Avaliação preditiva de risco de acidente vascular cerebral com base em dados clínicos e estilo de vida utilizando modelos de aprendizado de máquina

Abstract

Este estudo se propôs a testar modelos de aprendizado de máquina para prever a ocorrência de Acidentes Vasculares Cerebrais com base em características relacionadas ao estilo de vida e dados clínicos. Utilizando o framework CRISP-DM, foram explorados diferentes modelos, analisada a importância relativa de variáveis específicas e avaliado o impacto do balanceamento de classes na performance dos modelos. Os resultados destacam o Ensemble como o mais eficaz, obtendo uma área sob a curva ROC de 82%. O desempenho do Ensemble ressalta a importância de estratégias combinadas na predição de AVCs. A metodologia adotada demonstrou ser eficaz em todas as fases do estudo, garantindo a validade e a eficácia dos modelos desenvolvidos. Em síntese, este estudo indica que modelos de aprendizado de máquina têm um papel promissor na predição de AVCs com base em características de estilo de vida e dados clínicos, oferecendo insights valiosos para a prática clínica.