Modelo de suporte à decisão aplicado ao atendimento das vítimas de acidentes de trânsito na cidade de João Pessoa

• Main Author: Soares, Rackynelly Alves Sarmento
• Other Authors: Rocha, Andréa Vanessa
• Format: Others
• Language: Portuguese
• Published: Universidade Federal da Paraí­ba 2015
• Subjects: Acidentes de trânsito; Árvores de decisões; Epidemiologia; Traffic accidents; Decision trees; Epidemiology; CIENCIAS DA SAUDE::SAUDE COLETIVA
• Online Access: http://tede.biblioteca.ufpb.br:8080/handle/tede/6526

Made available in DSpace on 2015-05-14T12:47:11Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 3933359 bytes, checksum: 8b1a14ddde7e9f62a39543e1408efd75 (MD5) Previous issue date: 2012-02-27 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES === Traffic accidents produce high morbidity and mortality in several countries, including Brazil. Initial care to victims of these accidents, by a specialized team, has tools for evaluating severity of trauma, which guide priorities. The purpose of this study is to understand process of decision making to meet victims of traffic accidents and from that develop an understanding of the decision support model that assists medical regulator to decide the severity of injury caused by this condition to health. The study looked at all victims of traffic accidents attended by SAMU of João Pessoa-PB in 2010. It is an epidemiological investigation based on institutional data collection instrument which was the regulation of medical records. Descriptive and spatial statistics was conducted, definition of the decision model was a decision tree whose objective attribute is represented by severity of the injury Abbreviated Injury Scale (AIS). SAMU attended 4.514 TA victims in João Pessoa in 2010. 99% of emergency care to victims were made by teams of basic units. Most victims were male (75.45%), aged between 20 and 39 years (60%) and the mechanism of injury was motorcycle (63%). The most affected body region was limbs (62%) and the more frequent AIS was AIS1 (64.3%). With regard to spatial analysis, the risk map identified the neighborhood Center as the highest risk (10.15) followed by Água Fria (3.23) and Penha (3.15). The spatial scan map that best fitted the risk map was 5% of the population and 5% significance level. The decision model chosen was decision tree that could correctly classify 99.9% of the severity of lesions, with kappa statistics 99.8%. By this model, it was possible to extract 36 rules for classification of the lesion. Given mistakes made by medical regulation on the presumed severity depending on the 192 system information, the use of decision tree makes it possible to reduce subjectivity in decisions to maximize their probability of a hit and consequent reduction in morbidity and mortality brought about by traffic accident. === Os acidentes de trânsito produzem alta morbimortalidade em vários países do mundo, inclusive no Brasil. O atendimento inicial às vítimas destes acidentes, por equipe especializada, conta com instrumentos de avaliação da gravidade do trauma, que norteiam as prioridades. A proposta deste estudo é elaborar um modelo de suporte à decisão que auxilie o profissional médico regulador na tarefa de definir a gravidade da lesão provocada por esse agravo à saúde. No estudo analisaram-se todas as vítimas de acidentes de trânsito atendidas pelo Serviço de Atendimento Médico de Urgência (SAMU) de João Pessoa-PB no ano de 2010. Trata-se de uma investigação epidemiológica baseada em dados institucionais cujo instrumento de coleta foram as fichas de regulação médica. Realizou-se a estatística descritiva, espacial e a definição do modelo de decisão como uma árvore de decisão e cujo atributo objetivo é a gravidade da lesão determinada pela Abbreviated Injury Scale (AIS). O SAMU atendeu 4.514 vítimas de acidentes de trânsito (AT) em João Pessoa no ano de 2010. Verificou-se que 99% desses atendimentos foram realizados por Unidades de Suporte Básico à vida (USB). A maioria das vítimas era do sexo masculino (75,45%), com idade entre 20 e 39 anos (60%) e o mecanismo do trauma foi motocicleta (63%). A região corpórea mais atingida foram os membros (62%) e o AIS mais frequente foi AIS1 (64,3%). Verificou-se também, o envio inadequado de recursos no atendimento às vítimas de AT, tanto USA em vez de USB como o contrário. Com relação à análise espacial, o mapa de risco identificou o bairro centro como sendo o de maior risco (10,1) seguido de Água Fria (3,23) e Penha (3,15). Quanto ao mapa de varredura scan, o que melhor se adequou ao mapa de risco foi a 5% da população e 5% de significância. O modelo de decisão eleito foi a árvore de decisão que classificou corretamente 99,9% das gravidades das lesões, com estatística kappa 99,8%. Por este modelo, foi possível a extração de 36 regras de classificação da lesão. Diante dos equívocos cometidos pelo médico regulador acerca da gravidade presumida, em função das informações transmitidas pelo sistema 192, a utilização da árvore de decisão torna possível a redução da subjetividade nas decisões maximizando sua probabilidade de acerto e a consequente redução da morbimortalidade acarretada pelo acidente de trânsito.