UNIVERSIDADE ESTADUAL PAULISTA – UNESP 

CÂMPUS DE JABOTICABAL 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ESTRATÉGIAS PARA SELEÇÃO DE VARIÁVEIS EM 

DIFERENTES MODELOS PREDITIVOS PARA 

TUBERCULOSE ANIMAL 

 
 
 
 
 
 
 
 

Leyde Emanuelle Costa Pereira 

Médica Veterinária 

 
 
 
 
 
 
 

2022 



UNIVERSIDADE ESTADUAL PAULISTA – UNESP 

CÂMPUS DE JABOTICABAL 

 

 
 
 
 
 
 
 
 
 
 
 
 
 
 

 

Estratégias para seleção de variáveis em diferentes 

modelos preditivos para tuberculose animal 

 
 
 
 

Leyde Emanuelle Costa Pereira 

Orientador: Prof. Dr. Luís Antônio Mathias 

Coorientador: Prof. Dr. Ricardo Alexandre Arcêncio 

 
 

Tese apresentada à Faculdade de Ciências 
Agrárias e Veterinárias – Unesp, Câmpus de 
Jaboticabal, como parte das exigências para a 
obtenção do título de Doutora em Medicina 
Veterinária (Medicina Veterinária Preventiva) 

 
 
 

 
2022 



Sistema de geração automática de fichas catalográficas da Unesp. Biblioteca da 

Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal. Dados fornecidos pelo 

autor(a). 

Essa ficha não pode ser modificada. 

P436e 

Pereira, Leyde Emanuelle Costa 

Estratégias para seleção de variáveis em diferentes modelos 

preditivos para tuberculose animal / Leyde Emanuelle Costa 

Pereira. -- Jaboticabal, 2022 

64 p. : tabs. 

Tese (doutorado) - Universidade Estadual Paulista (Unesp), 

Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal 

Orientador: Luís Antônio Mathias 

Coorientador: Ricardo Alexandre Arcêncio 

1. Bovino. 2. Teoria da previsão. 3. Banco de dados. I. Título.



 

 



 

DADOS CURRICULARES DA AUTORA 
 

LEYDE EMANUELLE COSTA PEREIRA – nasceu em Fernandópolis, São Paulo, no dia 06 

de julho de 1990. Em dezembro de 2008 concluiu o ensino médio no Centro Educacional 

Profissionalizante (CEPRO), Ouroeste, SP. Em 2011 ingressou no curso de Medicina 

Veterinária da Universidade Camilo Castelo Branco, Câmpus Fernandópolis, São Paulo. Em 

dezembro de 2015 defendeu o assunto de Interesse, o trabalho de conclusão de curso 

intitulado: “Utilização de óleo de girassol ozonizado no tratamento de dermatofitose em cães”, 

sob orientação da Profa. Dra. Dora Inês Kozusny-Andreani. Em janeiro de 2016 recebeu o 

grau de médica veterinária. Em março de 2016 iniciou o mestrado pelo Programa de pós- 

graduação em Medicina Veterinária (Medicina Veterinária Preventiva) da Faculdade de 

Ciências Agrárias e Veterinárias da Universidade Estadual Paulista “Júlio de Mesquita Filho” 

– Câmpus de Jaboticabal, SP, sob a orientação do Prof. Dr. Antonio Sergio Ferraudo, e 

defendeu sua dissertação em junho de 2018. Em agosto de 2018 iniciou o curso de Doutorado 

em Medicina Veterinária pela mesma instituição sob a orientação do Prof. Dr. Luís Antônio 

Mathias. 



 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

“Que a Vossa bondade permita aos Espíritos consoladores derramarem por 

toda parte a paz, a esperança e a fé.” 

 
 

(Prece de Cáritas) 



 

DEDICO: 
 

A Deus, 
 

Que me deu o dom da vida e seu infinito amor. Ele está presente em cada dia, 

protegendo-me e tornando-me capaz de alcançar meus objetivos. O que seria de mim 

sem a fé que tenho Nele? 

Aos meus pais, Clair e Katia, 

 
Com o apoio e o carinho de vocês consegui cumprir mais esta etapa de minha vida. 

Um amor sem medidas. Obrigada por vocês me fazerem uma pessoa melhor a cada 

dia e por estarem sempre ao meu lado. Amo vocês! 

À minha irmã, Ana Claudia, 

 
Que sempre me apoiou, orientou e ajudou a superar dificuldades ao longo deste 

caminho, tornando-se exemplo. 

Aos meus avós paternos e maternos 

 
Pelo exemplo, incentivo e pelas orações em meu favor. Obrigada pelo carinho. 

Também amo muito vocês. 

Aos meus grandes amigos que conquistei ao longo desta jornada. 



 

 

 

AGRADECIMENTOS 

 
 

Ao querido Prof. Dr. Luís Antônio Mathias pela oportunidade da orientação em tempos 

difíceis do doutorado, aprendizado, amizade, confiança depositada, ensinamentos 

essenciais para o meu crescimento profissional. 

Ao Prof. Dr. Alan Rodrigo Panosso e ao Prof. Dr. Ricardo Alexandre Arcêncio, por todo 

ensinamento, paciência, orientação e correções. 

Ao Prof. Dr. Antonio Sergio Ferraudo, pela amizade, pela atenção, compreensão, 

preocupação, paciência e dedicação para concretização deste trabalho. Agradeço de 

coração por tudo o que fez por mim, pela oportunidade oferecida, por ter me 

encorajado cada vez mais a seguir em frente e pelos ensinamentos valiosos durante 

boa parte do doutorado. 

Aos professores: Dr. Alan Rodrigo Panosso e Dr. Marcos Roberto Bonuti, pela 

atenção, e disponibilidade em participar da banca de qualificação, que brilhantemente 

fizeram parte deste trabalho. 

Aos amigos que fiz durante minha estadia em Jaboticabal, Mariana, Giovanni, Elka, 

Eliéder, Fernando, Priscila, Leticía, Rafael... Muito obrigada pela amizade, 

companheirismo, apoio, carinho. 

Aos amigos, colegas, professores e funcionários dos Departamentos de Medicina 

Veterinária Preventiva e Ciências Exatas da Faculdade de Ciências Agrárias e 

Veterinárias da Universidade Estadual Paulista “Júlio de Mesquita Filho”, UNESP, 

Jaboticabal, SP, pela agradável convivência durante o curso. 

À Faculdade de Ciências Agrárias e Veterinárias da Universidade Estadual Paulista 

“Júlio de Mesquita Filho”, UNESP, Jaboticabal, SP, pela oportunidade da realização 

desta pesquisa, bem como o título de Doutora em Medicina Veterinária. 



 

Ao CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico), pela 

bolsa concedida nos quatro anos de curso, sem a qual não teria sido possível a minha 

dedicação total ao presente trabalho de doutorado. 

A todos que de forma direta ou indireta contribuíram para a realização deste trabalho. 

 
A Deus, pela permissão de cada experiência desta jornada, pela presença até mesmo 

quando eu não sou capaz de reconhecer, por ser meu guia, meu sentido e o meu 

porquê para me tornar cada dia uma pessoa melhor. 

Que Deus os abençoe sempre! 



i 
 

 
 
 
 

SUMÁRIO 

Página 
 

CAPÍTULO 1 – Considerações gerais ........................................................................................... 1 

Introdução .......................................................................................................................................... 1 

1. REVISÃO DE LITERATURA ................................................................................................... 3 

1.1 Tuberculose bovina e suas implicações .................................................................................... 3 

1.2 Variáveis relacionadas à distribuição da tuberculose bovina .................................................... 5 

1.3 Inteligência Artificial e Machine Learning ................................................................................. 6 

1.4 Panorama do uso de Machine Learning na área da saúde animal........................................... 7 

REFERÊNCIAS ............................................................................................................................ 9 

CAPÍTULO 2 - Estratégias para seleção de variáveis em um modelo logístico ............................. 15 

INTRODUÇÃO ......................................................................................................................... 16 

MATERIAL E MÉTODOS ............................................................................................................ 17 

Descrição do banco de dados ....................................................................................................... 17 

Descrição das variáveis ................................................................................................................. 18 

Análise dos dados ......................................................................................................................... 20 

Estratégias de seleção de variáveis explanatórias de modelos logísticos múltiplos ...................... 20 

RESULTADOS .......................................................................................................................... 21 

Estratégia A .................................................................................................................................. 21 

Estratégia B .................................................................................................................................. 22 

Estratégia C .................................................................................................................................. 22 

DISCUSSÃO ............................................................................................................................. 25 

CONCLUSÃO ........................................................................................................................... 29 

REFERÊNCIAS .......................................................................................................................... 29 

CAPÍTULO 3 – Machine Learning para análises preditivas em tuberculose bovina ...................... 34 

INTRODUÇÃO ......................................................................................................................... 35 

MATERIAL E MÉTODOS............................................................................................................ 36 

Pré-processamento ...................................................................................................................... 38 

Aprendizado: técnicas de reamostragem para otimização de hiperparâmetros.....................39 

Aprendizado: medidas para avaliação de performance ...........................................................40 

Mineração de modelos para o risco de animais positivos utilizando Boosting ............................ 41 

Coleta de dados ............................................................................................................................ 41 



ii 
 

Questionário epidemiológico .....................................................................................................42 

RESULTADOS .................................................................................................................. 41 

DISCUSSÃO .................................................................................................................... 45 

CONCLUSÃO ........................................................................................................................... 47 

REFERÊNCIAS .......................................................................................................................... 47 

 



iii 
 

 
 
 

 
Estratégias para seleção de variáveis em diferentes modelos preditivos para 

tuberculose animal 

 
 

 
RESUMO – O objetivo deste estudo foi usar diferentes metodologias estatísticas 

para seleção de variáveis para predizer a presença da tuberculose bovina em um 

rebanho, e desta forma encontrar as estratégias que identificassem variáveis 

associadas com a presença de pelo menos um animal positivo dentro de um 

rebanho. Este procedimento foi aplicado a um banco de dados resultante de um 

questionário e de testes de tuberculinização aplicados por médicos veterinários da 

Coordenadoria de Defesa Agropecuária do Estado de São Paulo (CDA). Com base 

na combinação de métodos clássicos de regressão, foram utilizadas, no capítulo 2, 

três estratégias de seleção para que se obtivesse uma redução gradativa do número 

de variáveis com base no conhecimento da epidemiologia da doença. A partir dos 

dados originais, algumas variáveis foram mantidas e outras criadas, sendo o 

rebanho a unidade de observação. O capítulo 3 apresenta as etapas relacionadas à 

utilização de algoritmos de “machine learning” para análises preditivas em saúde 

animal. A variável resposta foi o rebanho com pelo menos um animal positivo no 

teste diagnóstico de tuberculose. 

Palavras-chave: bovino, predição, critérios 



iv 
 

 
 
 
 
 
 

 

STRATEGIES FOR SELECTING VARIABLES IN DIFFERENT PREDICTIVE 

MODELS FOR ANIMAL TUBERCULOSIS 

 

 
ABSTRACT – The aim of this study was to use different statistical methodologies for 
selection of variables to predict bovine tuberculosis within a herd, and in this way find 
the strategies to select variables associated with the presence of a positive animal 
within a herd. This procedure was applied to a database that resulted from a 
questionnaire and tuberculin tests applied by veterinarians from the Agricultural 
Defense Coordination of the State of São Paulo (CDA). Based on the combination of 
classical regression methods, in Chapter 2, three selection strategies were used in 
order to obtain a gradual reduction in the number of variables based on the 
epidemiology of the disease. From the original data, some variables were maintained 
and others created, with the herd being the unit of observation. Chapter 3 presents the 
steps related to the use of “machine learning” algorithms for predictive analysis in animal 
health. The response variable was the positive herd for tuberculosis. 

 

Key-words: bovine, prediction, criteria 



1 
 

 

CAPÍTULO 1 – Considerações gerais 

 
 

Introdução 

A tuberculose bovina (bTB) é uma doença crônica debilitante causada por 

Mycobacterium bovis do complexo de bactérias Mycobacterium tuberculosis. A 

bactéria é ubíqua e tem distribuição mundial, porém os países em desenvolvimento 

são os mais afetados (Covisi et al., 1998; Shitaye et al., 2007; O’reilly et al., 1995). 

Está bem documentado que o gado atua como principal reservatório de M. bovis, 

enquanto humanos e outras espécies como cabras, porcos, búfalos, cães, primatas, 

texugos, veados, gambás e bisões são hospedeiros suscetíveis. Em bovinos a 

tuberculose é responsável por uma redução da produtividade (O‘Reilly et al., 1995; 

Thoen et al., 2006; Barlow et al., 1999; Bolske et al.,1995). 

Infecções por bTB em humanos são muito difíceis de diferenciar clinicamente 

de infecções por M. tuberculosis (Granja, 2001; Collins, 1997). Pessoas com sistemas 

imunológicos fracos ou subdesenvolvidos, como pacientes com HIV, jovens e idosos, 

são particularmente vulneráveis às infecções por micobactérias, incluindo infecções 

por M. bovis (Chaisson e Hopewell, 1980; Grange et al., 1994). Isso, sem dúvida, 

significa que o tratamento é muitas vezes prolongado, levando ao aumento da 

morbidade e mortalidade como resultado da resistência aos medicamentos, com 

enormes implicações financeiras. 

