NYHA, tem como alvo de validação, a categoria NYHA obtida.
Para validar o modelo, foi adoto o framework Orange Data Mining (Demšar et al., 2013)(Holanda), um kit de ferramentas de visualização de dados, aprendizado de máquina e mineração
de dados de código aberto. Ele apresenta um front-end de programação visual para análise
exploratória de dados qualitativos rápida e visualização interativa de dados. Nesta ferramenta
foi possível observar as distribuições dos dados, tanto na base original, quanto na base processada, observando graficamente a distribuições de cada indicador tratado. Com o objetivo
de validar o modelo proposto, dentro da base de dados obtida após processamento, definimos
o objetivo do modelo (target), que em nosso caso se trata da categoria NYHA (Figura 5.4). E
atribuimos aos modelos, as variáveis que estiveram dispostas para aquisição dessa informação
(variáveis estas carregando seus pesos de acordo com os scores adotados). A validação do
modelo foi feita utilizando os seguintes algoritmos e hiperparâmetros da inteligência artificial:

• kNN (K Vizinhos Mais Próximos): Os hiperparâmetros definidos utilizam n = 7 e distância

Metodologia

75

Figura 5.4: Orange Data Mining: Seleção da Variável Alvo do Modelo
Euclidiana.

• Randon Forest (Floresta Aleatória): Seus hiperparâmetro utilizam 100 árvores, e 4 como
quantidade mínima de amostras que um nó interno deve conter para se dividir em outros
nós.

• Neural Network (Redes Neurais): Função de ativação ReLu, 100 camadas ocultas, e
limitação de 200 iterações.

• SVM - Support Vector Machine (Máquinas de Vetores Suporte): Custo 1, Kernel Linear,
limitado a 100 iterações.

• Naïve Bayes: Sem hiperparâmetros.
Em todos os modelos foi realizada a validação cruzada, assumindo número de folds igual a
10, e amostra extratificada. Na Figura 5.5 podemos observar a estrutura elaborada no Orange
Data Mining, desde a distribuição dos dados, até os dados sendo submetidos aos modelos de
IA, passando pelo processo de aprendizagem, testes e scores obtidos, e apresentados sob
as métricas da área sob a curva ROC (AUC), acurácia (AC), F1, Precision, Recall e Matriz de
Confusão. Na seção seguinte iremos apresentar os resultados obtidos, tanto em função dos
dados, quanto em função da validação do modelo em sua capacidade de predizer a categoria
NYHA.

Metodologia

76

Figura 5.5: Orange Data Mining: Validação do Modelo

6
Resultados

Nesta seção serão expostos os resultados obtidos, como a distribuição dos dados originais e
após processamento, validação do modelo nos algoritmos kNN, Redes Neurais, SVM, Naive
Bayes e Árvores Aleatórias, além dos resultados de cada uma das métricas de validação, como
a área sob a curva ROC (AUC), acurácia (CA), F1, Precision, Recall e Matriz de Confusão.

6.1

Distribuição dos Dados Originais

É possível observar a distribuição da base de dados original, apenas com a remoção dos dados irrelevantes, e pacientes com dados faltantes. Os dados incluem AVC, Doença Cardíaca,
Gênero, Glicose, Hipertensão, Idade e Tabagismo. (Figuras 6.1 e 6.2)

6.2

Distribuição dos Dados Processados

É possível observar a distribuição dos dados processados, e classificados de acordo com as
categorias de NYHA (Bredy et al., 2018). As distribuições incluem os indicadores AVC, Diabetes,
Doença Vascular, Estresse, Gênero, Hipertensão, Idade, IMC e Tabagismo. Além dos scores
CHA2 DS2 -VASc e Hábitos.(Figuras 6.3, 6.4 e 6.5)

6.3

Base de Dados Gerada

Aqui é possível observar a base de dados final, contendo os dados de entrada já transformados
e parametrizados, os dados gerados como a Insuficiência Cardíaca, score CHA2 DS2 -VASc,
score Hábitos, o risco de AVC Baseado no CHA2 DS2 -VASc, a classificação da categoria NYHA
com base no cálculo (resultado_score →
− resultado_normalizado), e as taxas de mortalidade
com base na categoria NYHA e tratamentos adotados. (Figuras 6.6 e 6.7).
77

Resultados

78

(a) AVC

(b) Doença Cardíaca

(c) Gênero

(d) Glicose

Figura 6.1: Distribuição Dados Originais Parte 1/2

Resultados

79

(a) Hipertensao

(b) Idade

(c) IMC

(d) Tabagismo

Figura 6.2: Distribuição Dados Originais Parte 2/2

Resultados

80

(a) Categoria NYHA

(b) Score CHA2 DS2 -VASc

(c) Score Hábitos com Classificação NYHA

(d) Tabagismo com classificação NYHA

Figura 6.3: Distribuição Dados Processados e Classificados por Nyha Parte 1/3

Resultados

(a) AVC com classificação NYHA

(c) Doença Vascular com classificação NYHA

81

(b) Diabetes com Classificação NYHA

(d) Estresse com classificação NYHA

Figura 6.4: Distribuição Dados Processados e Classificados por Nyha Parte 2/3

Resultados

(a) Gênero com classificação NYHA

(c) Idade com classificação NYHA

82

(b) Hipertensão com classificação NYHA

(d) IMA com classificação NYHA

Figura 6.5: Distribuição Dados Processados e Classificados por Nyha Parte 3/3

Resultados

83

Figura 6.6: Dataset Final 1/2

Resultados

84

Figura 6.7: Dataset Final 2/2

Resultados

85

Figura 6.8: AUC Categoria NYHA I

6.4

Validação do Modelo

Aqui são expostos os scores atingidos durante a validação do modelo, considerando que foram
utilizados os algoritmos kNN, Árvores Aleatórias, Redes Neurais, SVM e Naive Bayes. As métricas coletadas consideram a área sob a curva ROC (AUC) (Figuras 6.8, 6.9, 6.10 e 6.11), Acurácia (CA), F1, Precision, Recall (Figuras 6.12 e 6.13) e Matriz de Confusão (Figuras: 6.14,6.15,
6.16, 6.17, 6.18). Em todos os casos foi adotada a validação cruzada assumindo o número de
folders igual à 10.

Resultados

86

Figura 6.9: AUC Categoria NYHA II

Figura 6.10: AUC Categoria NYHA III

Resultados

87

Figura 6.11: AUC Categoria NYHA IV

Figura 6.12: AUC, CA, F1, Precision e Recall - Média das 4 Categorias NYHA

Resultados

88

(a) Scores Categoria NYHA I

(c) Scores Categoria NYHA III

(b) Scores Categoria NYHA II

(d) Scores Categoria NYHA IV

Figura 6.13: AUC, CA, F1, Precision e Recall das Categorias NYHA individualmente

(a) Nº de Instancias

(b) Proporção de Predições

Figura 6.14: Matriz de Confusão Redes Neurais

(a) Nº de Instancias

(b) Proporção de Predições

Figura 6.15: Matriz de Confusão SVM

Resultados

89

(a) Nº de Instancias

(b) Proporção de Predições

Figura 6.16: Matriz de Confusão kNN

(a) Nº de Instancias

(b) Proporção de Predições

Figura 6.17: Matriz de Confusão Florestas Aleatórias

(a) Nº de Instancias

(b) Proporção de Predições

Figura 6.18: Matriz de Confusão Naive Bayes

7
Discussão

Nesta seção iremos discutir os resultados obtidos, expor as ameaças a validade do modelo
proposto, resumir o trabalho, elencar os benefícios obtidos, expor as limitações do trabalho, por
fim, sugerir trabalhos futuros a serem realizados a partir do que foi proposto e validado neste
trabalho.

