Modelos de predição aplicados no diagnóstico do AVC: uma revisão de escopo

Abstract

Objetivo: Neste artigo, é apresentada uma revisão de escopo com o objetivo de identificar modelos de predição aplicados no diagnóstico do Acidente Vascular Cerebral (AVC). Método: A RE foi realizada em cinco fontes de busca, utilizando uma string de busca e critérios de inclusão e exclusão. Resultados: Após a realização das etapas definidas no protocolo, 615 trabalhos foram retornados na primeira etapa, destes apenas 9 foram selecionados para serem analisados e terem suas informações extraídas. Conclusão: Mediante os resultados apresentados, foi possível identificar que a maioria dos trabalhos desenvolveram modelos de aprendizagem, seguido da comparação de algoritmos e criação de algoritmos. Com relação aos recursos utilizados, os mais utilizados foram: linguagem de programação Python e biblioteca scikit-learn. Com relação aos modelos e algoritmos mais utilizados estão: Árvore de decisão, Naive Bayes, Random Forest e KNN (K-Nearest Neighbors). A maioria dos trabalhos analisados utilizaram as métricas Recall, Precisão, F1-Score e Acurácia para validarem as soluções. Dentre as limitações identificadas, destacam-se aquelas relacionadas à avaliação do desempenho das soluções propostas e à ausência de aspectos relevantes para os estudos analisados.