Independentemente da ameaça zoonótica e dos custos econômicos 

significativos associados à doença, estimativas precisas da prevalência de bTB são 

deficientes em muitos países, incluindo o Brasil, onde os programas nacionais de 

controle vêm sendo aos poucos implementados. A verdadeira carga da doença 

permanece desconhecida devido à falta de dados de vigilância de rotina da maioria 

dos países em desenvolvimento. 

O principal teste diagnóstico para tuberculose em bovinos é o teste 

tuberculínico intradérmico - ou teste cutâneo - que provoca uma reação de 

hipersensibilidade tardia localizada em animais expostos ao M. bovis (De La rua- 

Domenech et al., 2006). 

A reinterpretação em testes de nível severo é uma medida que pode ser tomada 

pelos veterinários do governo, a seu critério, em cenários de alto risco. Ainda assim, 

é necessário um método sistemático para identificar os testes direcionados para 

reinterpretação. O aprendizado de máquina, que tem sido usado para desenvolver 

modelos sensíveis e específicos para avaliar a probabilidade de um incidente de bTB 



2 
 

(Romero et al., 2021, 2020), oferece um mecanismo que possibilita a seleção de testes 

mais apropriados. 

A análise epidemiológica dos dados deve ser incorporada aos programas de 

controle e erradicação (Good e Duignan, 2011; White et al., 2013). O objetivo deste 

estudo foi usar dados em nível de rebanho, segundo o inquérito realizado em 2011 

para conhecer a situação epidemiológica da brucelose e tuberculose bovina do Estado 

de São Paulo, e assim construir modelos estatísticos, classificando as variáveis 

significativas que pudessem explicar a ocorrência de rebanhos bovinos com animais 

reagentes no teste de diagnóstico de tuberculose. Isso pode permitir a introdução 

direcionada de medidas adicionais de controle de doenças para mitigar o risco 

representado. 



3 
 

1. REVISÃO DE LITERATURA 

 

1.1 Tuberculose bovina e suas implicações 

 

A tuberculose (TB), doença infecciosa causada por membros do complexo M. 

tuberculosis (OMS, 2020), é uma das principais causas de mortalidade por doenças 

infecciosas em todo o mundo. Como uma doença zoonótica, a tuberculose afeta 

humanos e várias espécies animais e tem sido reconhecida como um grande risco 

para a saúde de humanos e animais há mais de um século (Olea-Popelka et al., 2017). 

Em 2019, 1,4 milhão de pessoas morreram de tuberculose (OMS, 2020). A 

tuberculose bovina é uma doença crônica de bovinos causada por membros do 

complexo M. tuberculosis, principalmente por M. bovis, mas também por M. caprae e, 

em menor grau, por M. tuberculosis (OIE, 2019). Além de infectar bovinos e humanos, 

a mesma micobactéria também infecta outros animais domésticos e populações 

selvagens (Kanipe e Palmer, 2020), causando doenças gerais, pneumonia, perda de 

peso e mortes. A tuberculose humana é causada pela espécie M. tuberculosis. (Smith 

et al., 2006). O M. bovis pode infectar, além dos bovinos, outros mamíferos domésticos 

e silvestres, e os seres humanos, causando, então, a tuberculose zoonótica (Ragan, 

2002). 

Essa enfermidade possui grande importância social e econômica, pois acarreta 

perdas e restrições à atividade pecuária, além dos prejuízos aos sistemas públicos de 

saúde (Valente et al., 2011). Presente em diversas regiões do mundo (Ruggiero, 

2004), a tuberculose bovina apresenta maior prevalência em rebanhos leiteiros 

(Figueiredo, 2010), principalmente quando estabulados, e menor prevalência no gado 

de corte, pois são abatidos precocemente e criados, frequentemente, em manejo 

extensivo (Abrahão, 1998). 

A transmissão do M. bovis para os bovinos ocorre com maior frequência por via 

aerógena (Abrahão, 1998). Em seres humanos, a transmissão ocorre principalmente 

pela via digestiva, por meio da ingestão de leite in natura e derivados não 

pasteurizados contaminados (Menzies e Neill, 2000). 

O M. tuberculosis e o M. bovis são altamente patogênicos (Une e Mori, 2007) e 

causam enfermidade clínica e patologicamente indistinguível (Cosivi et al., 1998). 



4 
 

Concomitante a isso, formas pulmonares e extrapulmonares de tuberculose humana 

de origem animal continuam ser um problema em áreas onde a prevalência da 

infecção nos bovinos é alta (Acha e Szyfres, 2003). Porém, de acordo com Humblet 

et al. (2009), a incidência do M. bovis permanecerá provavelmente subestimada 

enquanto a diferenciação entre as espécies de micobactérias não for 

sistematicamente realizada, contribuindo dessa forma, para que continue sendo 

amplamente distribuída e negligenciada na maior parte dos países em 

desenvolvimento. 

Nesse contexto, o Programa Nacional de Controle e Erradicação da Brucelose 

e da Tuberculose Animal (PNCEBT), instituído em 2001, objetivou a redução da 

prevalência e incidência de tuberculose e de brucelose (Brasil, 2016). Apesar da 

existência de um programa oficial de controle e erradicação da doença animal e da 

doença em humanos, ambos os programas não trabalham em ações conjuntas e a 

tuberculose representa uma importante enfermidade em várias regiões do Brasil 

(Lilenbaum et al., 2007). 

Segundo Cosivi et al. (1998), devido aos impactos do M. bovis na saúde animal 

e saúde pública, programas de vigilância da doença em humanos devem ser 

considerados uma prioridade, especialmente em áreas onde fatores de risco estão 

presentes. Pesquisas evidenciaram que a conscientização sobre as possíveis 

implicações para a saúde pública, devido ao gado infectado, não pode ser banalizada 

(Ameni e Erkihun, 2007; Munyeme et al., 2010), pois a consciência da população 

quanto à tuberculose bovina, principalmente pessoas do grupo de risco, é de extrema 

importância para as políticas públicas de saúde quando se considera o controle e a 

erradicação. 

Alguns aspectos interferem na execução das referidas medidas, dentre eles 

fazem parte a insuficiência de recursos, escassez de profissionais treinados para atuar 

na área, falta de decisão política, além da subestimação da importância da 

tuberculose bovina nos setores de saúde pública e animal pelos órgãos estaduais e 

nacionais de controle sanitário (Cosivi et al., 1998). 

Embora existam limitações ao medir a verdadeira dimensão do problema, é 

necessária a realização de estudos para compreender os casos de tuberculose em 



5 
 

animais, e assim, conhecer a epidemiologia da tuberculose bovina no Brasil e 

promover melhorias na qualidade da saúde animal e consequentemente humana. 

 

 
1.2 Variáveis relacionadas à distribuição da tuberculose bovina 

 

Fatores associados à ocorrência da tuberculose bovina (TB) foram avaliados 

em muitos estudos no Brasil, por meio de levantamentos epidemiológicos realizados 

em diferentes estados, que demonstram diferentes variáveis de risco associados à 

doença (Bahiense et al., 2016; Dias et al., 2016; Barbieri et al., 2016; Galvis et al., 

2016; Guedes et al., 2016; Lima et al., 2016; Néspoli et al., 2016; Queiroz et al., 2016; 

Ribeiro et al., 2016; Rocha et al., 2016; Silva et al., 2016; Veloso et al., 2016; 

Vendrame et al., 2016). 

Em nível de rebanho, a infecção por M. bovis é mais provável quanto maior a 

proximidade entre os animais; por isso, a introdução e a manutenção da tuberculose 

bovina em um rebanho são fortemente influenciadas pelas características da unidade 

de criação (Goodchild e Clifton-hadley, 2001; Barbieri et al., 2016; Vendrame et al., 

2016). Quando se menciona tamanho de rebanho, está se referindo à probabilidade 

de contato efetivo entre o animal infectado e um susceptível (Cook et al., 1996; 

Cleaveland et al., 2007). A principal via de transmissão da tuberculose bovina nestes 

casos é a aerógena, pois o contato entre animais facilita a transmissão via aerossóis 

(Menzies e Neill, 2000). Com relação ao tipo de exploração como fator de risco, grande 

parte das pesquisas mostra que os rebanhos de produção leiteira apresentam 

prevalências mais elevadas de tuberculose comparadas aos rebanhos de corte (Cosivi 

et al., 1998; Humblet et al., 2009; Belchior et al., 2016; Silva et al., 2016; Bahiense et 

al., 2016; Vendrame et al., 2016; Néspoli et al., 2016; Veloso et al., 2016; Rocha et al., 

2016). De acordo com Salazar (2005), o risco de infecção em bovinos de corte é 

mínimo quando mantidos em baixa densidade populacional e em pastagens, mas 

quando mantidos em confinamento, o risco de transmissão é semelhante ao dos 

rebanhos leiteiros. Outro fator de risco considerado para a tuberculose está 

relacionado a reservatórios na fauna silvestre e os possíveis contatos que podem 

manter com as explorações pecuárias, pois favorecem um ciclo de transmissão do 

agente entre bovinos-espécies silvestres-bovinos (Michel et al., 2010). 



6 
 

No Brasil, estudos de prevalência e fatores de risco conduzidos em Minas 

Gerais (Belchior et al., 2016), Paraná (Silva et al., 2016), Bahia (Bahiense et al., 2016), 

Mato Grosso (Néspoli et al., 2016), Rondônia (Vendrame et al., 2016), Goiás (Rocha 

et al., 2016) e Santa Catarina (Veloso et al., 2016) identificaram como principal fator 

de risco a exploração leiteira, rebanhos maiores e com maior grau de tecnificação. 

Segundo Belchior et al. (2016), a probabilidade de infecção aumenta nas propriedades 

de produção mais intensiva e tecnificada, o que pode estar relacionado a sistemas de 

criação animal em confinamento parcial ou total. 

 
1.3 Inteligência Artificial e Machine Learning 

 

Inteligência artificial (IA) é a capacidade de um algoritmo de assimilar 

informações para realizar tarefas características da inteligência humana, como 

reconhecer objetos e sons, contextualizar a linguagem, aprender com o ambiente e 

resolver problemas. Pode ser entendida como o potencial da máquina de tomar a 

melhor decisão possível dada a quantidade de informação disponível, com habilidade 

de adaptação a diferentes situações (Kuhn e Johnson, 2013; Chollet e Allaire, 2017). 

Atualmente a IA tem sido utilizada em vários campos da ciência, principalmente nas 

áreas da saúde, da indústria e ambiental (Ge et al., 2017; Chiavegatto Filho et al., 

2018; Di Minin et al., 2018; Santos et al., 2019b). A aplicação dessas técnicas aos 

dados de mídia social, por exemplo, permite que o comportamento humano seja 

investigado em uma escala sem precedentes, tornando a IA uma constante no 

cotidiano da sociedade contemporânea (Di Minin et al., 2018). 

Estudos a respeito da IA iniciaram-se na década de 1950 dentro da área da 

ciência da computação com o intuito de automatizar tarefas intelectuais, normalmente 

executadas por seres humanos. Até o final dos anos 80 acreditava-se que a IA, em 

nível humano, poderia ser alcançada mediante a programação de um grande conjunto 

de regras explícitas para manipular o conhecimento (Chollet e Allaire, 2017). Esse 

paradigma ficou conhecido como IA simbólica e, embora capaz de solucionar uma 

série de problemas lógicos bem definidos, não foi eficiente na soluçãode problemas 

mais complexos e confusos como a classificação de imagens, oreconhecimento de 

linguagem natural e tradução. Isso porque a IA simbólica não consegue descobrir 

regras explícitas para a solução de um problema, uma vez que asregras devem ser 

previamente programadas no sistema, e os dados são processadosde acordo com 

essas regras (Kuhn e Johnson, 2013; Bruce e Bruce, 2017; Chollet e Allaire, 2017). 



7 
 

Em meados dos anos 80 e início dos anos 90 surgiu uma nova abordagem, 

o aprendizado de máquina estatístico, ou simplesmente, aprendizado de máquina 

(Machine Learning). Nesse novo paradigma os dados a respeito de um problema são 

fornecidos à máquina, bem como as respostas esperadas, e o aprendizado consiste 

na geração das regras de decisão, que é a saída do sistema computacional. Em outras 

palavras, a máquina aprende por conta própria as regras para a tomada de decisão 

(Bruce e Bruce, 2017). Assim, o aprendizado de máquina se concentra no 

desenvolvimento de algoritmos eficientes que agrupam grandes quantidades dedados 

visando otimizar modelos preditivos para, a partir da compreensão da estruturados 

dados, compor as regras de predição. Os métodos de aprendizado de máquina podem 

ser divididos em quatro categorias diferentes: aprendizado não supervisionado, 

aprendizado supervisionado, aprendizado semi-supervisionado e aprendizado por 

reforço, sendo que o aprendizado supervisionado e o aprendizado não supervisionado 

são os métodos mais amplamente adotados (Ge et al., 2017). No cenário não 

supervisionado apenas covariáveis preditoras estão disponíveis no conjunto de dados, 

em problemas supervisionados, além das covariáveis, está disponível também uma 

resposta de interesse, responsável por guiar a análise (Brucee Bruce, 2017; Santos et 

al., 2019a). Em resumo, aprendizado de máquina é um campo de pesquisa estatística 

para o treinamento de algoritmos computacionais que dividem, classificam e 

transformam uma base de dados para maximizar a capacidadede classificar, prever, 

agrupar ou descobrir padrões em um conjunto de dados de destino (Reichstein et al., 

2019). 