7.1

Discussão dos Resultados

Tratamento dos Dados
O tratamento dos dados utilizando a linguagem Python na IDE Spyder, possibilitou uma redução
considerável da dimensionalidade para iniciar as inferências sobre os dados disponíveis na base
de dados adotada (Liu, 2019), mais precisamente saímos de (5110, 12) para (537, 10), como
apresentado na Figura 5.2. Posteriormente, com as inferências, aquisição de novas variáveis,
classificação, e disposição de taxas de riscos de AVC, AIC e Embolia Sistêmica, bem como as
taxas de mortalidade baseadas no NYHA e os tratamentos adotados, tornaram a base muito
mais completa (537, 24).
Aquisição de Variáveis
Ao passo que o dataset foi transformado, identificou-se a falta de um único indicador do score
CHA2 DS2 -VASc, a Insuficiência Cardíaca. A partir de um levantamento da literatura foi possível
identificar que grande parte dos indicadores presente em nossa base de dados possuía algum
grau de correlação com as chances de desenvolver a IC. Prontamente levantamos estas variáveis correlacionadas, e com base na representatividade dos scores utilizados, conseguimos
segregar os pacientes com maior potencial de desenvolver IC. As demais variáveis relacionadas às taxas de mortalidade e risco de episódios de AVC, AIT e Embolia Sistêmica, geradas em

90

Discussão

91

nossa base dedos, estão apoiados nas relações diretas da literatura, tanto em relação ao score
CHA2 DS2 -VASc, quanto à categoria NYHA.

7.2

Ameaças a validade

O fato do estudo assumir que o cenário adotado conta com o desenvolvimento de uma Fibrilação
Ventricular (FV) evoluindo para uma Insuficiência Cardíaca (IC), que por sua vez avança para
a Fibrilação Ventricular (FV), torna o estudo pouco, ou quase impossível de ser generalizável
a outras frentes das arritmias. Todavia, este fluxo da taquicardia é comum, o que sustenta a
representatividade e importância do modelo proposto.
O modelo não passou por validação de um corpo de médicos, sendo esta, uma etapa fundamental para o modelo ser avaliado e aprimorado a partir dos feedbacks de cardiologistas
e outros profissionais da área da saúde, possibilitando assim, os primeiros testes em um cenário real. Vale salientar que todo sistema médico é um sistema de alta criticidade, pelo fato
de lidar com vidas, logo, são sistemas que passam por validações mais exigentes. Por outro
lado, a saúde vive momento de transição quanto à adesão de novas tecnologias, sendo comum a existência de certa resistência por parte de alguns médicos. O importante é que os
passos estão sendo dados, como a própria iniciativa do Senado que aprovou o Projeto de Lei
(PL) 3.814/2020, onde torna obrigatória por parte do Sistema Único de Saúde (SUS), a criação de uma plataforma digital para unificar informações de pacientes atendidos pelas redes de
saúde pública e privada (CNM). Possibilitando assim que hajam dados dentro de uma estrutura, consequentemente mais "munição"para os sistema basados em aprendizado de máquina,
que demandam bases de dados robustas, estruturadas e representativas para o contexto de
aplicação.

7.3

Benefícios Obtidos

O sistema identifica o potencial de desenvolvimento de insuficiência cardíaca (IC) com base
num conjunto de informações correlatas, assumindo scores CHA2 DS2 -VASc e Hábitos de um
mesmo paciente. A partir destes scores, é capaz de determinar os riscos de ocorrência de
AVC, AIT ou Embolia Sistêmica num intervalo de um ano, em pacientes que estão no quadro
de Fibrilação Ventricular, decorrente da Taquicardia Ventricular e Insuficiência Cardíaca. Além
disto, com a relação entre os scores, foi possível classificar os pacientes com Insuficiência
Cardíaca dentro da classificação de NYHA, onde sua categoria determina nível de morbidade
(em termos da intensidade na apresentação dos sintomas) e mortalidade em casos onde se
adota ou não tratamentos.

Discussão

7.4

92

Trabalhos Futuros

Como trabalhos futuros, há a necessidade de validar o atual modelo com o auxílio e conhecimento específico de médicos, preferencialmente cardiologistas. Para que, a partir dos feedbacks obtidos, seja possível realizar os ajustes necessários. Apesar de significativa, a base
de dados final de pacientes com IC, foi de 537 indivíduos, e um sistema que carrega um nível
de criticidade como este, requer bases mais robustas e representativas, logo, este também se
torna mais um dos passos necessários. O modelo converge pelo caminho da taquicardia ventricular, seguida de insuficiência cardíaca e fibrilação ventricular. De modo, que fica em aberto
as abordagens que considerem outros caminhos que as arritmias podem percorrer, desde suas
classificações iniciais, como bradicardia e taquicardia, bem como seus focos, que podem ser
atriais, sinusais ou ventriculares. Em outras palavras, existe uma gama enorme de possíveis
abordagens na cardiologia, e este modelo pode ser escopo para uma nova doença alvo.

8
Conclusão

O modelo proposto foi capaz de predizer a morbidade e mortalidade de pacientes diagnosticados com taquicardia ventricular. Tomando como base os scores CHA2 DS2 -VASc e Hábitos,
aplicados a uma base de dados representativa para o cenário de arritmias. Utilizou-se da linguagem de programação Pyhthon, para tratamento dos dados obtidos, e Orange Data Mining
para validar o modelo proposto, a partir dos algoritmos SVM, Redes Neurais, kNN, Árvores Aleatórias e Naive Bayes. Como benefícios, o modelo proposta possuí o potencial de identificar
o desenvolvimento de insuficiência cardíaca baseado no conjunto de doenças e dados clínicos
correlatos, determinando a partir disto o risco anual de AVC, AIT ou Embolis Sistêmica. Além
disto foi possível determinar a categoria de morbidade a partir da classificação NYHA, aplicável
aos pacientes portadores de insuficiência cardíaca. Em relação aos trabalhos futuros, existe a
necessidade da validação do modelo, feita por um corpo médico, especificamente cardiologistas. Apesar de significativa, a base de dados final conta com 537 indivíduos, e um sistemas de
tal complexidade e criticidade requer bases mais robustas para fortalecer a representatividade.
Uma vez que o modelo converge para pacientes com insuficiência cardíaca e fibrilação ventricular, surgem diversas possibilidades de abordar outros caminhos que envolvam, por exemplo,
a bradicardia e taquicardia, além dos pontos focais (atriais, sinusais e ventriculares). Dito isso,
o modelo aqui apresentado pode se tornar escopo para novas doenças alvo.

93

Acrónimos
TAVRN Taquicardia Atrioventricular Reentrante Nodal
TSV Taquicardia Supraventricular
DAC Doença Arterial Coronariana
IC Insuficiência Cardíaca
AVC Ataque Vascular Cerebral
NYHA New York Heart Association
TV Taquicardia Ventricular
IA Inteligência Artificial
ECG Eletrocardiograma
KNN K vizinhos mais próximos
SVM Máquinas de Vetores Suporte
ML Machile Learning

94

Referências

A survey on feature selection methods. Computers Electrical Engineering, 40(1):16–28, 2014.
ISSN 0045-7906. DOI https://doi.org/10.1016/j.compeleceng.2013.11.024. URL

https://www.sciencedirect.com/science/article/pii/S0045790613003066.
40th-year commemorative issue.
ACM. Acm digital library. https://dl.acm.org/. (Accessed on 08/14/2020).
Diego Addan. Ia07.pdf. https://www.inf.ufpr.br/dagoncalves/IA07.pdf, 2019.
(Accessed on 08/19/2020).
Amiya A. Ahmed, Kanan Patel, Margaret A. Nyaku, Raya E. Kheirbek, Vera Bittner, Gregg C.
Fonarow, Gerasimos S. Filippatos, Charity J. Morgan, Inmaculada B. Aban, Marjan Mujib,
Ravi V. Desai, Richard M. Allman, Michel White, Prakash Deedwania, George Howard,
Robert O. Bonow, Ross D. Fletcher, Wilbert S. Aronow, and Ali Ahmed. Risk of heart failure
and death after prolonged smoking cessation. Circulation: Heart Failure, 8(4):694–701, July
2015. DOI 10.1161/circheartfailure.114.001885. URL

https://doi.org/10.1161/circheartfailure.114.001885.
Alila. Alila medical media | vídeos em português.

