Estudo comparativo de modelos de classificação quanto ao desfecho de internações hospitalares por infarto agudo do miocárdio no município de São Paulo entre 2012 a 2022

Abstract

O Infarto Agudo do Miocárdio (IAM) é uma das principais causas de morte no Brasil, especialmente entre pacientes atendidos pelo Sistema Único de Saúde (SUS). Este trabalho tem como objetivo analisar os fatores de risco associados ao desfecho (óbito ou alta) de pacientes internados por IAM no município de São Paulo, no período de 2012 a 2022, utilizando modelos de aprendizado de máquina para prever esses desfechos clínicos. Foram aplicados três modelos: Regressão Logística, Árvore de Classificação e Floresta Aleatória, com foco no desempenho preditivo e interpretabilidade. A análise revelou que, apesar do desbalanceamento dos dados, a Árvore de Classificação apresentou um desempenho mediano, mas com boa capacidade de interpretação, sendo mais adequada para contextos em que a explicação das decisões é crucial. A Floresta Aleatória, por sua vez, obteve melhores resultados preditivos, embora tenha limitado a interpretabilidade. A Regressão Logística teve desempenho inferior, mas permaneceu como um modelo útil devido à sua simplicidade. As variáveis mais significativas para os modelos foram tempo de permanência, custo total da internação e idade do paciente, cujas interações divergiram entre os modelos, indicando que fatores não lineares influenciam diretamente os desfechos analisados.

Acute Myocardial Infarction (AMI) is one of the leading causes of death in Brazil, especially among patients treated by the Unified Health System (SUS). This study aims to analyze the risk factors associated with the outcome (death or discharge) of patients hospitalized for AMI in the municipality of São Paulo between 2012 and 2022, using machine learning models to predict these clinical outcomes. Three models were applied: Logistic Regression, Classification Tree and Random Forest, with a focus on predictive performance and interpretability. The analysis revealed that, despite the unbalanced data, the Classification Tree showed average performance, but with good interpretability, being more suitable for contexts in which the explanation of decisions is crucial. Random Forest, on the other hand, obtained better predictive results, although its interpretability was limited. Logistic Regression performed less well, but remained a useful model due to its simplicity. The most significant variables for the models were length of stay, total cost of hospitalization and patient age, whose interactions differed between the models, indicating that non-linear factors directly influence the outcomes analyzed.