 
1.4 Panorama do uso de Machine Learning na área da saúde animal. 

 

Diversos estudos têm sido desenvolvidos no âmbito de Machine Learning 

aplicado à saúde animal. O crescimento das pesquisas nessa área ocorre 

conjuntamente ao aumento da demanda por métodos que possam facilitar 

diagnósticos e otimizar o tempo de profissionais da área da saúde. 

Romero et al. (2021) objetivaram comparar modelos resultantes de três 

algoritmos de Machine Learning para conceber estratégias de controle e/ou prevenção 

de doenças baseadas no risco em nível de rebanho na Inglaterra. O modelo de 

Machine Learning apresentou o melhor desempenho dentre os modelos analisados, 

com modelos de saída de alto desempenho. 

Romero et al. (2020) demonstraram uma nova aplicação da análise de árvore 

de classificação para melhorar a compreensão da tuberculose (TB) como uma doença 



8 
 

complexa e multifatorial e como uma ferramenta de seleção para modelos 

paramétricos. Os modelos de árvore criados ajudaram a explicar como os fatores de 

risco de TB estavam inter-relacionados e caracterizavam grupos de rebanhos de alto 

risco em relação à probabilidade de um incidente. A natureza da análise permitiu que 

grandes conjuntos de dados com vários fatores de risco fossem analisados. 

No contexto brasileiro, Larios et al. (2021) investigaram o uso de 

espectroscopia no infravermelho médio e análise multivariada para realizar um 

diagnóstico rápido, preciso e fácil da leishmaniose visceral canina. Soros sanguíneos 

de 20 caninos não infectados, 20 por Leishmania infantum, e oito cães infectados por 

Trypanosoma evansi foram estudados. Os dados demonstram que a análise de 

componentes principais com algoritmos de aprendizado de máquina alcançou uma 

precisão geral acima de 85% no diagnóstico. 



9 
 

REFERÊNCIAS 

 
Abrahão, RMCM (1998) Tuberculose humana causada pelo Mycobacterium 
bovis: considerações gerais e a importância dos reservatórios animais. 318 f. 
Dissertação (Mestrado) - Faculdade de Saúde Pública, Universidade de São Paulo, 
São Paulo. 

 

Acha PN, Szyfres B (2003) Zoonosis y enfermidades transmissibles comunes al 
hombre y los animales. clamidiosis, rickettsiosis y virosis. Organización 
Panamericana de la Salud. Washington: OPAS 580:28-56. 

 

Ameni G, Erkihun A (2007) Bovine tuberculosis on small-scale dairy farms in Adama 
Town, central Ethiopia, and farmer awareness of the disease. Revue Scientifique Et 
Technique 3:711–719. 

 

Bahiense L, Ávila LN de, Bavia ME, Amaku M, Dias RA, Grisi-Filho JHH, Ferreira F, 
Telles EO, Gonçalves VSP, Heinemann MB, Ferreira Neto JS (2016) Prevalence and 
risk factors for bovine tuberculosis in the State of Bahia, Brazil. Semina: Ciências 
Agrárias, Londrina 5:3549-3560. 

 

Barbieri JM, Oliveira LF, Dorneles EMS, Mota ALAA, Gonçalves VSP, Maluf PP, 
Ferreira Neto JS, Ferreira F, Dias RA, Telles EO, Grisi-Filho JHH, Heinemann MB, 
Amaku M, Lage AP (2016) Epidemiological status of bovine tuberculosis in the state 
of Minas Gerais, Brazil, 2013. Semina: Ciências Agrárias, Londrina 5:3531-3548. 

 

Barlow D, Mitchell K, Visram K (1999) Tuberculose bovina em Ilama (Lama glama) no 
Reino Unido. Veterinário Rec 22:639–640. 

 

Belchior APC, Lopes LB, Gonçalves VSP, Leite RC (2016) Prevalence and risk factors 
for bovine tuberculosis in Minas Gerais State, Brazil. Tropical Animal Health and 
Production, Edinburgh 2:373-378. 

 

Bolske G, Englund L, Wahlstrom H, Lisle GW, Collins DM, Croston P.S (1995) 
Tuberculose bovina em fazendas de veados suecos: investigações epidemiológicas e 
rastreamento usando análise de fragmentos de restrição. Veterinário Rec 12:414– 
417. 

 

Brasil (2016) Ministério da Agricultura, Pecuária e Abastecimento. Instrução 
Normativa nº 19, de 10 de outubro de 2016. Regulamento técnico do programa 
nacional de controle e erradicação da brucelose e tuberculose animal. Diário 
Oficial da União, Brasília, 3 de nov. Seção 1, 8 p. 

 

Bruce P, Bruce A (2017) Practical Statistics for Data Scientists. United States of 
America: O’Reilly Media, Inc 562 p. 

 

Chaisson R, Hopewell P (1980) Mycobacteria e mortalidade por AIDS. Am Revista 
respira Dis 139 :1–3. 



10 
 

Chiavegatto Filho ADP, Dos Santos HG, Do Nascimento CF, Massa K, Kawachi I 
(2018) Overachieving Municipalities in Public Health: A Machine-learning Approach. 
Epidemiology 6: 836-840. 

 

Chollet F, Allaire JJ (2017) Deep Learning with R 341 p. 
 

Cleaveland S, Shaw DJ, Mfinanga SG, Shirima G, Kazwala RR, Eblate E, Sharp M 
(2007) Mycobacterium bovis in rural Tanzania: Risk factors for infection in human and 
cattle populations. Tuberculosis, Edinburgh 87:30‐43. 

 

Collins CH, Grange JM, Yates MC (1997) Bacteriologia, Organização e Prática da 
Tuberculose. Oxford: Butterworth-Heinemann. 

 

Cook AJ, Tuchili LM, Buve A, Foster SD, Godfrey‐Fausett P, Pandey GS, Mcadam 

KP(1996) Human and bovine tuberculosis in the monze district of zambia‐a cross‐ 
sectional study. British Veterinary .Journal, London 1: 37‐46. 

 

Cosivi JM., et al (1998) Zoonotic Tuberculosis due to Mycobacterium bovis in 
Developing Countries. Emerging Infectious Diseases 1. 

 

De La Rua-Domenech R, AT, Goodchild HM, Vordermeier RG, Hewinson KH, 
Christiansen RS, Clifton-Hadley (2006) Ante mortem diagnosis of tuberculosis in cattle: 
A  review  of  the  tuberculin  tests,  γ-interferon  assay  and  other  ancillary  diagnostic 
techniques. Res. Vet. Sci 81:190–210. https://doi.org/10.1016/j .rvsc.2005.11.005. 

 

Di Minin E, Fink C, Tenkanen H, Hiippala T (2018) Machine learning for tracking illegal 
wildlife trade on social media. Nature Ecology & Evolution 3:406-407. 

 

Dias RA, Gonçalves VSP, Figueiredo VCF, Lôbo JR, Lima ZMB, Paulin LMS, 
Gunnewiek MFK, Amaku M, Ferreira Neto JS, Ferreira F (2009) Situação 
epidemiológica da brucelose bovina no Estado de São Paulo. Arquivo Brasileiro de 
Medicina Veterinária e Zootecnia, Belo Horizonte 61 :118-125. 

 

Dias RA, Stanojlovic FMU, Belchior APC, Ferreira RS, Gonçalves RC, Aguiar RSCB, 
Sousa PR, Santos AMA, Amaku M, Ferreira F, Telles EO, Grisi-Filho JHH, Gonçalves 
VSP, Heinemann MB, Ferreira Neto JS (2016) Prevalence and risk factors for bovine 
tuberculosis in the State of São Paulo, Brazil. Semina: Ciências Agrárias, Londrina 
5:3673-3684. 

 

Figueiredo SM (2010) Brucelose e Tuberculose Bovina no Estado da Paraíba: 
Estudo retrospectivo. 53 f. Dissertação ( Mestrado em Medicina Veterinária – Centro 
de Saúde e Tecnologia Rural) - Universidade Federal de Campina Grande, Paraíba. 

 

Galvis JOA, Grisi-Filho JHH, Costa D, Said ALPR, Amaku M, Dias RA, Ferreira F, 
Gonçalves VSP, Heinemann MB, Telles EO, Ferreira Neto JS (2016) Epidemiologic 
characterization of bovine tuberculosis in the state of Espírito Santo, Brazil. Semina: 
Ciências Agrárias, Londrina, 5:3567-3578. 



11 
 

Ge Z, Song Z, Ding SX, Huang B (2017) Data Mining and Analytics in the Process 
Industry: The Role of Machine Learning. IEEE Access 20590-20616. 

 

Good M, Duignan A (2011) An evaluation of the Irish single reactor breakdown protocol 
for 2005 to 2008 and its use as a monitor of tuberculin test performance. Veterinary 
Microbiology 151:85-90. doi:10.1016/j.vetmic.2011.02.029. 

 

Goodchild AVE, Clifton-hadley RS (2001) Cattle-to-cattle transmission of 
Mycobacterium bovis. Tuberculosis 1/2: 23-41 

 

Grange J, Daborn C, Cosivi O (1994) Tuberculose relacionada ao HIV devido a 
Mycobacterium bovis: Tubercle and Lung Disease. Eur Respir 7:1564–6. 

 

Granja J.M (2001) Infecção por Mycobacterium bovis em seres humanos. Tuberc 
Edinb Scotl 1-2: 71-77. 

Guedes IB, Bottene IFN, Monteiro LARC, Leal Filho JM, Heinemann MB, Amaku M, 
Grisi-Filho JHH, Dias RA, Ferreira F, Telles EO, Gonçalves VSP, Ferreira Neto JS 
(2016) Prevalence and risk factors for bovine tuberculosis in the state of Mato Grosso 
do Sul, Brazil. Semina: Ciências Agrárias, Londrina 5: 3579-3588. 

 

Humblet MF, Boschiroli ML, Saegerman C (2009) Classification of worldwide bovine 
tuberculosis risk factors in cattle: a stratified approach. Veterinary Research, London 
5:50. 

 

Kanipe C, Palmer MV (2020) Mycobacterium bovis e você: uma visão abrangente da 
bactéria, suas semelhanças com o Mycobacterium tuberculosis e sua relação com a 
doença humana. Tuberculose 125 :102006. 10.1016/j.tube.2020.102006 

 

Kuhn M, Johnson K (2013) Applied predictive modeling. 
 

Larios G, Ribeiro M, Arruda C, Samuel L.O, Canassa T, Matthew JB, Marangoni B, 
Ramos C, Cena C (2021) Uma nova estratégia para o diagnóstico da leishmaniose 
visceral canina com base na espectroscopia FTIR e aprendizado de máquina. Journal 
of Biophotonics. https://doi.org/10.1002/jbio.202100141 

 

Lilenbaum W, Souza GN, Fonseca LS (2007) Management factores associated with 
bovine tuberculosis on dairy herds in Rio de Janeiro, Brazil. Revista Brasileira 
Ciências Vetereinárias 2:98-100. 

 

Lima PB, Nascimento DL, Almeida EC, Pontual KAQ, Amaku M, Dias RA, Ferreira F, 
Gonçalves VSP, Telles EO, Grisi-Filho JHH, Heinemann MB, SILVA, J. C. R.; Ferreira 
Neto, J. S (2016) Epidemiological situation of bovine tuberculosis in the state of 
Pernambuco, Brazil. Semina: Ciências Agrárias, Londrina 5:3601-3610. 

 

Menzies FD, Neill SD (2000) Cattle-to-Cattle Transmission of Bovine Tuberculosis. 
The Veterinary Journal 160: 92–106. 



12 
 

Michel AL, Müller B, Van HPD (2010) Mycobacterium bovis at the animal-human 
interface: a problem, or not? Veterinary Microbiology, Barcelona 3-4:371-381. 

 

Munyeme M, Muma JB, Munang’andu HM, Kankya C, Skjerve E, Tryland M (2010) 
Cattle owners’ awareness of bovine tuberculosis in high and low prevalence settings 
of the wildlife-livestock interface areas in Zambia. BMC Vet Res 6: 21. 

 

Néspoli JMB, Negreiros RL, Amaku M, Dias RA, Ferreira F, Telles EO, Heinemann 
MB, Grisi-Filho JHH, Gonçalves VSP, Ferreira Neto JS (2016) Epidemiological 
situation of bovine tuberculosis in the state of Mato Grosso, Brazil. Semina: Ciências 
Agrárias, Londrina 5:3589-3600. 