https://www.alilamedicalmedia.com/pt/-/galleries/videos-em-portugues,
2020. (Accessed on 08/17/2022).
Mehrdad Amir-Behghadami and Ali Janati. Population, Intervention, Comparison, Outcomes
and Study (PICOS) design as a framework to formulate eligibility criteria in systematic
reviews. Emergency Medicine Journal, 37(6):387–387, June 2020. ISSN 1472-0205,
1472-0213. DOI 10.1136/emermed-2020-209567. URL

https://emj.bmj.com/lookup/doi/10.1136/emermed-2020-209567.
Syed Muhammad Anwar, Maheen Gul, Muhammad Majid, and Majdi Alnowami. Arrhythmia
classification of ECG signals using hybrid features. Computational and Mathematical
Methods in Medicine, 2018:1–8, November 2018. DOI 10.1155/2018/1380348. URL

https://doi.org/10.1155/2018/1380348.
95

Referências

96

Dagfinn Aune, Sabrina Schlesinger, Teresa Norat, and Elio Riboli. Tobacco smoking and the
risk of heart failure: A systematic review and meta-analysis of prospective studies. European
Journal of Preventive Cardiology, 26(3):279–288, 08 2020. ISSN 2047-4873.
DOI 10.1177/2047487318806658. URL https://doi.org/10.1177/2047487318806658.
BBC. O que mais mata as pessoas ao redor do mundo? URL

https://www.bbc.com/portuguese/internacional-47471602.
Jill A. Bennett, Barbara Riegel, Vera Bittner, and Joyce Nichols. Validity and reliability of the
NYHA classes for measuring research outcomes in patients with cardiac disease. Heart &
Lung, 31(4):262–270, July 2002. ISSN 01479563. DOI 10.1067/mhl.2002.124554. URL

https://linkinghub.elsevier.com/retrieve/pii/S0147956302000031.
Giuseppe Boriani, Giovanni Luca Botto, Luigi Padeletti, Massimo Santini, Alessandro Capucci,
Michele Gulizia, Renato Ricci, Mauro Biffi, Tiziana De Santo, Giorgio Corbucci, Gregory Y.H.
Lip, and for the Italian AT-500 Registry Investigators. Improving Stroke Risk Stratification
Using the CHADS 2 and CHA 2 DS 2 -VASc Risk Scores in Patients With Paroxysmal Atrial
Fibrillation by Continuous Arrhythmia Burden Monitoring. Stroke, 42(6):1768–1770, June
2011. ISSN 0039-2499, 1524-4628. DOI 10.1161/STROKEAHA.110.609297. URL

https://www.ahajournals.org/doi/10.1161/STROKEAHA.110.609297.
Charlene Bredy, Margherita Ministeri, Alexander Kempny, Rafael Alonso-Gonzalez, Lorna
Swan, Anselm Uebing, Gerhard-Paul Diller, Michael A Gatzoulis, and Konstantinos
Dimopoulos. New York Heart Association (NYHA) classification in adults with congenital
heart disease: relation to objective measures of exercise and outcome. European Heart
Journal - Quality of Care and Clinical Outcomes, 4(1):51–58, January 2018. ISSN
2058-5225, 2058-1742. DOI 10.1093/ehjqcco/qcx031. URL

http://academic.oup.com/ehjqcco/article/4/1/51/4083514.
Leo Breiman. Machine Learning, 45(1):5–32, 2001. DOI 10.1023/a:1010933404324. URL

https://doi.org/10.1023/a:1010933404324.
Cables and Sensors. Guia de colocação de ecg de 12 derivações com ilustrações.

https://www.cablesandsensors.com/pages/
12-lead-ecg-placement-guide-with-illustrations. (Accessed on 08/17/2020).
Jie Cai, Jiawei Luo, Shulin Wang, and Sheng Yang. Feature selection in machine learning: A
new perspective. Neurocomputing, 300:70–79, 2018. ISSN 0925-2312.
DOI https://doi.org/10.1016/j.neucom.2017.11.077. URL

https://www.sciencedirect.com/science/article/pii/S0925231218302911.

Referências

97

A. John Camm. 2012 focused update of the ESC guidelines for the management of atrial
fibrillation. European Heart Journal, 33(21):2719–2747, August 2012.
DOI 10.1093/eurheartj/ehs253. URL https://doi.org/10.1093/eurheartj/ehs253.
Gokhan Cetinkal, Betul Balaban Kocas, Ozgur Selim Ser, Hakan Kilci, Kudret Keskin,
Safiye Nur Ozcan, Yildiz Verdi, Mustafa Ismet Zeren, Tolga Demir, and Kadriye Kilickesmez.
Assessment of the Modified CHA2DS2VASc Risk Score in Predicting Mortality in Patients
Hospitalized With COVID-19. The American Journal of Cardiology, 135:143–149, November
2020. ISSN 00029149. DOI 10.1016/j.amjcard.2020.08.040. URL

https://linkinghub.elsevier.com/retrieve/pii/S0002914920308973.
CNM. Cnm - confederação nacional de municípios | comunicação.

https://www.cnm.org.br/comunicacao/noticias/
senado-aprova-plataforma-para-unificar-dados-do-sus-e-da-rede-privada.
(Accessed on 08/22/2022).
Jennifer Dekerlegand. Congestive heart failure. In Physical Rehabilitation, pages 669–688.
Elsevier, 2007. DOI 10.1016/b978-072160361-2.50028-4. URL

https://doi.org/10.1016/b978-072160361-2.50028-4.
Janez Demšar, Tomaž Curk, Aleš Erjavec, Črt Gorup, Tomaž Hočevar, Mitar Milutinovič, Martin
Možina, Matija Polajnar, Marko Toplak, Anže Starič, Miha Štajdohar, Lan Umek, Lan Žagar,
Jure Žbontar, Marinka Žitnik, and Blaž Zupan. Orange: Data mining toolbox in python.
Journal of Machine Learning Research, 14:2349–2353, 2013. URL

http://jmlr.org/papers/v14/demsar13a.html.
Vasant Dhar. Data science and prediction. Commun. ACM, 56(12):64–73, dec 2013. ISSN
0001-0782. DOI 10.1145/2500499. URL https://doi.org/10.1145/2500499.
Tatiana Escovedo. Estatidados. http://estatidados.com.br/

machine-learning-conceitos-e-modelos-parte-i-aprendizado-supervisionado/,
06 2020. (Accessed on 08/18/2020).
Gilson Soares Feitosa, José Carlos Nicolau, Adalberto Lorga, Adalberto Lorga Filho, André
D’Ávila, Anis Rassi Jr, Angelo A. V. de Paola, Anísio Pedrosa, Álvaro Barros da Costa, Ayrton
Peres, César Grupi, Cláudio Cirenza, Dalmo Moreira, Dário Sobral, Denise Hachul, Eduardo
D’Andréa, Eduardo Sosa, Epotamênides M. Good God, Fábio Sândoli de Brito, Fernando
Cruz, Guilherme Fenelon, Gustavo Glotz Lima, Hélio Brito, Ivan G. Maia, Jacob Atié, José
Carlos Moura Jorge, José Carlos de Andrade, José Carlos Pachón Mateos, José Carlos
Ribeiro, João Pimenta, José Tarcísio de Vasconcelos, Júlio Gizzi, Leandro Zimerman, Luiz
Antonio Teno Castilho, Márcio Fagundes, Márcio Figueiredo, Martino Martinelli Filho,
Maurício I. Scanavacca, Ney Valente, Paulo Medeiros, Paulo Brofman, Reynaldo Castro

Referências

98

Miranda, Roberto Costa, Ricardo Kunyioshi, Roberto Sá, Sérgio G. Rassi, Sérgio Siqueira,
Silas Galvão, Silvana Nishioka, Tereza Grillo, Thiago da Rocha Rodrigues, and Washington
Maciel. Diretrizes para Avaliação e Tratamento de Pacientes com Arritmias Cardíacas.
Arquivos Brasileiros de Cardiologia, 79, 2002. ISSN 0066-782X.
DOI 10.1590/S0066-782X2002001900001. URL http://www.scielo.br/scielo.php?

