Este projeto foi desenvolvido com o objetivo de criar um modelo de Machine Learning capaz de ajudar os médicos e enfermeiros do Hospital Sírio-Libanês a prever quais pacientes precisarão ser admitidos na unidade de terapia intensiva (UTI) devido a complicações da COVID-19 e, assim, definir qual a necessidade de leitos de UTI do Hospital a partir dos dados clínicos individuais disponíveis.🏥.
- Veja os dados utilizados DADOS DO HOSPITAL SÍRIO LIBANÊS;
- Leia o notebook do projeto IMPLEMENTANDO MODELOS DE ML NA COVID 19.
A pandemia de COVID-19 atingiu o mundo inteiro, sobrecarregando os sistemas de saúde - despreparados para uma solicitação tão intensa e demorada de leitos de UTI, profissionais, equipamentos de proteção individual e recursos de saúde. Países como o Brasila, que já possui sistema de saúde superlotados, vem sofrendo com a falta de leitos de Unidade de Terapia Intensiva (UTI) na internação de seus pacientes. Isso já aconteceu e vem acontecendo em alguns estados do Brasil, como Amazonas (link da matéria), onde pacientes não estão mais conseguindo acesso a UTI, assim como não possuem equipamentos básicos para a manutenção de vida, como oxigênio. Em Santa Catarina também o estado é crítico, onde os hospitais de Blumenau já anunciaram triagem para internação de acordo com a chance de sobreviver (link da matéria). Com base nesses acontecimentos e até mesmo na prevenção de sobrecarga do sistema de saúde das redes privadas, o Hospital Sírio-Libanês, busca prevenir e até mesmo predizer, com base em dados clínicos de seus pacientes, conforme forem sendo admitidos no ambiente hospitalar, a necessidade ou não de internação nas UTIs nas próximas horas. A proposta feita pelo Hospital Sírio Libanês está disposta nesse link do Kaggle.
Em nosso conjunto de dados, temos a seguinte janela de dados, ou como é chamado no dataset, WINDOW:
| WINDOW | DESCRIÇÃO |
|---|---|
| 0-2 | From 0 to 2 hours of the admission |
| 2-4 | From 2 to 4 hours of the admission |
| 4-6 | From 4 to 6 hours of the admission |
| 6-12 | From 6 to 12 hours of the admission |
| Above-12 | Above 12 hours from admission |
- É critério obrigatório para este projeto, não utilizar os dados quando o paciente deu entrada na UTI -> ICU = 1, pois estes já terão ido diretamente para a UTI nas 2 primeiras horas, não importando para a predição;
- A informação e dicas passadas pelo próprio Hospital e que foram seguidas para contrução do modelo é que: devem ser previstos pacientes que necessitarão de UTI e quais NÃO necessitarão de UTI.
- 📄 Bibliotecas: Pandas, Numpy, Seaborn, Matplotlib, Yellowbrick, Scikit Learn
- ⚡️ Google Colaboratory.
Made with 💜 by Letícia Pires 👋