 

O’Reilly LM, Daborn CJ (1995) The epidemiology of mycobacterium bovis infections in 
animals and man: a review. Tubercle and Lung Disease, Edinburgh 76:1-46. 

 

OIE (2019) Código Sanitário dos Animais Terrestres Capítulo 8.11. P: Office 
International des Epizooties. 

Olea-Popelka F, Muwonge A, Perera A, Dean AS, Mumford E, Erlacher-Vindel E, 
Forcella S, Silk BJ, Ditiu L, Ildrissi AE; Raviglione M, Covisi O, Lobue P, Fujiwara IP 
(2017) Tuberculose zoonótica em seres humanos causada por Mycobacterium bovis- 
um apelo à ação. Lancet Infect Dis. 17 :21-5. 10.1016/S1473-3099(16)30139-6 

OMS (2020) Relatório Global de Tuberculose. Genebra: Organização Mundial da 
Saúde. 

 

Queiroz MR, Groff ACM, Silva NS, Grisi-Filho JHH, AMAKU M, Dias RA, Telles EO, 
Heinemann MB, Ferreira Neto JS, Gonçalves VSP, Ferreira, F (2016) Epidemiological 
status of bovine tuberculosis in the state of Rio Grande do Sul, Brazil. Semina: 
Ciências Agrárias, Londrina 5:3647-3658. 

 

Ragan V (2002) The Animal and Plant Health Inspection Service: Brucellosis 
eradication program in the United States. Veterinary Microbiology 90:11-18. 

 

Reichstein M, Camps-Valls G, Stevens B, Jung M, Denzler J, Carvalhais N, PRABHAT 
(2019) Deep learning and process understanding for data-driven Earth system 
science. Nature 7743:195-204. 

 

Ribeiro LA, Gonçalves VSP, Francisco PFC, Mota ALA, Nascimento GT, Licurgo JB, 
Ferreira F, Grisi-Filho JHH, Ferreira Neto JS, Amaku M, Dias RA, Telles EO, 
Heinemann MB, Borges JRJ (2016) Epidemiological status of bovine tuberculosis in 
the Federal District of Brazil. Semina: Ciências Agrárias, Londrina 5:3561-3566. 

 

Rocha WV, Jayme VS, Mota ALAA, Brito WMED, Pires GRC, Grisi-Filho JHH, Dias 
RA, Amaku M, Telles EO, Heinemann MB, Ferreira F, Ferreira Neto JS, Gonçalves 
VSP (2016) Prevalence and herd-level risk factors of bovine tuberculosis in the State 
of Goiás, Brazil. Semina: Ciências Agrárias, Londrina 5:3625-3628. 



13 
 

Romero MP, Chang YM, Brunton LA, Parry J, Prosser A, Upton P, Rees E, Tearne O, 
Arnold M, Stevens K, Drewe J.A (2019) Decision tree machine learning applied to 
bovine tuberculosis risk factors to aid disease control decision making. Preventive 
Veterinary Medicine 175:104860. https://doi.org/10.1016/j.prevetmed.2019.104860. 

 

Romero MP, Chang YM, Brunton LA, Prosser A, Upton P, Rees E, Tearne O, Arnold 
M, Stevens K, Drewe JA (2021) A comparison of the value of two machine learning 
predictive models to support bovine tuberculosis disease control in England. 
Preventive Veterinary Medicine 188:105264. doi: 
10.1016/j.prevetmed.2021.105264. 

 

Ruggiero APM (2004) Métodos moleculares aplicados ao diagnóstico da 
tuberculose bovina. 68 f. Dissertação (Mestrado em Epidemiologia Experimental e 
Aplicada às Zoonoses) - Faculdade de Medicina Veterinária e Zootecnia, Universidade 
de São Paulo, São Paulo. 

 

Salazar FHP (2005) Ocorrência de tuberculose causada por Mycobacterium 
bovis em bovinos abatidos em frigoríficos no estado de Mato Grosso, Brasil. 
Dissertação (Mestrado)– Faculdade de Medicina Veterinária e Zootecnia, 
Universidade Federal de Mato Grosso do Sul, Campo Grande. 

 

Santos GAD, Moitinho MR, Silva BD, Xavier CV, Teixeira DD, Cora JE, La Scala N 
(2019a) Effects of long-term no-tillage systems with different succession cropping 
strategies on the variation of soil CO2 emission. Science of the Total Environment, 
413-424. 

 

Santos HGD, Nascimento CFD, Izbicki R, Duarte Y.P, Chiavegatto Filho AD (2019b) 
Machine learning para análises preditivas em saúde: exemplo de aplicação para 
predizer óbito em idosos de São Paulo, Brasil. Cadernos de Saúde Pública. 

 
Shitaye JE, Tsegaye W, Pavlik I (2007) Infecção por tuberculose bovina em 
populações animais e humanas na Etiópia: uma revisão. Medicina Veterinária 8:317– 
332. 

 

Silva MCP, Gonçalves VSP, Mota ALAA, Koloda M, Ferreira Neto JS, Grisi-Filho JHH, 
Dias RA, Amaku M, Telles EO, Ferreira F, Heinemann MB, Alfieri AA, Muller EE (2016) 
Prevalence and herd-level risk factors for bovine tuberculosis in the state of Paraná, 
Brazil. Semina: Ciências Agrárias, Londrina 5:3611-3624. 

 

Smith NH, Gordon SV, De La Rua-Domenech R, Clifton-Hadley RS, Hewinson RG 
(2006) Bottlenecks and broomsticks: the molecular evolution of Mycobacterium bovis. 
Nature, 4:670-681. 

 

Thoen C, Lobue P, De Kantor I (2006) A importância do Mycobacterium bovis como 
zoonose. Microbiologia Veterinário. (2-4): 339-345. 



14 
 

Une Y, Mori T (2007) Tuberculosis as a zoonosis from a veterinary perspective. 
Comparative Immunology, Microbiology & Infectious Diseases. 30:415-425. 

Valente LCM, Vale SMLR, Braga MJ (2011) Determinantes do Uso de Medidas 
Sanitárias de Controle da Brucelose e Tuberculose Bovinas. Revista de Economia 
e Sociologia Rural 1:215-232. 

 

Veloso FP, Baumgarten KD, Mota ALAA, Ferreira F, Ferreira Neto, JS, Grisi-Filho JHH, 
Dias RA, Amaku M, Telles EO, Heinemann MB, GONÇALVES VSP (2016) Prevalence 
and herd-level risk factors of bovine tuberculosis in the State of Santa Catarina, Brazil. 
Semina: Ciências Agrárias, Londrina 5:3659-3672. 

 

Vendrame FB, Amaku M, Ferreira F, Telles EO, Grisi-Filho JHH, Gonçalves VSP, 
Heinemann MB, Ferreira Neto JS, Dias RA (2016) Epidemiologic characterization of 
bovine tuberculosis in the State of Rondônia, Brazil. Semina: Ciências Agrárias, 
Londrina 5:3639-3646. 

 

White P, Martin SW, De Jong MCM, O'keeffe JJ, More SJ, Frankena K (2013) The 
importance of “neighbourhood” in the persistence of bovine tuberculosis in Irish cattle 
herds. Preventive Veterinary Medicine 110:346–355. 



15 
 

CAPÍTULO 2 - Estratégias para seleção de variáveis em um modelo logístico 

 

 
RESUMO 

 
A regressão logística vem sendo amplamente utilizada em procedimentos de seleção 

de variáveis. Em grandes bancos de dados a seleção de variáveis se torna 

imprescindível, pois elege as variáveis com maior peso explicativo dentro do que foi 

estudado. Isso é facilmente contornado pelo experimentador, a partir de um processo 

criterioso de seleção de variáveis, concomitante ao conhecimento específico do 

problema. Em pesquisas de saúde animal a utilização desse método pode acarretar 

multicolinearidade e podem ser selecionadas variáveis que não condizem com a 

biologia da doença, além da possibilidade de excluir variáveis condizentes com a 

causa analisada, comprometendo o resultado da pesquisa. Combase na combinação 

de métodos clássicos de regressão, foram utilizadas, neste estudo, trêsestratégias de 

seleção que possibilitassem uma redução gradativa do número de variáveis com base 

na epidemiologia da doença. Este procedimento foi aplicado a um banco de dadosde 

uma pesquisa de saúde animal, no caso, rebanhos bovinos com a presença de 

tuberculose. Os resultados mostraram que notadamente nos três métodos as variáveis 

que estão correlacionadas a produção leiteira foram as mais significativas em cada 

estratégia, sendo elas: rebanho maior OR =1,72, 95% IC=1,20-2,45; número de 

ordenha OR=1,71, 95%IC=1,23-2,38, entrega leite OR =1,71, 95% IC=1,11-2,61, raça 

bovina OR=1,18, 95% IC=1,03-1,37, em que as três estratégias destacaram a 

aquisição de animais como uma variável associada à presença da doença. Conclui- 

se que a estratégia de seleção influi acentuadamente nas variáveis selecionadas, 

sugerindo a necessidade de muita cautela ao fazer inferências causais a partir de 

banco de dados com grande número de variáveis explanatórias, a fim de que se possa 

chegar a modelos com variáveis que de fato influam na ocorrência do desfecho 

estudado. 

Palavras-chave: saúde animal, data mining, tuberculose 



16 
 

INTRODUÇÃO 

 
 

Uma compreensão abrangente de como a transmissão ocorre é necessária 

para controlar a doença e projetar e implantar medidas de controle eficazes. No Brasil, 

a erradicação da tuberculose bovina (bTB) está se mostrando difícil, contrastando com 

a situação em países europeus (Allen et al., 2018). A doença tem uma epidemiologia 

notoriamente complexa em todo mundo, envolvendo não apenas bovinos, mas também 

outros hospedeiros de vida selvagem. Diante da possibilidade de diferenças 

epidemiológicas entre regiões e ao longo do tempo seria imprudente generalizar ou 

extrapolar sem dados de vigilância abrangentes. 

Supõe-se que a transmissão indireta por meio de ambiente contaminado 

envolve a geração de núcleos de gotículas com bacilos, a partir de fômites, como solo, 

pastagens, excretas e ambiente construído, seja por inalação ou ingestão de animais 

hospedeiros (Palmer et al., 2004; Phillips et al., 2003; Vicente et al., 2007). Uma 

componente chave do potencial de um ambiente contaminado contribuir para a 

dinâmica de transmissão da bTB é asobrevivência dos bacilos da tuberculose nesses 

fômites ambientais. 

Diante de tantas variáveis para a ocorrência da doença, se faz necessário avaliar 

cadauma para que que se tenha um diagnóstico preciso para doença. Atualmente o 

uso de bancosde dados para avaliar a situação epidemiológica de doenças se tornou 

uma chave de pesquisa e prevenção. No entanto, estes bancos de dados são 

compostos por muitas variáveis, e, portanto, é preciso analisar todas com cuidado e 

selecionar as que mais fazem sentido em relação à epidemiologia da doença. 

O objetivo principal da seleção de variáveis é incorporar variáveis 

epidemiológicas relevantes e estatisticamente significativas no modelo, enquanto 

exclui ruído e variáveis redundantes (Tolles e Meurer, 2016; Kiezun et al., 2009). 

Existem muitos procedimentos paraesse propósito, como seleção proposital e melhor 

subconjunto. Esses procedimentos têm se mostrado poderosos na construção de 

modelos e são amplamente utilizados. No entanto, nenhum desses procedimentos é 

uma panaceia, especialmente na era dos big data, quando muitas variáveis estão 

disponíveis. 

A seleção proposital de variáveis geralmente envolve testes univariados para 

rastrearvariáveis que estão significativamente associadas ao resultado de interesse. 

Em seguida, ummodelo de regressão é construído com base nessas variáveis. No 



17 
 

entanto, tal procedimento pode ignorar algumas variáveis importantes que funcionam 

em conjunto para fazerem efeito,mas que não atingem o nível de significância 

estatística quando testadas de forma independente (Zhang, 2016). Porém esse 

procedimento pode ser útil em um conjunto de dados com pequeno número de 

variáveis, mas pode não ser a melhor escolha diante de muitas variáveis. 

Frequentemente, os conjuntos de variáveis devem ser reduzidos para obter os 

modelos estatísticos mais simples com a perda mínima de informação. O problema 

reside nopeso estatístico diferente de cada variável, dependendo de sua associação 

direta mais forte ou mais fraca com a variável resposta avaliada, mascarando-se 

mutuamente. Isso faz com que muitas variáveis relevantes sejam eliminadas durante o 

processo de seleção de variáveis,bem como possíveis interações entre as variáveis 

que não são endereçadas corretamente (Lozano et al., 2018). 

Todas as variáveis preditivas podem afetar, em maior ou menor grau, e de 

maneiras diferentes, a variável resposta (Peña, 2002). A fim de reduzir tais 

interferências, é indicado o uso de procedimentos reconhecidos para seleção de 

variáveis, bem como a seleção adequada das informações mais relevantes, 

negligenciando aquelas com menos poder explicativo ou tentando alcançar um ou 

mais modelos equilibrados, sacrificando a capacidadeseletiva (Lozano et al., 2018). 