script=sci_arttext&pid=S0066-782X2002001900001&lng=en&nrm=iso&tlng=en.
Leif Friberg, Mårten Rosenqvist, and Gregory Y.H. Lip. Evaluation of risk stratification schemes
for ischaemic stroke and bleeding in 182 678 patients with atrial fibrillation: the swedish atrial
fibrillation cohort study. European Heart Journal, 33(12):1500–1510, January 2012a.
DOI 10.1093/eurheartj/ehr488. URL https://doi.org/10.1093/eurheartj/ehr488.
Leif Friberg, Mårten Rosenqvist, and Gregory Y.H. Lip. Evaluation of risk stratification schemes
for ischaemic stroke and bleeding in 182 678 patients with atrial fibrillation: the swedish atrial
fibrillation cohort study. European Heart Journal, 33(12):1500–1510, January 2012b.
DOI 10.1093/eurheartj/ehr488. URL https://doi.org/10.1093/eurheartj/ehr488.
Leif Friberg, Mårten Rosenqvist, and Gregory Y.H. Lip. Evaluation of risk stratification schemes
for ischaemic stroke and bleeding in 182 678 patients with atrial fibrillation: the Swedish
Atrial Fibrillation cohort study. European Heart Journal, 33(12):1500–1510, 01 2012c. ISSN
0195-668X. DOI 10.1093/eurheartj/ehr488. URL

https://doi.org/10.1093/eurheartj/ehr488.
Keinosuke Fukunaga and Patrenahalli M. Narendra. A branch and bound algorithm for
computing k-nearest neighbors. IEEE Transactions on Computers, C-24:750–753, 1975.
Taís Freire Galvao, Thais de Souza Andrade Pansani, and David Harrad. Principais itens para
relatar revisõees sistemáticas e meta-análises: A recomendação prisma. Epidemiologia e
serviços de saúde, 24:335–342, 2015.
Michael A Gatzoulis, Seshadri Balaji, Steven A Webber, Samuel C Siu, John S Hokanson,
Christine Poile, Mark Rosenthal, Makoto Nakazawa, James H Moller, Paul C Gillette, Gary D
Webb, and Andrew N Redington. Risk factors for arrhythmia and sudden cardiac death late
after repair of tetralogy of fallot: a multicentre study. The Lancet, 356(9234):975–981, 2000.
ISSN 0140-6736. DOI https://doi.org/10.1016/S0140-6736(00)02714-8. URL

https://www.sciencedirect.com/science/article/pii/S0140673600027148.
Planilhas Google. Google workspace | apps empresariais e ferramentas de colaboração.

https://workspace.google.com/. (Accessed on 08/15/2020).
Joseph Habboushe, Caroline Altman, and Gregory Y. H. Lip. Time trends in use of the chads2
and cha2ds2vasc scores, and the geographical and specialty uptake of these scores from a

Referências

99

popular online clinical decision tool and medical reference. International Journal of Clinical
Practice, 73(2):e13280, 2019. DOI https://doi.org/10.1111/ijcp.13280. URL

https://onlinelibrary.wiley.com/doi/abs/10.1111/ijcp.13280.
Victor Holanda. Github - holandavictor/tachycardia-prognosis: Model for the prognosis of
morbidity and mortality in patients diagnosed with ventricular tachycardia.

https://github.com/holandavictor/tachycardia-prognosis. (Accessed on
08/25/2022).
Kokil Jaidka, Sharath Chandra Guntuku, Jane H. Lee, Zhengyi Luo, Anneke Buffone, and
Lyle H. Ungar. The rural–urban stress divide: Obtaining geographical insights through twitter.
Computers in Human Behavior, 114:106544, 2021. ISSN 0747-5632.
DOI https://doi.org/10.1016/j.chb.2020.106544. URL

https://www.sciencedirect.com/science/article/pii/S0747563220302958.
Raed A. Joundi, Lauren E. Cipriano, Luciano A. Sposato, Gustavo Saposnik, and on behalf of
the Stroke Outcomes Research Working Group. Ischemid stroke risk in patients with fa and
cha2ds2-vasc score of 1: Systematic review and meta-analysis. Stroke, 47(5):1364–1367,
May 2016. ISSN 0039-2499, 1524-4628. DOI 10.1161/STROKEAHA.115.012609. URL

https://www.ahajournals.org/doi/10.1161/STROKEAHA.115.012609.
I. Kadi, A. Idri, and J.L. Fernandez-Aleman. Knowledge discovery in cardiology: A systematic
literature review. International Journal of Medical Informatics, 97:12–32, January 2017.
DOI 10.1016/j.ijmedinf.2016.09.005. URL

https://doi.org/10.1016/j.ijmedinf.2016.09.005.
Satish Kenchaiah, Jane C. Evans, Daniel Levy, Peter W.F. Wilson, Emelia J. Benjamin,
Martin G. Larson, William B. Kannel, and Ramachandran S. Vasan. Obesity and the risk of
heart failure. New England Journal of Medicine, 347(5):305–313, August 2002.
DOI 10.1056/nejmoa020245. URL https://doi.org/10.1056/nejmoa020245.
B. Kitchenham and S Charters. Guidelines for performing systematic literature reviews in
software engineering, 2007.
Spencer H. Kubo, Steven Schulman, Randall C. Starling, Mariell Jessup, Deborah Wentworth,
and Daniel Burkhoff. Development and validation of a patient questionnaire to determine
New York heart association classification. Journal of Cardiac Failure, 10(3):228–235, June
2004. ISSN 10719164. DOI 10.1016/j.cardfail.2003.10.005. URL

https://linkinghub.elsevier.com/retrieve/pii/S1071916403007450.
C. Lenfant. High blood pressure: some answers, new questions, continuing challenges. JAMA:
The Journal of the American Medical Association, 275(20):1604–1606, May 1996.
DOI 10.1001/jama.275.20.1604. URL https://doi.org/10.1001/jama.275.20.1604.

Referências

100

M. A. B. Lima. Ecgnow telecardiologia. https:

//www.ecgnow.com.br/blog/3-dicas-importantes-sobre-ecg-em-criancas/,
2018. (Accessed on 08/17/2020).
Gregory Y H Lip. Chads-vasc score for atrial fibrillation stroke risk - mdcalc. https://www.

mdcalc.com/calc/801/cha2ds2-vasc-score-atrial-fibrillation-stroke-risk.
(Accessed on 08/16/2020).
Gregory Y.H. Lip, Robby Nieuwlaat, Ron Pisters, Deirdre A. Lane, and Harry J.G.M. Crijns.
Refining clinical risk stratification for predicting stroke and thromboembolism in atrial
fibrillation using a novel risk factor-based approach. Chest, 137(2):263–272, February 2010.
DOI 10.1378/chest.09-1584. URL https://doi.org/10.1378/chest.09-1584.
Tianyu Liu. Data for: A hybrid machine learning approach to cerebral stroke prediction based
on imbalanced medical-datasets, November 2019. URL

https://data.mendeley.com/datasets/x8ygrw87jw/1. Type: dataset.
Tianyu Liu, Wenhui Fan, and Cheng Wu. A hybrid machine learning approach to cerebral stroke
prediction based on imbalanced medical dataset. Artificial Intelligence in Medicine, 101:
101723, November 2019. ISSN 09333657. DOI 10.1016/j.artmed.2019.101723. URL

https://linkinghub.elsevier.com/retrieve/pii/S0933365719302295.
Ana Carolina Lorena and André C. P. L. F. De Carvalho. Uma introdução às support vector
machines. Revista de Informática Teórica e Aplicada, 14(2):43–67, December 2007.
DOI 10.22456/2175-2745.5690. URL https://doi.org/10.22456/2175-2745.5690.
Beatriz Maia. Tipos de aprendizado de máquina #3 - dev community.

https://dev.to/beatrizmaiads/tipos-de-aprendizado-de-maquina-3-5d66,
2020. (Accessed on 08/18/2020).
Frederick A Masoudi, Edward P Havranek, Grace Smith, Ronald H Fish, John F Steiner,
Diana L Ordin, and Harlan M Krumholz. Gender, age, and heart failure with preserved left
ventricular systolic function. Journal of the American College of Cardiology, 41(2):217–223,
2003. DOI 10.1016/S0735-1097(02)02696-7. URL

https://www.jacc.org/doi/abs/10.1016/S0735-1097%2802%2902696-7.
Mendeley. Reference manager - mendeley | elsevier solutions.

https://www.elsevier.com/solutions/mendeley. (Accessed on 08/14/2020).
Brent Mitchell. Bloqueio atrioventricular - doenças cardiovasculares - manuais msd edição para
profissionais. https://www.msdmanuals.com/pt/profissional/doen%C3%

A7as-cardiovasculares/arritmias-e-doen%C3%A7as-de-condu%C3%A7%C3%A3o/
bloqueio-atrioventricular, 2021. (Accessed on 08/17/2020).

