@MASTERSTHESIS{ 2021:374685613,
 	title = {Avalia??o do desempenho de modelos de predi??o do risco de quedas relacionado aos medicamentos prescritos em adultos e idosos hospitalizados por meio de aprendizado de m?quina},
 	year = {2021},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/9777",
 	abstract = "INTRODU??O: As quedas podem ser uma das consequ?ncias do uso de f?rmacos de risco e/ou de intera??es medicamentosas. O aprendizado de m?quina possibilita novas abordagens na identifica??o de riscos. Foi identificada somente uma ferramenta que avalia o risco de queda relacionado ao uso de medicamentos. N?o foram identificados estudos que analisem os medicamentos como fatores de risco para quedas por meio de aprendizado de m?quina. OBJETIVO: Avaliar o desempenho de modelos de predi??o do risco de quedas relacionado aos medicamentos prescritos em adultos e idosos hospitalizados por meio de aprendizado de m?quina. M?TODO: Estudo de caso-controle, retrospectivo, com adultos e idosos hospitalizados no Hospital Nossa Senhora da Concei??o no ano de 2016. Foram investigados a idade, os medicamentos prescritos e as classes medicamentosas. Os dados foram exportados para o software RStudio para an?lise estat?stica. O projeto foi aprovado pela Comiss?o Cient?fica da Escola de Medicina da Pontif?cia Universidade Cat?lica do Rio Grande do Sul e est? vinculado ao projeto guarda-chuva intitulado ?Detec??o autom?tica de eventos adversos utilizando processamento de linguagem natural nos prontu?rios eletr?nicos de um hospital terci?rio?, aprovado pelo Comit? de ?tica em Pesquisa. RESULTADOS: Os modelos de predi??o desenvolvidos por meio de aprendizado de m?quina apresentaram melhor desempenho em rela??o a um modelo generaliz?vel existente. Os modelos desenvolvidos por meio do algoritmo gradient boosting, em geral, apresentaram melhor performance em rela??o aos demais. Os modelos com melhor performance na popula??o apresentaram queda no desempenho, quando aplicados ao subgrupo de idosos. DISCUSS?O: O presente estudo comprovou que, na popula??o estudada, um modelo constru?do a partir de um conjunto de dados de um hospital espec?fico apresenta resultados melhores em rela??o a uma ferramenta generaliz?vel. Ferramentas como o Medication Fall Risk Score s?o restritas a algumas vari?veis, considerando que os pr?prios profissionais da sa?de devem avaliar e calcular o escore. O preenchimento dessas ferramentas exige tempo e dedica??o dos profissionais, que poderiam ser aplicados na assist?ncia. Destacaram-se os modelos constru?dos a partir do algoritmo Gradient Boosting, tanto com os medicamentos como vari?veis, quanto com as classes medicamentosas. Quando aplicados na amostra de idosos, os modelos constru?dos com base na popula??o apresentaram queda na performance. Portanto, optou-se por desenvolver um modelo espec?fico para essa amostra. CONCLUS?O: Modelos de predi??o constru?dos por meio de algoritmos de aprendizado de m?quina podem auxiliar na identifica??o de riscos e aprimorar a assist?ncia prestada aos pacientes. O trabalho dos profissionais da sa?de n?o ser?
 substitu?do e o tempo despendido na aplica??o de escalas pode ser direcionado a outros aspectos importantes da assist?ncia ? sa?de.",
 	publisher = {Pontif?cia Universidade Cat?lica do Rio Grande do Sul},
 	scholl = {Programa de P?s-Gradua??o em Gerontologia Biom?dica},
 	note = {Escola de Medicina}
}