Atualmente o modelo de regressão logística é o método mais utilizado em pesquisas 

epidemiológicas, porque na maioria dos casos a variável dependenteé categórica. 

Para lidar com esse fato, este estudo comparou três estratégias de seleção de 

variáveis com o objetivo de obter modelos logísticos múltiplos com todas as variáveis 

significativas que pudessem explicar a ocorrência do desfecho analisado, ou seja, 

rebanhos bovinos com animais reagentes no teste de diagnóstico de tuberculose. 

 
 

MATERIAL E MÉTODOS 

 
 

Descrição do banco de dados 

 
 

Utilizou-se um banco de dados obtidos por ocasião do segundo inquérito, 

realizado em 2011, para conhecer a situação epidemiológica da brucelose e da 

tuberculose bovina no Estado de São Paulo. Os dados resultaram de um questionário 

e de testes de tuberculina aplicados por médicos veterinários da Coordenadoria de 

Defesa Agropecuária do Estado de São Paulo (CDA) em rebanhos bovinos ou 



18 
 

bubalinos, selecionados por procedimento probabilístico, elaborado por 

pesquisadores que assessoram o Ministério da Agricultura, Pecuária e 

Abastecimento (MAPA) no Programa Nacional de Controle e Erradicação da 

Brucelose e Tuberculose (PNCEBT). Detalhes da amostragem podem ser obtidos em 

Dias et al. (2016). Esses dados foram disponibilizados pela CDA. A partir dos 

dados originais, algumas variáveis foram mantidas e outras foram criadas, 

ficando o banco de dados com 37 variáveis e 1.743 observações, sendo o 

rebanho a unidade de observação. 

Descrição das variáveis 

 
 

A variável analisada como desfecho, identificada como tuberculose bovina 

(TB), representa rebanho com pelo menos um animal da amostra reagente no teste 

de tuberculina(0=não; 1=sim). As variáveis investigadas como explanatórias estão 

descritas na Tabela 1. 

 

Reb_ma_19 Rebanho com mais de 19 animais Não=0 
Sim=1 

Tipo_exp Tipo de exploração 1=corte 
2=leite 
3=confinado 

Tipo_cria Tipo de criação 1=extensivo 
2=semiconfinado 
3=confinado 

N_ordenha Número de ordenhas por dia 1=não ordenha 
2=uma ordenha 
3=duas ou três ordenhas 

Tipo_ordenha Tipo de ordenha 1=não ordenha 
2=ordenha mecânica em sala 
de ordenha 
3=mecânica ao pé 
4=manual 

N_vacas Número de vacas em lactação Variável quantitativa 

Prod_diaria Produção diária de leite Variável quantitativa 

inseminação Usa inseminação artificial 1=não 
2=usa inseminação e touro 
3=usaapenas inseminação 

Raca_bov Raça bovina predominante 1=zebu 
2=europeia leite 
3=europeia de corte 
4=mestiça 
5=outras raças 

Ovi_cap Presença de ovinos e caprinos 0=não 
1=sim 

equi Presença de equinos 0=não 
1=sim 

sui Presença de suínos 0=não 
1=sim 

aves Presença de aves comerciais 0=não 
1=sim 

cao Presença de cães 0=não 



19 
 

 

  1=sim 

gato Presença de gatos 0=não 
1=sim 

nsilvestre Presença de animais silvestres de vida 
livre 

0=não 
1=sim 

cervideo Presença de cervídeo 0=não 
1=sim 

capivara Presença de capivaras 0=não 
1=sim 

felideos Presença de felídeos de vida livre 0=não 
1=sim 

marsu Presença de marsupiais 0=não 
1=sim 

macaco Presença de macacos 0=não 
1=sim 

Outra_sil Presença de outras espécies 0=não 
1=sim 

Testa_tb Faz teste para diagnóstico de 
tuberculose 

0=não 
1=sim 

Regul_testa_tb Regularidade dos testes de tuberculose 1=uma vez no ano 
2=duas vezes no ano 
3= quando compra animais 
4=quando há aborto na 
fazenda 
5=quando exigido para 
trânsito/eventos/crédito 

Aquis_bovideos Aquisição de bovídeos 0=não 
1=sim 

Aluga_pasto Aluga pastos em alguma época do ano 0=não 
1=sim 

Pasto_comum Tem pasto em comum com outras 
propriedades 

0=não 
1=sim 

Comp_itens Compartilha outros itens com outras 
propriedades 

0=não 
1=sim 

17reas_alagadas Presença de áreas alagadiças às quais o 
gado tem acesso 

0=não 
1=sim 

Gado_conc Área onde o gado permanece 
concentrado durante o dia ou à noite 

0=não 
1=sim 

Piquete_parto Tem piquete separado para fêmeas na 
fase de parto e/ou pós-parto 

0=não 
1=sim 

Entr_leite Entrega leite 0=não 
1=sim 

Lact_venda Produz leite para venda 0=não 
1=sim 

Assis_vet Tem assistência veterinária 0=não 
1=sim 

Alim_soro Alimenta bovinos com soro de leite 
bovino 

0=não 
1=sim 

Comp_aguada Compartilha aguadas/bebedouros com 
animais de outra(s) propriedade(s) 

0=não 
1=sim 

Classif_prop Classificação da propriedade 1=rural clássica 
2=aldeia indígena 
3=assentamento 
4=periferia urbana 



20 
 

 
 
 

Análise dos dados 

 
 

Inicialmente foram obtidas estatísticas descritivas, por meio do software Epi Info 

7.2, de modo a conhecer as frequências da variável resposta nas categorias das 

variáveis explanatórias. Na análise de regressão logística empregou-se a linguagem 

R (Rcore Team, 2021), e o ajuste do modelo foi avaliado por meio do teste de Hosmer 

e Lemeshow, o qual foi efetuado utilizando o pacote Resource Selection do R. Os 

modelos obtidos também foram avaliados com base na área sob a curva ROC, e para 

isso utilizou-se o pacote pROC do R. Para a investigação de colinearidade entre as 

variáveis explanatórias utilizou-se, também empregando o R, correlação de 

Spearman, para que um modelo logístico não mantivesse variáveis com coeficiente 

de correlação maior do que 0,70. 

Estratégias de seleção de variáveis explanatórias de modelos logísticos 

múltiplos 

 

Para a seleção das variáveis explanatórias em modelos logísticos múltiplos com 

todasas variáveis significativas, foram utilizadas três estratégias, aqui denominadas 

A, B e C. 

A estratégia A consistiu em adotar inicialmente seleção automática, em ambas 

as direções, forward e backward, com base no menor AIC (Akaike Information 

Criterion), a partirde todas as variáveis; o próximo passo foi retirar variáveis altamente 

correlacionadas; em seguida, foram retiradas do modelo, uma por vez, por ordem 

inversa do valor de P, as variáveis não significativas, até obter um modelo múltiplo com 

todas as variáveis significativas(P < 0,05). 

Na estratégia B, foi inicialmente feita triagem por meio de regressão logística 

simples, sendo selecionadas variáveis com valor de P<0,10 e cujo sentido da 

associação apresentou nexo causal; essas variáveis foram submetidas então a 

seleção automática, como descrito no parágrafo anterior; do modelo obtido foram 

retiradas as variáveis altamente correlacionadas,sendo em seguida retiradas, uma a 

uma, as variáveis não significativas. 

Na estratégia C, foram selecionadas variáveis com valor de P<0,10 na 

regressão logística simples, descartando aquelas cuja direção da associação não 

tinha nexo do ponto de vista biológico. A partir dessas variáveis, foram escolhidas 

variáveis apontadas na literatura como tendo potencial associação causal com o 



21 
 

desfecho e descartando as variáveis que possam estar associadas a essas outras, 

evitando colocar no modelo variáveis intervenientes(Dohoo et al., 2010). Após 

checagem da correlação entre as variáveis até então selecionadas,foram retiradas, 

uma por vez, por ordem inversa do valor de P, as variáveis não significativas,até obter 

modelo múltiplo com todas as variáveis significativas (P < 0,05). 

 
 

RESULTADOS 

 
 

Estratégia A 

 
 

Seguindo os passos descritos na metodologia da estratégia A, que consistiu em 

seleção automática, foram obtidas as variáveis rebanho maior que 19, número de 

ordenhas, tipo de ordenha, número de vacas em lactação, raça bovina, presença de 

suínos, de animaissilvestres, de marsupiais, aquisição de bovídeos, pasto comum, 

compartilha itens, entrega leite, assistência veterinária e compartilha aguada. Após a 

checagem da correlação entre as variáveis, por meio de correlação de Spearman, 

procurando coeficientes acima de 0,70, observou-se correlação elevada entre tipo de 

ordenha e número de ordenhas, sendo então mantida apenas “número de ordenhas”, 

por apresentar o menor valor de P (Tabela 1). Na sequência, foram retiradas, uma a 

uma, assis_vet, pasto_ comum e suínos. A Tabela 1 mostrao modelo obtido após a 

eliminação gradativa das variáveis. 

Tabela 1. Variáveis selecionadas pelo modelo A com todas as variáveis 
significativas(P < 0,05). 

Variáveis OR IC 95% Coeficiente Erro 

Padrão 

Estat Z Valor P 

reb_ma_19 1,72 1,20–2,45 0,54196 0,18204 2,977 0,00291 

n_ordenha 1,71 1,23 – 2,38 0,53723 0,16782 3,201 0,00137 

raca_bov 1,18 1,03 – 1,37 0,16782 0,07435 2,268 0,02332 

nsilvestre 1,82 1,17 – 2,82 0,59798 0,22373 2,673 0,00752 

marsu 0,66 0,43–1,00 -0,42219 0,21252 -1,987 0,04697 

aquis_bovideos 1,50 1,07–2,11 0,40733 0,17256 2,361 0,01825 

comp_itens 1,83 1,19 –2.75 0,60211 0,21300 2,827 0,0470 

entre_leite 1,71 1,11–2,61 0,53365 0,21688 2,461 0,01387 

comp_agua 0,45 0,25-0,75 -0,80777 0,27525 -2,935 0.00334 



22 
 

Estratégia B 

 
 

Nesta estratégia, foi inicialmente feita a triagem por meio de regressão logística 

simples, e o descarte das variáveis explanatórias com valor de P>0,10 (ovi_cap, cao, 

cervideo, capivara, felideos, marsu, macaco, outra_silv, pasto_comum, 

areas_alagadas, lact_venda,assis_vet, alim_soro, classif_prop). Também foram 

desconsideradas as variáveiscujas associações não apresentam nexo do ponto de 

vista biológico (testa_tb, regul_test_tb, comp_aguada). Após seleção automática, com 

as variáveis reb_ma_19, tipo_exp, tipo_cria, n_ordenha, tipo_ordenha, n_vacas, 

prod_diaria, inseminação, raca_bov, equi, sui, aves, gato,nsilvestre, aquis_bovideos, 

aluga_pasto, comp_itens,gado_conc,piquete_parto,entr_leite, obteve-se o seguinte 

modelo: reb_ma_19, n_ordenha, tipo_ordenha, n_vacas, raca_bov, cui, nsilvestre, 

aquis_bovideos, comp_itens, entr_leite. Após a checagem da correlação entre as 

variáveis, por meio do método de Spearman, procurando coeficientes acima de 0,70, 

observou-se correlação elevada entre as variáveis n_ordenha, tipo_ordenha, n_vacas, 

e optou-se por manter apenas “número de ordenhas”, por apresentar o menor valor P 

(Tabela 2). Na sequência foram retiradas, uma a uma, as variáveis nsilvestre e suíno. 

A Tabela 2 mostra o modelo obtido após a eliminação gradativa das variáveis. 

 
Tabela 2. Variáveis selecionadas pelo modelo B com todas as variáveis 
significativas(P < 0,05). 

Variáveis OR IC 95% Coeficiente Erro 

padrão 

Estat Z Valor P 

reb_ma-19 1,75 1,23-2,49 0,56012 0,18082 3,098 0,00195 

n_ordenha 1,71 1,23–2,36 0,53459 0,16565 3,227 0,00125 

raca_bovina 1,19 1,04-1,38 0,17771 0,07329 2,425 0,01531 

aquis_bovideos 1,49 1,07–2,09 0,40095 0,17026 2,355 0,01853 

comp_itens 1,51 1,00-2,24 0,41371 0,20471 2,021 0,04328 

entre_leite 1,67 1,10–2,55 0,51572 0,21487 2,400 0,01639 

 
 

Estratégia C 

 
 

Foi realizada uma análise preliminar das variáveis importantes segundo a 

literatura; (tipo de exploração, pois a exploração leiteira está mais associada à 

ocorrência de tuberculose), excluindo variáveis que possam depender dela e 

mantendo variáveis com valor 



23 
 

de P<0,10 na triagem e que não estejam associadas ao tipo de exploração. As 

variáveis selecionadas inicialmente foram reb_ma_19, tipo_exp, inseminacao, equi, 

sui, aves, gato, nsilvestre, aquis_bovideos, aluga_pasto, comp_itens, gado_conc, 

piquete_parto. Posteriormente foi retirada, uma por vez, das variáveis não 

significativas; inseminação, aves, equinos, presença de animais silvestres, aluga 

pasto, gado concentrado, gato, piquete de parto, compartilha itens. Observa-se na 

tabela 3 as variáveis significativas (P < 0,05) selecionadas no modelo. 