Referências

101

Tom Mitchell, Bruce Buchanan, Gerald DeJong, Thomas Dietterich, Paul Rosenbloom, and
Alex Waibel. Machine learning. Annual review of computer science, 4(1):417–433, 1990.
George B Moody and Roger G Mark. MIT-BIH Arrhythmia Database, 1992. URL

https://physionet.org/content/mitdb/. Type: dataset.
Dariush Mozaffarian, Emelia J. Benjamin, Alan S. Go, Donna K. Arnett, Michael J. Blaha, Mary
Cushman, Sandeep R. Das, Sarah de Ferranti, Jean-Pierre Després, Heather J. Fullerton,
Virginia J. Howard, Mark D. Huffman, Carmen R. Isasi, Monik C. Jiménez, Suzanne E. Judd,
Brett M. Kissela, Judith H. Lichtman, Lynda D. Lisabeth, Simin Liu, Rachel H. Mackey,
David J. Magid, Darren K. McGuire, Emile R. Mohler, Claudia S. Moy, Paul Muntner,
Michael E. Mussolino, Khurram Nasir, Robert W. Neumar, Graham Nichol, Latha
Palaniappan, Dilip K. Pandey, Mathew J. Reeves, Carlos J. Rodriguez, Wayne Rosamond,
Paul D. Sorlie, Joel Stein, Amytis Towfighi, Tanya N. Turan, Salim S. Virani, Daniel Woo,
Robert W. Yeh, and Melanie B. Turner. Heart disease and stroke statistics—2016 update.
Circulation, 133(4), January 2016. DOI 10.1161/cir.0000000000000350. URL

https://doi.org/10.1161/cir.0000000000000350.
Kevin P Murphy et al. Naive bayes classifiers. University of British Columbia, 18(60):1–8, 2006.
Peter Brønnum Nielsen, Torben Bjerregaard Larsen, Flemming Skjøth, Thure Filskov Overvad,
and Gregory Y. H. Lip. Stroke and thromboembolic event rates in atrial fibrillation according
to different guideline treatment thresholds: A nationwide cohort study. Scientific Reports, 6
(1), June 2016. DOI 10.1038/srep27410. URL https://doi.org/10.1038/srep27410.
Markku S. Nieminen, Veli-Pekka Harjola, Matthias Hochadel, Helmut Drexler, Michel Komajda,
Dirk Brutsaert, Kenneth Dickstein, Piotr Ponikowski, Luigi Tavazzi, Ferenc Follath, and
Jose Luis Lopez-Sendon. Gender related differences in patients presenting with acute heart
failure. results from EuroHeart failure survey II. European Journal of Heart Failure, 10(2):
140–148, February 2008. DOI 10.1016/j.ejheart.2007.12.012. URL

https://doi.org/10.1016/j.ejheart.2007.12.012.
Shu Lih Oh, Eddie Y.K. Ng, Ru San Tan, and U. Rajendra Acharya. Automated diagnosis of
arrhythmia using combination of cnn and lstm techniques with variable length heart beats.
Computers in Biology and Medicine, 102:278–287, 2018. ISSN 0010-4825.
DOI https://doi.org/10.1016/j.compbiomed.2018.06.002. URL

https://www.sciencedirect.com/science/article/pii/S0010482518301446.
OMS. Cardiovascular diseases.

https://www.who.int/health-topics/cardiovascular-diseases#tab=tab_1.
(Accessed on 06/14/2020).

Referências

102

The pandas development team. pandas-dev/pandas: Pandas, February 2020. URL

https://doi.org/10.5281/zenodo.3509134.
F. Pedregosa, G. Varoquaux, A. Gramfort, V. Michel, B. Thirion, O. Grisel, M. Blondel,
P. Prettenhofer, R. Weiss, V. Dubourg, J. Vanderplas, A. Passos, D. Cournapeau, M. Brucher,
M. Perrot, and E. Duchesnay. Scikit-learn: Machine learning in Python. Journal of Machine
Learning Research, 12:2825–2830, 2011.
Rafael Pereira, Rodrigo Varejão Andreão, and Gabriel Tozatto Zago. Identificação de fibrilação
atrial em registros eletrocardiograma utilizando redes neurais recorrentes do tipo long
short-term memory. In Anais do 14º Simpósio Brasileiro de Automação Inteligente. Galoa,
2019. DOI 10.17648/sbai-2019-111461. URL

https://doi.org/10.17648/sbai-2019-111461.
Artzai Picon, Unai Irusta, Aitor Álvarez-Gila, Elisabete Aramendi, Felipe Alonso-Atienza, Carlos
Figuera, Unai Ayala, Estibaliz Garrote, Lars Wik, Jo Kramer-Johansen, and Trygve Eftestøl.
Mixed convolutional and long short-term memory network for the detection of lethal
ventricular arrhythmia. PLOS ONE, 14(5):e0216756, May 2019.
DOI 10.1371/journal.pone.0216756. URL

https://doi.org/10.1371/journal.pone.0216756.
PubMed. Pubmed. https://pubmed.ncbi.nlm.nih.gov/. (Accessed on 08/14/2020).
Sai Manoj Pudukotai Dinakarrao and Axel Jantsch. Addhard: Arrhythmia detection with digital
hardware by learning ecg signal. In Proceedings of the 2018 on Great Lakes Symposium on
VLSI, GLSVLSI ’18, page 495–498, New York, NY, USA, 2018. Association for Computing
Machinery. ISBN 9781450357241. DOI 10.1145/3194554.3194647. URL

https://doi.org/10.1145/3194554.3194647.
Gene R. Quinn, Olivia N. Severdija, Yuchiao Chang, and Daniel E. Singer. Wide variation in
reported rates of stroke across cohorts of patients with atrial fibrillation. Circulation, 135(3):
208–219, January 2017. DOI 10.1161/circulationaha.116.024057. URL

https://doi.org/10.1161/circulationaha.116.024057.
Pierre Raybaut. Spyder-documentation. Available online at: pythonhosted. org, 2009.
Hannah Ritchie. O que mais mata as pessoas ao redor do mundo? BBC News Brasil, 03 2019.
URL https://www.bbc.com/portuguese/internacional-47471602.
Claude Sammut and Geoffrey I. Webb. Encyclopedia of Machine Learning and Data Mining.
Springer Publishing Company, Incorporated, 2nd edition, 2017. ISBN 148997685X.

Referências

103

Sanarmed. Bradicardia (bradiarritmia): Resumo completo com fluxograma! - sanar medicina.

https://www.sanarmed.com/
bradicardia-bradiarritmia-resumo-fluxograma-yellowbook, Setembro 2019.
(Accessed on 08/17/2020).
SANTOS. Coração: função, camadas, cavidades e válvulas - mundo educação.

https://mundoeducacao.uol.com.br/biologia/coracao.htm, 2020. (Accessed on
08/17/2020).
ScienceDirect. Sciencedirect.com | science, health and medical journals, full text articles and
books. https://www.sciencedirect.com/. (Accessed on 08/14/2020).
Mohsen Shahhosseini. Microsoft word - mohsenshahhosseini.docx.

https://arxiv.org/ftp/arxiv/papers/2009/2009.00534.pdf. (Accessed on
08/20/2022).
Tariq Jamal Siddiqi, Muhammad Shariq Usman, Izza Shahid, Jawad Ahmed, Safi U Khan, Lina
Ya’qoub, Charanjit S Rihal, and Mohamad Alkhouli. Utility of the CHA2DS2-VASc score for
predicting ischaemic stroke in patients with or without atrial fibrillation: a systematic review
and meta-analysis. European Journal of Preventive Cardiology, 29(4):625–631, March 2022.
ISSN 2047-4873, 2047-4881. DOI 10.1093/eurjpc/zwab018. URL

https://academic.oup.com/eurjpc/article/29/4/625/6163157.
Rogério Gomes da Silva, Gustavo Glotz de Lima, Andréia Laranjeira, Altamiro Reis da Costa,
Edemar Pereira, and Rubem Rodrigues. Fatores de risco e morbimortalidade associados à
fibrilação atrial no pós-operatório de cirurgia cardíaca. Arquivos Brasileiros de Cardiologia,
83(2):99–104, August 2004. ISSN 0066-782X. DOI 10.1590/S0066-782X2004001400002.
URL http://www.scielo.br/scielo.php?script=sci_arttext&pid=

S0066-782X2004001400002&lng=pt&nrm=iso&tlng=pt.
Donald S. Silverberg, Dov Wexler, Adrian Iaina, and Doron Schwartz. The interaction between
heart failure and other heart diseases, renal failure, and anemia. Seminars in Nephrology, 26
(4):296–306, 2006. ISSN 0270-9295. DOI https://doi.org/10.1016/j.semnephrol.2006.05.006.
URL https://www.sciencedirect.com/science/article/pii/S0270929506000726.
The Kidney and Anemia.
Springer. Brazil. https://www.springer.com/br. (Accessed on 08/14/2020).
UFMG. Morte por doenças cardiovasculares aumentaram durante pandemia - faculdade de
medicina da ufmg. https://www.medicina.ufmg.br/

morte-por-doencas-cardiovasculares-aumentaram-durante-pandemia/.
(Accessed on 08/17/2020).

