Portal InstitucionalUFPEL

O COVID19 (Sars-CoV-2) é um problema de saúde pública que está afetando a população mundial, exigindo intervenções que sejam eficientes e funcionem em larga escala. Até o dia 12 de agosto de 2020, mais de 20 milhões de casos e mais de 750 mil óbitos haviam sido confirmados no mundo todo (Johns Hopkins, 2020). O Brasil é o segundo país no ranking de casos e óbitos confirmados, com mais de 3.1 milhões de casos e mais de 104 mil mortes (Ministério da Saúde, 2020). Estudo realizado no Brasil, intitulado EPICOVID Brasil, encontrou soroprevalência de 1,4% no território nacional, o que representa uma subestimativa de aproximadamente 7 vezes, ou seja, a cada um caso notificado, sete não são (Hallal et al., 2020).
O Sars-CoV-2 possui uma alta taxa de transmissão de um indivíduo para o outro, ao passo que um indivíduo infectado pode causar até três novas infecções (Infection Prevention and Control, 2020). Como comparação, um indivíduo com gripe comum tem uma taxa de transmissão de aproximadamente 1,3 (Infection Prevention and Control, 2020). Normalmente, as infeções são causadas através de contato direto com o indivíduo que está infectado por gotículas de saliva, tosse e espirro. Por esse motivo, é importante que ações com testagens em massa sejam realizadas, apesar das dificuldades por falta de insumos. Dentre os sintomas mais usuais, a febre é o mais relatado pelos pacientes infectados (Hu et al., 2020). As comodidades mais prevalentes são hipertensão e diabetes, as quais estão associadas à gravidade do Sars-CoV-19 (Hu et al., 2020).
Diagnósticos em massa são importantes para que se possa identificar grupos com maior vulnerabilidade frente à Sars-CoV-19. Nesse sentido, a machine learning pode ser uma ferramenta importante para auxiliar no diagnóstico da doença e na predição de casos de Sars-CoV-2. A área de machine learning tem apresentado um crescimento rápido nos últimos anos, tendo sido recentemente utilizada, com alta precisão, em problemas importantes de saúde pública como no auxílio ao diagnóstico de doenças e na predição de risco de eventos adversos em saúde e óbitos (GULSHAN et al., 2016; M. et al., 2017; PAN et al., 2017).

Estudo descritivo com dados secundários, provenientes de testes realizados no município de São Leopoldo, Rio Grande do Sul. Os dados serão fornecidos aos pesquisadores da Universidade Federal de Pelotas (UFPel) em parceria entre o município e a instituição. Nesse sentido, de acordo com o CEP/CONEP, este estudo é dispensado de apreciação por Comitê de Ética e pesquisa (CEP) porque utilizou dados secundários, sem dados de identificação dos usuários.
São Leopoldo é um município localizado na região metropolitana de Porto Alegre, no estado do Rio Grande do Sul. Sua população é composta por 236.835 habitantes. Com uma densidade demográfica de 2,1 habitantes por km2, São Leopoldo tem uma renda média mensal de 3,3 salários mínimos (IBGE, 2019).
Os dados fornecidos pelo município de São Leopoldo serão analisados em software de análise estatística. Ao todo, serão inicialmente analisados dados de 8760 testes, dos quais 1711 são do tipo PCR, 5365 são testes rápidos normais e 1684 testes rápidos diferenciando igG e igM.
As informações serão provenientes da ficha de notificação de casos suspeitos de novo coronavírus (2019-nCoV) (anexo). Os dados, oriundos das ações de vigilância do município, serão obtidos junto a Vigilância Epidemiológica sem variáveis de identificação do indivíduo (nome completo, nome da mãe, CPF ou nome de contatos). Por tratar-se de dados já coletados pela vigilância, não serão necessárias novas coletas de dados e/ou contato com os casos suspeitos. Assim, o risco da pesquisa é mínimo aos indivíduos. O banco de dados será armazenado pela equipe de pesquisa e as informações não individualizadas serão apresentadas em relatório técnicos, resumos e artigos científicos.

Desfecho
Os dados dos resultados dos testes fornecidos pelo município parceiro são provenientes de três tipos de testagens diferentes: PCR, teste rápido normal e teste rápido diferenciando igG e igM. A partir desses dados fornecidos serão realizadas as análises estatísticas para cada um dos objetivos pretendidos do estudo.
Análise de dados
Os dados serão analisados no software estatístico Stata versão 12. A estatística descritiva (análise primária do estudo) também incluirá descrição dos desfechos segundo as variáveis independentes. Um modelo hierárquico será construído para a análise dos dados objetivando identificar fatores associados à infecção desconsiderando possíveis fatores de confusão. Para isso, serão realizadas regressões de Poisson com seleção para trás dentro de cada nível. Associações com valor-p menor que 5% serão consideradas estatisticamente significativas. Posteriormente, será verificado se o banco de dados possui os requisitos necessários para que sejam aplicadas as análises de machine learning. Após verificação da qualidade, as análises de machine learning testarão algoritmos já utilizados em outras propostas para tentar predizer a infecção. Cálculo de poder do estudo serão realizados a posteriori.

1. Avaliar a diferença da infecção e fatores associados segundo o tipo de teste utilizado;
2. Identificar grupos de maior risco para a infecção;
3. Testar performance de algoritmos de machine learning para a predição de casos de Sars-CoV-2;

Os resultados desta pesquisa darão subsídios para a tomada de decisões por parte da gestão pública municipal acerca das ações e estratégias para contingenciamento e mitigação dos efeitos da Pandemia do SARS-CoV-2, através da soma de esforços e compartilhamento de informações e dados do município de São Leopoldo