 
 

Tabela 3. Variáveis selecionadas pelo modelo C com todas as variáveis 
significativas (P < 0,05). 

Variáveis OR IC 95% Coeficiente Erro 

padrão 

Estat Z Valor P 

reb_ma_19 1,99 1,42-2,77 0,6884 0,1699 4,053 5,06 e-05 

tipo_exp 1,35 1,10–1,67 0,3028 0,1056 2,866 0,00415 

suinos 1,57 1,13–2,17 0,4487 0,1667 2,692 0,00710 

aquis_bovideos 1,69 1,22–2,34 0,5234 0,1660 3,153 0,00162 

 

Na Figura 1 podemos observar com mais facilidade as variáveis comuns entre os 

modelos. 



24 
 

 
 
 
 

 

 
 

Figure 1. Diagrama de Venn, comparando as variáveis de cada estratégia. 

 

A técnica adotada para resumir o desempenho do modelo em diferentes 

situações, como no caso as três estratégias, foi a construção da curva Receiver 

Operating Characteristic(ROC), como no demonstrado na Figura 2 e na tabela 4 em 

números para melhor especificação dos valores de cada estratégia, em que o modelo 

obtido na estratégia A apresentou maior área sob a curva. 

Modelo A 

Entre_ leite 

N_ordenha Modelo B 

Nsilvestre Raca_bov 

Marsu Comp_itens 

Com_agua 
Aquis_bovideos 

 
Reba_ma_19 

Sui 

Tipo_exp 

Modelo C 



25 
 

 

 

 
 

Figura 2. Curva ROC. Preto: modelo A; Vermelho: modelo B; Azul: modelo C 

Tabela 4. Área sob a curva ROC (AUC) 

 
 
 
 

DISCUSSÃO 

 
 

Algumas áreas de pesquisa utilizam conjunto de dados com os desafios da alta 

dimensionalidade e da multicolinearidade a serem superados, mas de forma prática a 

seleçãode variáveis pode ser uma ferramenta útil. Embora os métodos multivariados 

existentes sejam, na maioria das vezes, eficientes para construção do modelo, 

frequentemente se faz necessário selecionar as variáveis mais importantes em 

explicar o modelo (Ferreira, 2015). 

Segundo Zimmer e Anzanello (2014), engenheiros e pesquisadores têm 

buscado métodos para selecionar o melhor subconjunto de variáveis, visando a 

diminuição de custos e o aumento da precisão dos resultados. Alguns estudos 

desenvolveram novas métricas, masa maior parte é em aprimoramento dos métodos 

estatísticos já existentes (Lin et al., 2015). 

Modelo AUC IC 95% AUC 
A 0,7246 0,6837—0,7655 
B 0,7011 0,6582—0,744 

  C  0,6552  0,6102—0,7003  

 



26 
 

Este estudo avaliou as variáveis e selecionou as mais condizentes com a 

doença estudada e assim compara os resultados com os de estudos semelhantes. 

Dessa forma, pode-se observar nas três estratégias que elas apresentam variáveis 

semelhantes, entre elasrebanho maior que 19 animais e aquisição de bovídeos, que 

se mantiveram nos três modelosobtidos. Estudos com base no mesmo modelo e a 

respeito do mesmo assunto em diferentesestados do Brasil evidenciaram as mesmas 

variáveis, o que está de acordo com o conhecimento que se tem que rebanhos 

maiores são mais propensos a terem animais infectados. Segundo Dias et al. (2016), 

agricultores que possuem grandes rebanhos tendem a comprar mais gado, sendo 

esse fator um dos associados a um risco de introdução da tuberculose bovina no 

rebanho. Em rebanhos maiores também é mais difícil erradicar uma infecção crônica, 

porque, quanto maior o número de animais, maior a probabilidade de pelo menos um 

animal infectado não ser detectado nos testes de diagnóstico e continuar a disseminar 

a infecção no rebanho. Os três modelos deixaram evidente que a variável relacionada 

ao tamanho do rebanho está fortemente associada à presença de animais reagentes. 

Estratégias como estas que foram utilizadas como ferramenta de seleção de 

variáveisnecessitam de uma análise antes da seleção, para que a variável resposta 

seja condizente com a relação causal. Em vista disso, revisamos alguns estudos para 

verificar se as variáveis selecionadas pelos modelos eram coerentes e permitem 

conclusões mais seguras (Galvis etal., 2016; Bahiense et al., 2016; Silva et al., 2016; 

Veloso et al., 2016; Dias et al., 2016). 

A estratégia C, quando comparada com as estratégias A e B, resultou em 

modelo commenor número de variáveis, ou seja, apenas quatro variáveis, sendo duas 

delas também observadas nos dois outros modelos (rebanho maior que 19 animais e 

aquisição de bovídeos)e duas que não foram mantidas nas outras estratégias (suínos 

e tipo exploração). A associação entre a tuberculose bovina e o tipo de exploração 

está amplamentedescrita na literatura. Essa associação deve-se ao fato de que a 

transmissão do agente etiológico da tuberculose bovina exige proximidade e contato 

constante, o que ocorre mais frequentemente em explorações leiteiras. No entanto, nos 

modelos das estratégias B e C essavariável acaba sendo mascarada pela presença de 

outras variáveis relacionadas a ela. 

Estudos em outros estados do Brasil e em outros países, nos quais a análise 

de múltiplas variáveis foi empregada, dão suporte aos achados deste estudo quanto 

à variável tipo de exploração, no caso leite, corte e misto (Bahiense et al., 2016; 



27 
 

Queiroz et al., 2016). Embora nem todos os estudos realizados em outros estados do 

Brasil tenham apontado significância dessa variável (Bahiense et a., 2016), sua 

contribuição para a explicação do desfecho tem sido apontada como importante, 

conforme observado por Marangon et al. (1998), que verificaram que o tipo de 

exploração em rebanhos da região de Veneto na Itália foi uma variável de risco de 

ocorrência de tuberculose. Também o estudo de Dias et al. (2016)mostra que rebanhos 

leiteiros correram 2,70 vezes o risco que correram os rebanhos de corte,usados como 

referência. 

Muitos estudos evidenciam a tuberculose em outras espécies animais. No caso 

dos suínos, podem não ocorrer tantas perdas econômicas relacionadas a doença 

clínica, porém vísceras com lesões tuberculoides são descartadas e carcaças inteiras 

podem ser condenadas ou requerer tratamento térmico antes de liberadas para o 

consumo humano (Morés et al., 2007; Hibiya et al. 2008). Visto que a criação de suínos 

em condições precáriasde higiene tende a aumentar a disseminação da doença no 

plantel, as instalações e os equipamentos podem facilmente ser contaminadas por 

fezes de animais infectados (Radostitset al., 2007). Lara et al. (2009) afirmam que para 

o controle e a profilaxia de tuberculose deve-se evitar a coabitação de bovinos com 

suínos, particularmente em áreas endêmicas de tuberculose bovina. 

As três estratégias indicaram que a variável aquisição bovídeos está 

significativamente associada com a variável resposta. Vários autores também 

relataram que a aquisição de animais está fortemente associada à persistência da 

doença em rebanhos (Vendrame et al., 2016; Veloso et al., 2016; De la cruz et al., 2014; 

Dommergues et al., 2012; Gilbert et al., 2005; Grisi-Filho et al., 2011). As mesmas 

variáveis foram observadas em outros estados brasileiros,como Paraná, Bahia, Santa 

Catarina e Espírito Santo (Galvis et al., 2016; Bahiense et al., 2016; Silva et al., 2016; 

Veloso et al., 2016; Dias et al., 2016). Esses estudos constataram que, quanto maior 

a população bovina, maior é a probabilidade de a infecção persistir no rebanho, no 

caso, em produção leiteira. 

As estratégias A e B frisam as variáveis relacionadas ao gado de leite. Nota-se 

a significância das variáveis raça bovina, número de ordenhas e entrega de leite, todas 

relacionadas aos rebanhos leiteiros. Os resultados deste estudo indicam que a 

tuberculose bovina é mais frequente em rebanhos leiteiros, notadamente naqueles 

com produção mais intensiva, o que pode estar relacionado aos sistemas de produção 

sob confinamento parcial ou total. Salientamos que as variáveis encontradas 



28 
 

espelham semelhanças com as descobertas de estudos anteriores sobre as mesmas 

variáveis relatadas no Paraná (Silva et al., 2016), Bahia (Bahiense et al., 2016), 

Rondônia (Vendrame et al., 2016), Mato Grosso (Néspoli et al., 2016), Santa Catarina 

(Veloso et al., 2016), Minas Gerais (Belchior et al., 2016), Pernambuco (Lima et al., 

2016), Goiás (Rocha et al., 2016) e São Paulo (Dias et al., 2016). 

Nos estados de Pernambuco e São Paulo foi observado que a variável 

compartilhamento de pastagens é significativa como variável de risco associada à 

infecção (Lima et al., 2016; Dias et al., 2016), porém o mesmo não foi observado para 

as variáveis compartilhamento de água e pasto. Acredita-se que a interface áreas de 

exploração de bovinos e contato com animais de vida selvagem possa contribuir para 

a disseminação de tuberculose bovina. No entanto, a direção predominante de 

transmissão da interface vida selvagem/pecuária permanece pouco clara e 

provavelmente bidirecional e determinada por vários fatores, como densidade 

populacional, prevalência de infecção, distribuição e movimento de infectados e 

espécies suscetíveis (Bengis et al., 2002; Renwick et al., 2007; Musoke et al., 2015). 

No caso deste estudo, a estratégia A foi a única a ressaltar essa problemática, com 

as variáveis marsupiais e presença de outras espécies de animais silvestres 

relativamente significativas como variáveis potenciais. No entanto, é preciso 

considerar que essa estratégia baseou-se na seleção automática de variáveis, o que 

não é recomendado pelos estudiosos do assunto (Dohoo et al., 2010). 

Não foi encontrada associação estatisticamente significativa em variáveis 

reconhecidas por representarem mecanismos de propagação da doença, destacando- 

se: aluguel de pasto e presença de pastagem em comum com outras propriedades. Tal 

resultado, entretanto, pode ser em consequência de: (a) baixo poder discriminante 

dessas variáveis na população estudada; (b) baixo quantitativo de focos detectados. 

De acordo com Dohoo et al.(2010), o reduzido número de casos positivos pode afetar 

o poder dos testes estatísticos. 

No caso de algumas variáveis do banco de dados, seria útil a disponibilidade 

de informações adicionais para que se pudesse estabelecer mais seguramente 

relação causal com o desfecho investigado. Um exemplo dessa situação é a variável 

relacionada à presença de suídeos na propriedade, porém sem informar se esses 

suídeos eram criados soltos ou emconfinamento, ou seja, tendo ou não contato com 

o rebanho bovino estudado. 

Estudos que se assemelham ao que propomos são aqueles que avaliam a 



29 
 

seleção de diferentes variáveis. No entanto, alguns estudos mencionados acima 

reforçam que todas as variáveis encontradas pelas três estratégias foram compatíveis 

em termos de associação causal com o desfecho, uma vez que implementaram 

métodos para avaliar o risco das variáveis em uma única etapa e tendem a usar uma 

abordagem de regressão logística multivariada para atingir seus objetivos. 

 

 
CONCLUSÃO 

 
 

Os resultados mostraram que a estratégia de seleção das variáveis 

explanatórias influibastante no modelo final obtido, o que sugere cautela ao fazer 

inferência causal a partir de bancos de dados com muitas variáveis e a necessidade 

de associar outros critérios de pré-seleção e também a consideração da opinião de 

especialistas na enfermidade, a fim de obterconclusões mais seguras quanto à relação 

causal. 

 
 

REFERÊNCIAS 

 
 

Allen AR, Skuce RA, Byrne AW (2018) Tuberculose bovina na Grã-Bretanha e Irlanda – 
uma tempestade perfeita? A confluência de potenciais impedimentos ecológicos e 
epidemiológicos para o controle de uma doença infecciosa crônica. Fronteiras na 
Ciência Veterinária. 5 :109. doi: 10.3389/fvets.2018.00109. 

 
Bahiense L, Ávila LN De, Bavia ME, Amaku M, Dias RA, Grisi-filho JHH, Ferreira F, Telles 
EO, Gonçalves VSP, Heinemann MB, Ferreira Neto JS (2016) Prevalence and risk factors 
for bovine tuberculosis in the State of Bahia, Brazil. Semina:Ciências Agrárias, Londrina, 
v. 37, 5: 3549-3560. Suplemento 2. 

 
Belchior APC, Lopes LB, Gonçalves VSP, Leite RC (2016) Prevalence and risk factors for 
bovine tuberculosis in Minas Gerais State, Brazil. Tropical Animal Health and 
Production, Edinburg, v. 48, 2:373-378. 