Referências

104

Barry F Uretsky and Richard G Sheahan. Primary prevention of sudden cardiac death in heart
failure: Will the solution be shocking? Journal of the American College of Cardiology, 30(7):
1589–1597, December 1997. DOI 10.1016/s0735-1097(97)00361-6. URL

https://doi.org/10.1016/s0735-1097(97)00361-6.
USP. Redes neurais artificiais. https://sites.icmc.usp.br/andre/research/neural/.
(Accessed on 08/20/2022).
Guido Van Rossum and Fred L Drake Jr. Python reference manual. Centrum voor Wiskunde en
Informatica Amsterdam, 1995.
Stephen D. Webb and John Collette. Rural-urban stress: New data and new conclusions.
American Journal of Sociology, 84(6):1446–1452, May 1979. DOI 10.1086/226945. URL

https://doi.org/10.1086/226945.
IEEE Xplore. Ieee xplore. https://ieeexplore.ieee.org/Xplore/home.jsp. (Accessed
on 08/14/2020).
Zotero. Zotero | your personal research assistant. https://www.zotero.org/. (Accessed on
08/14/2020).
Özal Yıldırım, Paweł Pławiak, Ru-San Tan, and U. Rajendra Acharya. Arrhythmia detection
using deep convolutional neural network with long duration ecg signals. Computers in
Biology and Medicine, 102:411–420, 2018. ISSN 0010-4825.
DOI https://doi.org/10.1016/j.compbiomed.2018.09.009. URL

https://www.sciencedirect.com/science/article/pii/S0010482518302713.

Apêndice A
Código em Python
Algoritmo A.1: Tratamento dos dados e Geração dos Scores e Predições
1
2

###LEITURA E LIMPEZA DOS DADOS ORIGINAIS:

3

from sklearn . model _ selection import cross _ val _ score

4

import numpy as np

5

import pandas as pd

6

from sklearn . preprocessing import LabelEncoder

7

from time import time

8

from sklearn . preprocessing import MinMaxScaler

9

from sklearn . decomposition import PCA

10
11

df = pd . read _ csv (" healthcare - dataset - stroke - data . csv " ,

12

low _ memory = False )

13
14

print ( len ( df . index ), ’ dataset original ’)

15
16

#remove rows with any nan value

17

df = df . dropna ()

18
19

print ( len ( df . index ), ’sem nan ’)

20

print ( len ( df . columns ), ’com todas colunas ’)

21
22
23

# E x c l u s o da coluna de id dos pacientes, se foi casado,

24

#tipo de trabalho

25

df = df . drop ([ ’id ’], axis =1)

26

df = df . drop ([ ’ ever _ married ’], axis =1)

27

df = df . drop ([ ’ work _ type ’], axis =1)

28

105

Conclusão

29

106

print ( len ( df . columns ), ’sem colunas removidas {id , married , work type } ’)

30
31

# remove rows with gender value ’Other’

32

df = df [ df [ ’ gender ’] != ’ Other ’]

33
34
35

print ( len ( df . index ), ’ removendo genero other ’)

36
37

# E x c l u s o de i n s t n c i a que n o tem a info de smoke

38

df = df [ df [ ’ smoking _ status ’] != ’ Unknown ’]

39
40

print ( len ( df . index ), ’ removendo pacientes sem i n f o r m a

41

tabagismo ’)

o sobre

42
43
44
45

###INFERE ESTRESSE COM BASE NO TIPO DE RESID NCIA

46

# Rela

47

df . rename ( columns = { ’ Residence _ type ’: ’ stress ’}, inplace = True )

48

df = df . replace ( ’ Urban ’, 1)

49

df = df . replace ( ’ Rural ’, 0)

o entre o tipo de residencia e o n v e l de estresse

50
51
52
53
54

# T R A N S F O R M A O DOS DADOS PARA OS PAR METROS NECESS RIOS

55

### preprocess original data ####

56

original _ df = df

57
58

# Gender

59

df = df . replace ( ’ Male ’, 0)

60

df = df . replace ( ’ Female ’, 1)

61
62
63

# Set score according age of pacient

64

# categoriza idade de acordo com os parametros do hasvasc

65

df . loc [ df . age < 65 , ’age ’] = 0

66

df . loc [(( df . age >= 65) & ( df . age < 75)) , ’age ’] = 1

67

df . loc [ df . age >= 75 , ’age ’] = 2

68
69

#categoriza diabetes de acordo com o n v e l de glicose

Conclusão

70

df [ ’avg _ glucose _ level ’] = np . where (( df . avg _ glucose _ level < 126) ,

71

0, df . avg _ glucose _ level )

72

df [ ’avg _ glucose _ level ’] = np . where (( df . avg _ glucose _ level >= 126) ,

73

1, df . avg _ glucose _ level ) #Diabetes

107

74
75

# Set score according smoking of pacient

76

df [ ’ smoking _ status ’] = np . where (( df . smoking _ status == ’ smokes ’),

77

2, df . smoking _ status ) #Fumante

78

df [ ’ smoking _ status ’] = np . where (( df . smoking _ status == ’ formerly smoked ’),

79

1, df . smoking _ status ) #Ex Fumante

80

df [ ’ smoking _ status ’] = np . where (( df . smoking _ status == ’ never smoked ’),

81

0, df . smoking _ status )

82
83

# categorizar bmi (imc) para sobrepeso e obesidade

84

df [ ’bmi ’] = np . where (( df . bmi < 25) ,0 , df . bmi )

85
86

#Sobrepeso

87

df [ ’bmi ’] = np . where ((( df . bmi >= 25) & ( df . bmi <= 30)) ,1 , df . bmi )

88
89

#Obesidade

90

df [ ’bmi ’] = np . where (( df . bmi > 30) ,2 , df . bmi )

91
92
93
94

# renomear nomes de colunas

95

df . rename ( columns = { ’bmi ’: ’imc ’}, inplace = True )

96

df . rename ( columns = { ’ stroke ’: ’avc ’}, inplace = True )

97

df . rename ( columns = { ’age ’: ’ idade ’}, inplace = True )

98

df . rename ( columns = { ’ gender ’: ’ sexo ’}, inplace = True )

99

df . rename ( columns = { ’ hypertension ’: ’ hipertensao ’}, inplace = True )

100

df . rename ( columns = { ’ heart _ disease ’: ’ doenca _ vascular ’}, inplace = True )

101

df . rename ( columns = { ’ stress ’: ’ estresse ’}, inplace = True )

102

df . rename ( columns = { ’ smoking _ status ’: ’ tabagismo ’}, inplace = True )

103

df . rename ( columns = { ’avg _ glucose _ level ’: ’ diabetes ’}, inplace = True )

104
105

# avc to 2

106

df [ ’avc ’] = np . where (( df . avc == 1) ,2 , df . avc )

107
108
109

#extrair v a r i v e l insuficiencia c a r d a c a a partir das informacoes

110

#obtidas no dataset

Conclusão

111

#(Hipertens o , Idade >= 70, Tabagismo, Diabetes (genero(2x homem,

112

#4x mulher)), Obesidade, AVC) = % ic (insuficiencia cardiaca)

113
114

# cria copia das colunas de interesse, com excecao da coluna age

115

ic _ calc = df [[ ’ sexo ’, ’ idade ’, ’ hipertensao ’, ’ tabagismo ’,

116

’ diabetes ’, ’imc ’, ’avc ’]]. copy ()

117
118
119

# processamento do score de diabetes baseado no sexo

120

ic _ calc [ ’ novo _ diabetes ’] = 0

121

ic _ calc [ ’ novo _ diabetes ’] = np . where ((( ic _ calc . sexo == 1) &

122

( ic _ calc [ ’ diabetes ’] == 1)) ,2 , ic _ calc . novo _ diabetes )

123

# se mulher e diabetes = 2

124

ic _ calc [ ’ novo _ diabetes ’] = np . where ((( ic _ calc . sexo == 0) &

125

( ic _ calc [ ’ diabetes ’] == 1)) ,1 , ic _ calc . novo _ diabetes )

126

# se homem e diabetes = 1

127
128

# remove as colunas que nao vao ser mais usadas

129

ic _ calc = ic _ calc . drop ([ ’ sexo ’], axis =1)

