IMPACTO DE LA PANDEMIA POR COVID-19 Y MODELOS DE APRENDIZAJE DE MÁQUINA PARA PREDICCIÓN DE NACIMIENTOS PREMATUROS EN LAS CAPITALES DE LA REGIÓN NORDESTE DE BRASIL, 2018-2021

Resumen

El parto prematuro es un problema mundial por sus implicaciones en la morbimortalidad. Es uno de los principales factores de riesgo de mortalidad neonatal e infantil. El parto prematuro se define como aquel cuyo embarazo finaliza entre las semanas 20 y 37 o entre 140 y 257 días después del primer día de la última menstruación. Para este estudio, se utilizaron datos del Sistema de Información sobre Nacidos Vivos (SINASC) de las capitales de la región Nordeste de Brasil, entre 2018 y 2021. de las métricas de desempeño, en comparación con lo que se utilizó para el entrenamiento y validación de los modelos. . Se aplicaron seis algoritmos de aprendizaje automático (regresión logística, análisis discriminante lineal, perceptrón multicapa, AdaBoost, árbol de decisión y bosque aleatorio) para predecir la prematuridad. Los modelos mostraron una caída en la métrica Area Under the Roc Curve (AUC) en los años 2020 y 2021 en comparación con 2018 y 2019, con énfasis en los modelos Adaboost, Random Forest y Decision Tree, con caídas superiores al 10% atestiguadas por el Pruebas estadísticas de Kruskal-Wallis y Nemenyi. Como causas de la caída en el desempeño de los modelos, se identificó que las variables mes de inicio del prenatal y edad perdieron adherencia en relación a la base de formación. Los modelos mostraron un buen desempeño predictivo, sin embargo, el uso de modelos basados ​​en árboles debe hacerse con precaución, ya que son más inestables y que el covid-19 tuvo impacto en la distribución de las variables edad y mes de inicio del prenatal. Para entrenar nuevos modelos, preste atención a las variables de entrada y al período utilizado para el entrenamiento. Para soluciones ya establecidas, considere su reentrenamiento.

PALABRAS CLAVE: Prematuridad. Salud. Inteligencia artificial. Aprendizaje automático. COVID-19.