 
Bengis RG, Kock RA, Fischer J, (2002) Infectious animal diseases: the wildlife/livestock 
interface. Revue scientifique et technique (International Office of Epizootics) 21, 53– 
65. https://doi.org/10.20506/rst.21.1.1322. 

 

De La Cruz ML, Perez A, Bezos J, Pages E, Casal C, Carpintero J, Romero B, Dominguez 
L, Barker CM, Diaz R, Alvarez J (2014) Spatial dynamics of bovine tuberculosis in the 
Autonomous Community of Madrid, Spain (2010- 2012). PLoS One, San Francisco, v. 
9,12:115632. 

https://doi.org/10.20506/rst.21.1.1322


30 
 

Dias RA, Stanojlovic FMU, Belchior APC, Ferreira RS, Gonçalves SRC, Barão RSC, 
Sousa PR, Santos AMA, Marcos A, Ferreira F, Telles EO, Grisi Filho JHH, Gonçalves VSP, 
Heinemann MB, Neto JSF ( 2016) Prevalência e fatores de risco paratuberculose 
bovina no estado de São Paulo, Brasil. Semina:Ciências Agrárias, Londrina, v. 37,5: 
3673-3684. 

Dohoo I, Martin W, Stryhn H (2010) Veterinary Epidemiologic Research. 2 ed., 2 
impr.Charlottetown: VER Inc. 865. 

 
Dommergues L, Rautureau S, Petit E, Dufour B ( 2012) Network of contacts between cattle 
herds in a French area affected by bovine tuberculosis in 2010. Transboundary and 
Emerging Diseases, Malden, v. 59,4: 292-302. 

 
Ferreira MMC (2015) Quimiometria – Conceitos, Métodos e Aplicações. Campinas, SP: 
Editora Unicamp. 493 f. 

 
Galvis JOA, Grisi-Filho JHH, Costa D, Said ALPR, Amaku M, Dias RA, Ferreira F, 
Gonçalves VSP, Heinemann MB, Telles EO, Ferreira Neto JS (2016) Epidemiologic 
characterization of bovine tuberculosis in the state of Espírito Santo, Brazil. Semina: 
Ciências Agrárias, Londrina, v. 37, 5:3567-357. Suplemento 2. 

 
Gilbert M, Mitchell A, Bourn D, Mawdsley J, Clifton-Hadley R, Wint W (2005) Cattle 
movements and bovine tuberculosis in Great Britain. Nature, London, v. 435, 7041: 491- 
496. 

 
Grisi-Filho JHH, Rosales CAR, Ferreira F, Amaku M, Dias RA, Ferreira Neto JS ( 2011) 
Análise epidemiológica das condenações de bovinos por tuberculose em abatedouros do 
Estado de São Paulo. Arquivos do Instituto Biológico, São Paulo, v. 78, 2:175-181. 

 
Hibiya K, Kasumi Y, Sugawara I, Fujita J (2008) Histopathological classification of 
systemic Mycobacterium avium complex infections in slaughtered domestic pigs. Comp. 
Immunol. Microbiol. Infect. Dis. 31:347-366. 

 
Kiezun A, Lee IT, Shomron N (2009) Avaliação de técnicas de otimização para seleção 
de variáveis em regressão logística aplicada ao diagnóstico de infarto do miocárdio. 
Bioinformation; 3: 311-3. (http://dx.doi.org/10.6026/97320630003311) PubMed 
(http://www.ncbi.nlm.nih.gov/pubmed/19293999) 

 
Lara GHB, Ribeiro MG, Guazzelli A, Fernandes MC (2009) LINFADENITEINFECCIOSA 
EM SUÍNOS: ETIOLOGIA, EPIDEMIOLOGIA E ASPECTOS EM SAÚDE PÚBLICA. 
Arquivos do Instituto Biológico [online]. v. 76, 2:317-325. Disponível em: 
<https://doi.org/10.1590/1808-1657v76p3172009>. Epub 02 Jun 2021. ISSN1808-1657. 
https://doi.org/10.1590/1808-1657v76p3172009. 

 

Lima PB, Nascimento DL, Almeida EC, Pontual KAQ, Amaku M, Dias RA, Ferreira F, 
Gonçalves VSP, Telles EO, Grisi Filho JHH, Heinemann MB,Silva JCR, Ferreira Neto JS 
(2016) Epidemiological situation of bovine tuberculosis in the state of Pernambuco, Brazil. 
Semina: Ciências Agrárias, Londrina, v. 37, 5:3601-3610, Suplemento 2. 

 
Lin L, Wang Q, Sadek AW (2015) A novel variable selection method based on frequent 
pattern tree for real-time traffic accident risk prediction. Transp Res Part C Emerg Technol; 
55: 444-59. 

 
Lozano M, Manyes L, Peiró J, Iftimi A, Ramada JM (2018) Strategic procedure in three 

http://dx.doi.org/10.6026/97320630003311
http://www.ncbi.nlm.nih.gov/pubmed/19293999)
https://doi.org/10.1590/1808-1657v76p3172009


31 
 

stages for the selection of variables to obtain balanced results in public health research. 
Cadernos de Saúde Pública [online]. v. 34, n. 7, e00174017. Available 
from:<https://doi.org/10.1590/0102-311X00174017>. Epub 23 July 2018. ISSN 1678- 
4464.https://doi.org/10.1590/0102-311X00174017. 

 
Marangon S, Matini M, Pozza MD, Neto F (1998) A case-control study on bovine 
tuberculosis in the Veneto Region (Italy). Prev. Vet. Med., v.34, p.87-95. 

 
Morés N, Ventura L, Dutra V, Silva VS, Junior WB, Oliveira SO, Kramer B & Neto JSF ( 
2007) Linfadenite granulomatosa em suínos: linfonodos afetados e diagnóstico patológico 
da infecção causada por agentes do Complexo Mycobacterium avium. Pesq. Vet. Bras. 
27:13-17. 

 
Musoke J, Hlokwe T, Marcotty T, Du Plessis BJA, Michel AL (2015) Spillover of 
mycobacterium bovis from wildlife to livestock, south africa. Emerging InfectiousDiseases 
21, 448–451. https://doi.org/10.3201/eid2103.131690. 

 

Néspoli JMB, Negreiros RL, Amaku M, Dias RA, Ferreira F, Telles EO, Heinemann 
MB, Grisi-Filho JHH, Gonçalves VSP, Neto JSF (2016) Epidemiological situation of bovine 
tuberculosis in the state of Mato Grosso, Brazil. Semina: Ciências Agrárias, Londrina, v. 
37, n. 5, p. 3589-3600. Suplemento 2. 

 
Oliveira VM, Fonseca AH, Pereira AMJS, Carneiro AV, Jesus VLT, Alves PAM (2008) 
Análise retrospectiva dos fatores associados à distribuição datuberculose bovina no 
estado do Rio de Janeiro. Arquivo Brasileiro de Medicina Veterinária e Zootecnia 
[online].v.603:574-579. Disponível em:<https://doi.org/10.1590/S0102- 
9352008000300008>. Epub 10 Jul 2008. ISSN 1678-4162. https://doi.org/10.1590/S0102- 
09352008000300008. 

 

Palmer MV, Waters WR, Whipple DL (2004) Investigação da transmissão de 
Mycobacterium bovis de veados para bovinos por contato indireto. American Journal of 
Veterinary Research . 65 (11):1483-1489. doi: 10.2460/ajvr.2004.65.1483. 

 
Peña D (2002) Análisis de datos multivariantes. Madrid: McGraw-Hill Interamerica de 
España. 
Phillips CJC, Foster CRW, Morris PA, Teverson R (2003) A transmissão da infecção por 
Mycobacterium bovis ao gado. Pesquisa em Ciências Veterinárias. 74 (1):1– 15. doi: 
10.1016/s0034-5288(02)00145-5. 

 
Queiroz MR, Groff ACM, Silva NS, Grisi-Filho JHH, Amaku M, Dias RA, Telles EO, 
Heinemann MB, Ferreira Neto JS, Gonçalves VSP, Ferreira F (2016) Epidemiological 
status of bovine tuberculosis in the state of Rio Grande do Sul, Brazil.Semina: Ciências 
Agrárias, Londrina, 5:3647-3658. 
Radostits OM, Gay CC, Hinchcliff KW, Constable PD ( 2007) Vetreinary 
Medicine.10.ed., Madrid:Elsevier, .2156. 

 
Renwick AR, White PCL,Bengis RG (2007) Bovine tuberculosis in southern African 
wildlife: a multi-species host-pathogen system. Epidemiology and infection 135, 529– 40. 
https://doi.org/10.1017/S0950268806007205. 

 

Rocha WV, Jayme VS, Gonçalves VSP, Brito WMED, Pires GRC, Mota ALAA,Grisi FilhoO 
JHH, Dias RA, Amaku M, Telles EO, Heinemann MB, Ferreira F, Ferreira Neto JS (2016) 
Epidemiological situation of bovine tuberculosis in the State of Goiás, Brazil. Semina: 

https://doi.org/10.3201/eid2103.131690
https://doi.org/10.1590/S0102-09352008000300008
https://doi.org/10.1590/S0102-09352008000300008
https://doi.org/10.1017/S0950268806007205


32 
 

Ciências Agrárias, Londrina, v. 37, n. 5, sppl 2, 3625- 3638. 
 
Silva MCP, Gonçalves VSP, Mota ALAA, Koloda M, Ferreira Neto JS, Grisi Filho JHH, 
Dias R A, Amaku M, Telles EO, Ferreira F, Heinemann MB, Alfieri AA, Muller EE (2016) 
Prevalence and herd-level risk factors for bovine tuberculosis in the state of Paraná, 
Brazil. Semina: Ciências Agrárias, Londrina, v37, 5, 3611-3624. Suplemento 2. 

 
Tolles J, Meurer WJ (2016) Regressão logística: relacionando as características do 
paciente com os resultados. JAMA; 316: 533-4. 
(http://dx.doi.org/10.1001/jama.2016.7653)]PubMed 

 

Veloso FP, Baumgarten KD, Mota ALAA, Ferreira F, Ferreira Neto JS, Grisi- Filho JHH, 
Dias RA, Amaku M, Telles EO, Heinemann MB, Gonçalves VSP (2016) Prevalence and 
herd-level risk factors of bovine tuberculosis in the State of Santa Catarina, Brazil. 
Semina: Ciências Agrárias, Londrina, v. 37, n. 5, p. 3659- 3672. Suplemento 2. 

 
Vendrame FB, Amaku M, Ferreira F, Telles EO, Grisi-Filho, JHH, Gonçalves VSP, 
Heinemann, MB, Ferreira Neto JS, Dias RA (2016) Epidemiologic characterization of 
bovine tuberculosis in the State of Rondônia, Brazil. Semina: Ciências Agrárias, 
Londrina, 5:3639-3646. 

 
Vicente J, Höfle U, Garrido JM, Fernández-de-Mera IG, Acevedo P, Juste R, Barral M, 
Gortazar C (2007) Risk factors associated with the prevalence of tuberculosis-like lesions 
in fenced wild boar and red deer in south central Spain. Vet Res. (3):451-64. doi: 
10.1051/vetres:2007002. Epub 2007 Apr 11. PMID: 17425933. 

 
Zhang Z (2016) Variable selection with stepwise and best subset approaches. Ann Transl 
Med.4(7):136. doi: 10.21037/atm.2016.03.35. PMID: 27162786; PMCID: PMC4842399 
Zimmer J, Anzanello MJ (2014) Um novo método para seleção de variáveis preditivas com 
base em índices de importância. Production. Porto Alegre, RS. v. 24, 1, 84- 93. 

http://dx.doi.org/10.1001/jama.2016.7653)%5dPubMed


33 
 

CAPÍTULO 3 – Aprendizado de máquina estatístico para análises preditivas em 

tuberculose bovina 

 
 

Resumo 
 

Identificar e compreender os fatores de risco de tuberculose bovina endêmica em 

rebanhos bovinos é fundamental para o controle desta doença. As técnicas 

exploratórias de aprendizado de máquina podem descobrir relações e interações não 

lineares complexas dentro das redes de causação de doenças e aprimorar nosso 

conhecimento sobre os fatores de risco da tuberculose bovina e como eles estão inter- 

relacionados. Modelos preditivos foram testados e comparados por meio de um banco 

de dados de uma pesquisa de saúde animal, no caso, para um rebanho infectado de 

tuberculose bovina, e suas saídas usadas para classificar as variáveis relacionadas a 

um rebanho positivo. Os resultados mostraram que notadamente nos cinco modelos 

as variáveis importantes estão correlacionadas a produção leiteira, número de 

animais, tipo de criação e ao manejo dos animais. Quanto ao desempenho dos 

algoritmos tivemos o seguinte valor AUC ROC de cada modelo; regressão logística 

(0,71), decision tree (0,70), random forest (0,70) e o XGBoost (0,74), enquanto todos 

os modelos forneceram excelente discriminação, o modelo de XGBoost alcançou 

maior sensibilidade e o modelo random forest alcançou maior especificidade. Conclui- 

se que os resultados dos nossos modelos preditivos podem ajudar a identificar a 

prováveis variáveis associadas a tuberculose bovina, porém se faz necessário cautela 

ao fazer inferências causais a partir de um banco de dados com grande número de 

variáveis explanatórias. 