130

ic _ calc = ic _ calc . drop ([ ’ diabetes ’], axis =1)

131
132

# renomear coluna diabetes

133

ic _ calc . rename ( columns = { ’ novo _ diabetes ’: ’ diabetes ’},

134

inplace = True )

135
136
137

ic _ calc [ ’ score ’] = ic _ calc [ ’ hipertensao ’] + ic _ calc [ ’ idade ’] +

138

ic _ calc [ ’avc ’] + ic _ calc [ ’ diabetes ’] + ic _ calc [ ’imc ’] +

139

ic _ calc [ ’ tabagismo ’]

140
141

column = ’ score ’

142

ic _ calc [ column ] = ( ic _ calc [ column ] - ic _ calc [ column ]. min ()) /

143

( ic _ calc [ column ]. max () - ic _ calc [ column ]. min ())

144
145

#PCA para indicadores do ic calc

146

pca = PCA (n_ components =1)

147

pca . fit ( ic _ calc )

148

pca _ resultado = pca . components _

149
150

#Define corte para classificar IC

151

ic _ index = 0.5

108

Conclusão

152

109

ic _ calc = ic _ calc . drop ( ic _ calc [ ic _ calc . score < ic _ index ]. index )

153
154

new _ df _ index _ array = ic _ calc . index . tolist ()

155
156

df = df . filter ( items = new _ df _ index _ array , axis =0)

157
158

df [ ’ic ’] = 1

159
160

# converte columns to numeric

161

df [" sexo "] = pd . to _ numeric ( df [" sexo " ])

162

df [" tabagismo "] = pd . to _ numeric ( df [" tabagismo " ])

163
164

# reordenar colunas

165

# df = df[[’ic’, ’hipertensao’, ’idade’, ’diabetes’, ’avc’,

166

’ doenca _ vascular ’, ’ sexo ’, ’ estresse ’, ’imc ’, ’ tabagismo ’]]

167
168
169

###CALCULO E CLASSIFICACAO DOS RISCOS POR CHA2DS2VASC (Lip, 2010;

170

#Friberg, 2012)

171

# create new column adapted chadvasc

172

df [ ’ cha2ds2 _ vasc ’] = df [ ’ hipertensao ’] + df [ ’ idade ’] + df [ ’avc ’] +

173

df [ ’ doenca _ vascular ’] + df [ ’ sexo ’] + df [ ’ic ’]

174

df [ ’ habitos ’] = df [ ’ estresse ’] + df [ ’ tabagismo ’] + df [ ’imc ’]

175
176
177

#novas colunas relacionados ao risco de acordo com chadvasc

178
179
180

# C L A S S I F I C A O CHA2DS2-VASc (Friberg 2012)

181

df [ ’f_ risco _ avc _ isquemico _ anual ’] = 0

182

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 0) ,

183

0.2 , df .f_ risco _ avc _ isquemico _ anual )

184

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 1) ,

185

0.6 , df .f_ risco _ avc _ isquemico _ anual )

186

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 2) ,

187

2.2 , df .f_ risco _ avc _ isquemico _ anual )

188

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 3) ,

189

3.2 , df .f_ risco _ avc _ isquemico _ anual )

190

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 4) ,

191

4.8 , df .f_ risco _ avc _ isquemico _ anual )

192

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 5) ,

Conclusão

110

193

7.2 , df .f_ risco _ avc _ isquemico _ anual )

194

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 6) ,

195

9.7 , df .f_ risco _ avc _ isquemico _ anual )

196

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 7) ,

197

11.2 , df .f_ risco _ avc _ isquemico _ anual )

198

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 8) ,

199

10.8 , df .f_ risco _ avc _ isquemico _ anual )

200

df [ ’f_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 9) ,

201

12.2 , df .f_ risco _ avc _ isquemico _ anual )

202
203

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = 0

204

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

205

== 0) ,0.3 , df . risco _ avc _ ait _ embolia _ sistemica )

206

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

207

== 1) ,0.9 , df . risco _ avc _ ait _ embolia _ sistemica )

208

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

209

== 2) ,2.9 , df . risco _ avc _ ait _ embolia _ sistemica )

210

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

211

== 3) ,4.8 , df . risco _ avc _ ait _ embolia _ sistemica )

212

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

213

== 4) ,6.7 , df . risco _ avc _ ait _ embolia _ sistemica )

214

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

215

== 5) ,10.0 , df . risco _ avc _ ait _ embolia _ sistemica )

216

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

217

== 6) ,13.6 , df . risco _ avc _ ait _ embolia _ sistemica )

218

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

219

== 7) ,15.2 , df . risco _ avc _ ait _ embolia _ sistemica )

220

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

221

== 8) ,15.7 , df . risco _ avc _ ait _ embolia _ sistemica )

222

df [ ’ risco _ avc _ ait _ embolia _ sistemica ’] = np . where (( df . cha2ds2 _ vasc

223

== 9) ,17.4 , df . risco _ avc _ ait _ embolia _ sistemica )

224
225
226
227

# C L A S S I F I C A O CHA2DS2-VASc (Lip 2010)

228

df [ ’l_ risco _ avc _ isquemico _ anual ’] = 0

229

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 0) ,

230

0.0 , df .l_ risco _ avc _ isquemico _ anual )

231

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 1) ,

232

0.6 , df .l_ risco _ avc _ isquemico _ anual )

233

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 2) ,

Conclusão

111

234

1.6 , df .l_ risco _ avc _ isquemico _ anual )

235

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 3) ,

236

3.9 , df .l_ risco _ avc _ isquemico _ anual )

237

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 4) ,

238

1.9 , df .l_ risco _ avc _ isquemico _ anual )

239

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 5) ,

240

3.2 , df .l_ risco _ avc _ isquemico _ anual )

241

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 6) ,

242

3.6 , df .l_ risco _ avc _ isquemico _ anual )

243

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 7) ,

244

8.0 , df .l_ risco _ avc _ isquemico _ anual )

245

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 8) ,

246

11.1 , df .l_ risco _ avc _ isquemico _ anual )

247

df [ ’l_ risco _ avc _ isquemico _ anual ’] = np . where (( df . cha2ds2 _ vasc == 9) ,

248

100 , df .l_ risco _ avc _ isquemico _ anual )

249
250
251

df [ ’ic ’] = df [ ’ic ’]. astype (" int ")

252

df [ ’avc ’] = df [ ’avc ’]. astype (" int ")

253

df [ ’imc ’] = df [ ’imc ’]. astype (" int ")

254

df [ ’ idade ’] = df [ ’ idade ’]. astype (" int ")

255

df [ ’ sexo ’] = df [ ’ sexo ’]. astype (" int ")

256

df [ ’ hipertensao ’] = df [ ’ hipertensao ’]. astype (" int ")

257

df [ ’ doenca _ vascular ’] = df [ ’ doenca _ vascular ’]. astype (" int ")

258

df [ ’ estresse ’] = df [ ’ estresse ’]. astype (" int ")

259

df [ ’ tabagismo ’] = df [ ’ tabagismo ’]. astype (" int ")

260

df [ ’ diabetes ’] = df [ ’ diabetes ’]. astype (" int ")

261
262
263

### CALCULO E NORMALIZACAO DO SCORE CHA2DS2-VASc E HABITOS

264

# resultado da soma

265

df [ ’ resultado _ score ’] =

266

( df [ ’ cha2ds2 _ vasc ’] * 0.7) + ( df [ ’ habitos ’] * 0.3)

267
268

df [ ’ resultado _ normalizado ’] = df [ ’ resultado _ score ’]

269
270
271

# # normalizar resultados <<<<

272

column = ’ resultado _ normalizado ’

273

min _ value = 0;

274

max _ value = 13; #atribuir maior obtido pelos scores

Conclusão

112

275

df [ column ] =

276

( df [ column ] - df [ column ]. min ()) / ( df [ column ]. max () - df [ column ]. min ())

277

df [ column ] = df [ column ] * 10

278
279

pca . fit ( df )

280

pca _ resultado _ df = pca . components _

281
282
283

### C A T E G O R I Z A O NYHA POR QUARIL

284

# cria novas categorias para inferencia

285

df . loc [ df [ ’ resultado _ normalizado ’] <= 2.5 , ’ resultado _ categoria ’]= ’I ’

286

df . loc [( df [ ’ resultado _ normalizado ’] > 2.5) &

287

( df [ ’ resultado _ normalizado ’] <= 5) , ’ resultado _ categoria ’] = ’II ’

