Aplicação de métodos de machine learning para predição e seleção de atributos na classificação de baixo peso ao nascer

Abstract

Neste estudo, foram aplicadas técnicas de Machine Learning para prever o risco de baixo peso ao nascer (BPN), utilizando dados do sistema SINASC. O modelo Regressão Logística apresentou acurácia média de 93,10% com validação cruzada, e bom desempenho em métricas como precisão, recall e F1-score. A análise de importância das variáveis destacam fatores como idade gestacional e tipo de gestação como relevantes para a predição. Os resultados indicam que o modelo é capaz de identificar com confiabilidade os casos de BPN, contribuindo para ações preventivas mais eficazes e para o direcionamento estratégico de recursos na atenção prénatal.

In this study, Machine Learning techniques were applied to predict the risk of low birth weight (LBW) using data from the SINASC system. The Logistic Regression model achieved an average accuracy of 93.10% with cross-validation and showed good performance in metrics such as precision, recall, and F1-score. The analysis of variable importance highlighted factors such as gestational age and type of pregnancy as relevant for prediction. The results indicate that the model is able to reliably identify LBW cases, contributing to more effective preventive actions and to the strategic allocation of resources in prenatal care