Parto prematuro e poluentes do ar em São José dos Campos-SP: uma abordagem fuzzy e neuro-fuzzy

Abstract

Os efeitos do parto prematuro são diversos e não se limitam apenas a infância, podendo gerar dificuldades de aprendizagem e complicações até a fase adulta. Estudos relacionam a prematuridade a inúmeros fatores como falta de acompanhamento pré-natal, idade e escolaridade materna, alcoolismo, tabagismo até a exposição a poluentes do ar. Esse trabalho tem por objetivo investigar a associação entre parto prematuro, idade da mãe, número de consultas pré-natal e exposição da gestante ao Material particulado com diâmetro menor que 10 µm (PM10) e Dióxido de Nitrogênio (NO2). Foram desenvolvidos modelos de predição utilizando técnicas de inteligência artificial: fuzzy e neuro-fuzzy. Os modelos foram validados por meio das métricas de avaliação como correlação (r), coeficiente de determinação (R2), erro médio absoluto (MAE), raiz do erro quadrático médio (RMSE), erro percentual absoluto médio (MAPE) e erro médio quadrático (MSE) entre os dados reais e preditos. Para aquisição dos dados, foram utilizadas informações da cidade de São José dos Campos-SP, entre os anos de 2016 a 2018. Os relatórios diários de poluentes utilizados foram extraídos do portal da CETESB (Companhia Ambiental do Estado de São Paulo), e os dados da Declaração de Nascidos Vivos (DNV), extraídos do portal de livre acesso do DATASUS (Departamento de Informática do Sistema Único de Saúde). Dentre todos os modelos de predição desenvolvidos, apresentou melhor desempenho o modelo neuro-fuzzy com validação simples 50:50, estrutura do tipo grid partition, método de otimização híbrido, com 20 épocas, entradas gaussianas, sendo as entradas idade da mãe, número de consultas pré-natal e concentração de PM10 com quatro funções de pertinência e a concentração de NO2 com três funções, e variável de saída constante, com métricas r=0,59, R2=0,35, MAE=1,70, RMSE=2,83, MAPE=5,35% e MSE=8,00. A abordagem apresentada desse estudo possui potencial para beneficiar a sociedade como um todo, auxiliando gestores na implementação de medidas preventivas voltadas à redução da emissão de gases poluentes. Visando não apenas melhoria na saúde da gestante e recém-nascido, mas também promoção de qualidade de vida para gerações futuras.

The effects of premature birth are diverse and are not limited to childhood, but can cause learning difficulties and complications until adulthood. Studies link prematurity to numerous factors such as lack of prenatal care, maternal age and education, alcoholism, smoking and exposure to air pollutants. This work aims to investigate the association between premature birth, mother's age, number of prenatal consultations and pregnant woman's exposure to Particulate Matter with a diameter smaller than 10 µm (PM10) and Nitrogen Dioxide (NO2). Prediction models were developed using artificial intelligence techniques: fuzzy and neuro-fuzzy. The models were validated using evaluation metrics such as correlation (r), coefficient of determination (R2), mean absolute error (MAE), root mean square error (RMSE), mean absolute percentage error (MAPE) and mean square error (MSE) between actual and predicted data. To acquire the data, information from the city of São José dos Campos-SP was used, between the years 2016 and 2018. The daily pollutant reports used were extracted from the CETESB (Companhia Ambiental do Estado de São Paulo) portal, and the data from Declaração de Nascidos Vivos (DNV), extracted from the free access portal of DATASUS (Departamento de Informática do Sistema Único de Saúde). Among all the prediction models developed, the neuro-fuzzy model with simple 50:50 validation, grid partition type structure, hybrid optimization method, with 20 epochs, Gaussian inputs, the inputs being mother's age, number of prenatal consultations and PM10 concentration with four membership functions and NO2 concentration with three functions, and constant output variable, with metrics r=0.59, R2=0.35, MAE=1.70, RMSE= 2.83, MAPE=5.35% and MSE=8.00. The approach presented in this study has the potential to benefit society as a whole, helping managers implement preventive measures aimed at reducing the emission of polluting gases. Aiming not only to improve the health of pregnant women and newborns, but also to promote quality of life for future generations.