288

df . loc [( df [ ’ resultado _ normalizado ’] > 5) &

289

( df [ ’ resultado _ normalizado ’] <= 7.5) , ’ resultado _ categoria ’] = ’III ’

290

df . loc [ df [ ’ resultado _ normalizado ’] > 7.5 , ’ resultado _ categoria ’]= ’IV ’

291
292

###MORTALIDADE DAS CATEGORIAS NYHA SEM E COM TRATAMENTO

293

# Atribui mortalidade com base na categoria (Sem tratamento)

294

df [ ’ mort _ sem _ tra _ min ’]= 0

295

df [ ’ mort _ sem _ tra _ max ’] = 0

296

df [ ’ mort _ sem _ tra _ min ’] = np . where (( df . resultado _ categoria

297

== ’I ’) ,0.05 , df . mort _ sem _ tra _ min )

298

df [ ’ mort _ sem _ tra _ max ’] = np . where (( df . resultado _ categoria

299

== ’I ’) ,0.19 , df . mort _ sem _ tra _ max )

300
301

df [ ’ mort _ sem _ tra _ min ’] = np . where (( df . resultado _ categoria

302

== ’II ’) ,0.15 , df . mort _ sem _ tra _ min )

303

df [ ’ mort _ sem _ tra _ max ’] = np . where (( df . resultado _ categoria

304

== ’II ’) ,0.40 , df . mort _ sem _ tra _ max )

305
306

df [ ’ mort _ sem _ tra _ min ’] = np . where (( df . resultado _ categoria

307

== ’III ’),

308

0.15 , df . mort _ sem _ tra _ min )

309

df [ ’ mort _ sem _ tra _ max ’] = np . where (( df . resultado _ categoria

310

== ’III ’),

311

0.40 , df . mort _ sem _ tra _ max )

312
313

df [ ’ mort _ sem _ tra _ min ’] = np . where (( df . resultado _ categoria

314

== ’IV ’),

315

0.44 , df . mort _ sem _ tra _ min )

Conclusão

316

df [ ’ mort _ sem _ tra _ max ’] = np . where (( df . resultado _ categoria

317

== ’IV ’),

318

0.66 , df . mort _ sem _ tra _ max )

319
320
321

# Atribui mortalidade com base na categoria (Com tratamento)

322

df [ ’ mort _ com _ tra _ min ’] = 0

323

df [ ’ mort _ com _ tra _ max ’] = 0

324

df [ ’ mort _ com _ tra _ min ’] = np . where (( df . resultado _ categoria

325

== ’I ’) ,0.05 , df . mort _ com _ tra _ min )

326

df [ ’ mort _ com _ tra _ max ’] = np . where (( df . resultado _ categoria

327

== ’I ’) ,0.10 , df . mort _ com _ tra _ max )

328
329

df [ ’ mort _ com _ tra _ min ’] = np . where (( df . resultado _ categoria

330

== ’II ’) ,0.05 , df . mort _ com _ tra _ min )

331

df [ ’ mort _ com _ tra _ max ’] = np . where (( df . resultado _ categoria

332

== ’II ’) ,0.10 , df . mort _ com _ tra _ max )

333
334

df [ ’ mort _ com _ tra _ min ’] = np . where (( df . resultado _ categoria

335

== ’III ’) ,0.10 , df . mort _ com _ tra _ min )

336

df [ ’ mort _ com _ tra _ max ’] = np . where (( df . resultado _ categoria

337

== ’III ’) ,0.15 , df . mort _ com _ tra _ max )

338
339

df [ ’ mort _ com _ tra _ min ’] = np . where (( df . resultado _ categoria

340

== ’IV ’) ,0.30 , df . mort _ com _ tra _ min )

341

df [ ’ mort _ com _ tra _ max ’] = np . where (( df . resultado _ categoria

342

== ’IV ’) ,0.40 , df . mort _ com _ tra _ max )

343
344

# Atribui mortalidade com base na categoria (avg)

345

df [ ’ nyha _ mortality _ min ’] = 0

346

df [ ’ nyha _ mortality _ max ’] = 0

347

df [ ’ nyha _ mort _ com _ tra _ min ’] = np . where (( df . resultado _ categoria

348

== ’I ’) ,0.10 , df . mort _ com _ tra _ min )

349

df [ ’ nyha _ mortality _ max ’] = np . where (( df . resultado _ categoria

350

== ’I ’) ,0.15 , df . mort _ com _ tra _ max )

351
352

df [ ’ nyha _ mortality _ min ’] = np . where (( df . resultado _ categoria

353

== ’II ’) ,0.10 , df . mort _ com _ tra _ min )

354

df [ ’ nyha _ mortality _ max ’] = np . where (( df . resultado _ categoria

355

== ’II ’) ,0.15 , df . mort _ com _ tra _ max )

356

113

Conclusão

114

357

df [ ’ nyha _ mortality _ min ’] = np . where (( df . resultado _ categoria

358

== ’III ’) ,0.15 , df . mort _ com _ tra _ min )

359

df [ ’ nyha _ mortality _ max ’] = np . where (( df . resultado _ categoria

360

== ’III ’) ,0.20 , df . mort _ com _ tra _ max )

361
362

df [ ’ nyha _ mortality _ min ’] = np . where (( df . resultado _ categoria

363

== ’IV ’) ,0.20 , df . mort _ com _ tra _ min )

364

df [ ’ nyha _ mortality _ max ’] = np . where (( df . resultado _ categoria

365

== ’IV ’) ,0.50 , df . mort _ com _ tra _ max )

366
367

print ( ’ categoria I -> ’, df [ df [ ’ resultado _ categoria ’] == ’I ’]

368

. shape [0])

369

print ( ’ categoria II -> ’, df [ df [ ’ resultado _ categoria ’] == ’II ’]

370

. shape [0])

371

print ( ’ categoria III -> ’, df [ df [ ’ resultado _ categoria ’] == ’III ’]

372

. shape [0])

373

print ( ’ categoria IV -> ’, df [ df [ ’ resultado _ categoria ’] == ’IV ’]

374

. shape [0])

375
376

### O R G A N I Z A

377

print ( list ( df . columns ))

378

#ordenando colunas do df

379

df . loc [: , [ ’ic ’, ’ hipertensao ’, ’ idade ’, ’ diabetes ’, ’avc ’,

O E EXPORTA

O DOS DADOS PARA O ORANGE DATA MINING

380

’ doenca _ vascular ’, ’ sexo ’, ’ cha2ds2 _ vasc ’,

381

’f_ risco _ avc _ isquemico _ anual ’,

382

’ risco _ avc _ ait _ embolia _ sistemica ’,

383

’l_ risco _ avc _ isquemico _ anual ’,

384
385

’ estresse ’, ’imc ’, ’ tabagismo ’, ’ habitos ’,

386

’ resultado _ score ’, ’ resultado _ normalizado ’,

387

’ resultado _ categoria ’,

388
389

’ nyha _ mortality _ min ’,’ nyha _ mortality _ max ’,

390

’ mort _ sem _ tra _ min ’, ’ mort _ sem _ tra _ max ’,

391

’ mort _ com _ tra _ min ’, ’ mort _ com _ tra _ max ’]]

392
393
394
395
396

df _ saidas = df [[ ’ cha2ds2 _ vasc ’, ’ habitos ’, ’ resultado _ normalizado ’,

397

’ resultado _ categoria ’,’f_ risco _ avc _ isquemico _ anual ’,

Conclusão

398

’ risco _ avc _ ait _ embolia _ sistemica ’, ’l_ risco _ avc _ isquemico _ anual ’,

399

’ mort _ sem _ tra _ min ’, ’ mort _ sem _ tra _ max ’, ’ mort _ com _ tra _ min ’,

400

’ mort _ com _ tra _ max ’]]

401

df _ saidas . insert (0 , ’n ’, df _ saidas . index . tolist ())

402

df _ saidas . reset _ index ( drop = True , inplace = True )

115

403
404
405

# exportar dataframes

406

df . to _ csv ( ’ preprocess _ result . csv ’, sep = ’,’, encoding = ’utf -8 ’,

407

index = False )

408

original _ df . to _ csv ( ’ original _ df . csv ’, sep = ’,’, encoding = ’utf -8 ’,

409

index = False )

410

ic _ calc . to _ csv ( ’ic _ calc . csv ’, sep = ’,’, encoding = ’utf -8 ’, index = False )