 
Palavras-chave: algoritmos, saúde animal, predição 



34 
 

 
 
 

Introdução 

 
 

Tuberculose bovina é uma zoonose bacteriana global, relatada em 44% dos 

188 territórios OIE (Organização Mundial de Saúde Animal) de janeiro de 2017 a junho 

de 2018 e sua prevalência varia de acordo com a realidade de cada país (Michel et 

al., 2010; OIE, 2016; Murai et al., 2019). Pode afetar quase todos os mamíferos, 

embora o gado seja o mais suscetível (Hamzi, 2014). 

No Brasil, estudos epidemiológicos conduzidos em 13 Unidades Federativas 

(Distrito Federal, Espírito Santo, Bahia, São Paulo, Mato Grosso do Sul, Pernambuco, 

Mato Grosso, Rio Grande do Sul, Goiás, Santa Catarina, São Paulo, Rondônia e 

Paraná), realizados entre os anos de 1999 e 2015, demonstraram que a tuberculose 

bovina se encontra distribuída de forma homogênea no país, apresentando baixas 

prevalências em rebanhos e animais (Galviset al., 2016; Bahiense et al., 2016; Silva 

et al., 2016; Veloso et al., 2016; Vendrame et al., 2016; Néspoli et al., 2016; Dias et 

al., 2016; Rocha et al., 2016; Queiroz et al., 2016; Lima et al., 2016; Guedes et al., 

2016; Ribeiro et al., 2016; Barbieri et al., 2016). Informações quanto a saúde do 

rebanho relacionadas ao risco de doença de prevalência elevada, é uma ferramenta 

importante para a implementação de um sistema de vigilância (Dias et al., 2016). 

Prever o risco da tuberculose bovina é de grande importância para produtores, 

laticínios e frigoríficos. 

A análise de dados em epidemiologia humana e animal tomou dimensões 

relevantes nas últimas décadas com a maior disponibilidade computacional e o 

desenvolvimento de softwares livres. Inúmeros modelos estatísticos de regressão têm 

sido aplicados para a identificação de fatores de risco, porém o machine learning (ML) 

é subutilizada na identificação de variáveis preditoras em estudos epidemiológicos na 

medicinaveterinária (Larios et al., 2021). Por meio das técnicas de aprendizado de 

máquina, computadores são programados para aprender com a experiência passada. 

Para isso, empregam um princípio de inferência denominado indução. Desta forma, 

algoritmos do aprendizado de máquina aprendem a induzir a função ou hipótese 

capaz de resolver um problema a partir de dados que representam observações do 

problema a ser resolvido (Faceliet al., 2011). 

Tipicamente, aprendizado de máquina usado para treinar um modelo que 

permiteseparar amostras de diferentes classes (ex: saúdavel ou doente), baseado em 



35 
 

um conjunto de preditores (ex. hábitos alimentares, diabetes), para estimação de 

variáveis relevantes/importantes para o desfecho estudado (Bispo, 2006). 

No Brasil, o uso de algoritmos em saúde animal até então era incipiente. Alguns 

estudos dentro da veterinária desenvolveram modelos preditivos para identificar a 

importânciade cada variável preditora, pois é fundamental para interpretação e seleção 

de variáveis paraaplicação do modelo (Fusaro et al., 2009; Abrahantes et al., 2009, 

Holtkamp et al., 2012, Larison et al., 2014). 

Nesse contexto, é necessário identificar de forma mais precisa as variáveis 

significativas que pudessem explicar a tuberculose no rebanho e possam se tornar um 

potencial de risco ambiental, com isso possibilitar a elaboração de estratégias de 

prevenção e controle da doença. Diante isso, objetivou-se testar os principais 

algoritmos de aprendizado de máquina e discutir as etapas que compõem uma análise 

preditiva, de tais algoritmos para predizer o risco de tuberculose em bovinos nos 

municípios do Estado de São Paulo. 

 

 
Material e métodos 

 
 

Para a realização do estudo, algoritmos do aprendizado  de  máquina 

foram utilizados em um cenário supervisionado, no qual, cada observação do 

conjunto de dados dispõe de um vetor de mensurações para os preditores xi, i = 

1, 2, ..., n, bem como para a resposta de interesse, yi. O objetivo principal 

consiste em  ajustar  um  modelo que relacione a resposta,  Y, aos preditores, X, 

a fim de predizer esse evento em observações futuras. O tipo de variável 

resposta a ser predita define dois subgrupos de aprendizado supervisionado: 

o de regressão, para  variáveisquantitativas, e o  de  classificação,  para as do 

tipo categórica (qualitativa). O ajuste de modelos preditivos, em  ambos  os 

casos, foi representado pelas seguintes etapas:divisão do  conjunto  de  dados 

em treinamento e teste, pré-processamento, aprendizado e avaliação  de 

modelos (Figura 1). 



36 
 

Conjunto de dados 

de treinamento 

Dados brutos 

A divisão da amostra em dados de treinamento e de teste foi realizada 

para verificar se o modelo apresenta boa performance não apenas em dados 

utilizados para seu ajuste (treinamento), mas também capacidade de 

generalização para novas observações (teste). No presente estudo a divisão foi 

de 75:25, foram utilizados 75% dos dados para treinamento dos algoritmos (n = 

1.743) e 25% para teste da performance preditiva dos modelos ajustados (n = 

51). O seguinte passo é realizar uma predição acurada  da  resposta  de 

interesse (no caso, Y: positivo tuberculose), apartir dos valores de um vetor de 

preditores, X, contendo informações como tipo de exploração, número de 

animais, raça bovina e as demais. O aprendizado de um problema de 

classificação consiste no particionamento do espaço dos preditores em regiões 

correspondentes às categorias da resposta de interesse. 

 

 
Figura 1. Roteiro para aplicação de algoritmos do aprendizado de máquina em 
análisepreditiva. 

 
 
 

 
 
 

 

     Pré -processamento  

 
 
 

Fonte: Adaptado Raschka e Mirjalili. 

 
 
 

A fronteira de decisão entre essas regiões, denominada classificador, 

representa o modelo preditivo estimado por determinado algoritmo. Portanto, 

nesse contexto, o objetivo do aprendizado é construir um classificador, ƒ(X), 

que faça boas predições da resposta de interesse em observações futuras 

(Izbicki e Santos, 2018). 

Desse modo, os algoritmos do aprendizado de máquina são utilizados 

com o objetivo de estimar ƒ e, portanto, de minimizar o erro redutível. Entre os 

diversos algoritmos disponíveis, alguns são pouco flexíveis (menos 

complexos), porém proporcionam uma grande facilidade de 

Conjunto de dados 

de teste 

 
Resposta Resposta 

Avaliação Predição Aprendizado 

Novos dados Modelo final 
Algoritmos de 

aprendizagem 



37 
 

interpretação,como é o caso da árvore dedecisão. 

É importante observar que modelos menos complexos podem apresentar 

melhor performance que aqueles que são mais flexíveis por estarem menos sujeitos 

ao sobreajuste (overfitting), quando o modelo gerado se torna muito especializado no 

conjunto de treinamento, obtendo baixo desempenho quando confrontado com novos 

dados, e, consequentemente, resultarem em predições mais acuradas para Y em novas 

observações, especialmente para o caso de bancos de dados pequenos, portanto o 

sobreajuste nada mais é que quando temos um baixo erro no treinamento e alto erro na 

validação, que é um problema de alta variância, maquina decora e não aprende. 

Entretanto, não há um único algoritmo capaz de apresentar boa performance em todas 

as aplicações, sendo importante comparar alguns algoritmos com características 

distintas para selecionar aquele que resulte em um modelo com performance preditiva 

satisfatória para o problema em questão. O gradiente boosting baseia-se no conceito de 

obtenção de algoritmos de classificação/regressão fortes, a partir da transformação de 

algoritmos de baixo desempenho. Assim como o algoritmo de Random Forest, ocorre 

a distribuição dos pesos às árvores individuais para, posteriormente gerar um consenso 

a partir da recombinação delas. 

Nessa abordagem, o peso de um classificador será maior quanto pior for o 

desempenho de seu antecessor, previamente ajustado ao longo do processo de 

aprendizado. Esse método funciona empregando-se a partir da aplicação sequencialdos 

classificadores a versões reponderadas do conjunto de treinamento, dando maior peso 

aos registros/observações classificados erroneamente no passo anterior e menos peso 

aos classificados corretamente. Assim, gera-se uma sequência de árvores que usam a 

informação contida no treinamento de suas antecessoras, ou seja, o algoritmo vai 

"aprendendo com o erro". 

Para a presente aplicação, foram selecionados para comparação os seguintes 

algoritmos: regressão logística, árvore de decisão, random forest e gradient boosted 

trees com implementação XGBoost (Extreme Gradiente Boosting). 

 
Pré-processamento 

 
 

Os dados originais em sua forma bruta normalmente precisam ser adequados 

aos modelos preditivos, de modo a otimizar o desempenho de tais modelos. A tais 

tarefas dá-se onome de pré-processamento dos dados. O pré-processamento está 

relacionado às seguintes etapas: transformação de variáveis quantitativas (via 

padronização); redução de dimensionalidade do conjunto de dados (exclusão 



38 
 

de preditores altamente correlacionados ou utilização de análise de 

componentes principais); exclusão de variáveis/observações com dados 

inexistentes e utilização de técnicas de imputação (média, mediana ou valor 

mais frequente para variáveis categóricas); organização de variáveis 

qualitativas, (decomposição das variáveis categóricas em um conjunto de 

variáveis indicadoras que foram utilizadas como preditores (Kuhn e Johnson, 

2013; Sakr et al., 2017; Géron, 2017). 

 

 
Aprendizado: técnicas de reamostragem para otimização de 

hiperparâmetros 

 

Os métodos do aprendizado de máquina consistem em algoritmos 

computacionais para relacionar todos ou alguns elementos de um conjunto de 

variáveis preditoras a um resultado. Para estimar o modelo, eles buscam de forma 

estocástica ou determinística o melhor ajuste. Esse processo de busca por um melhor 

ajuste de modelo aos dados difere entre os algoritmos existentes. No entanto, ao longo 

desse processo, cada algoritmo tenta equilibrar dois interesses: viés (bias) e variância. 

O viés é o ponto até o qual as previsões ajustadas pelo modelo correspondem aos 

valores verdadeiros, pode-se dizer que um modelo com alto viés não possui a 

complexidade necessária para classificar/estimar as observações corretamente. A 

variância é a sensibilidade das previsões na presença de alguma alteração nos dados 

de entrada. Rotineiramente busca-se reduzir tanto o viés quanto a variância, e esses 

dois objetivos geralmente estão em conflito, ou seja, o viés diminuindo pode ocasionar 

o aumento da variância e o contrário é verdadeiro. 

Nesse cenário, o aprendizado de modelos preditivos é composto por 

dois objetivos principais: seleção e avaliação de modelos. No primeiro caso, 

para um dado algoritmo que possua hiperparâmetros, a performance de 

diferentes modelos, baseados em variações dos valores para os 

hiperparâmetros, é avaliada para selecionar aquele que resulte em melhor 

desempenho (equilíbrio entre viés- variância). Já no segundo, após a definição 

do modelo, busca-se estimar seu erro depredição (erro de generalização) em 

novas observações, geralmente separadas no próprio banco de dados e não 

utilizadas no processo de aprendizado. 



39 
 

Aprendizado: medidas para avaliação de performance 

 
 

Uma vez estabelecido o valor de k, é preciso definir uma medida para estimar 

a performance dos modelos ajustados. Tais medidas são importantes tanto na etapa de 

seleçãoquanto na de avaliação dos modelos preditivos. Seu cálculo objetiva mensurar 

o quanto o valor predito para uma observação se aproxima de seu valor observado. 

Quando a resposta de interesse é uma variável categórica, dois tipos de predição 

podem ser obtidos: uma contínua ( ), que é uma estimativa da probabilidade de a 

nova observação pertencer a cadauma das classes, k, k = 1,2,…, k, da resposta de 

interesse, e outra categórica (por exemplo, 0: desfecho ausente e 1: desfecho 

presente), que é uma predição para o valor da resposta deuma nova observação. 

 
As predições contínuas são especialmente interessantes por 

possibilitarem a utilização do classificador (modelo ajustado) em diferentes 

cenários, a partir do estabelecimento de pontos de corte de acordo com o 

interesse do pesquisador, em termos de sensibilidade (S) e especificidade (E). 

A matriz de confusão é a matriz quadrada em  que  se  comparam  os 

verdadeiros valores de uma classificação com os valores preditos através de 

algum modelo. Sua diagonal é composta pelos acertos do modelo e os demais 

valores são os erros cometidos. O caso binário, o mais comum, é representado 

pela seguinte matriz Figura 2, em que a e d denotam casos com resposta 

corretamente predita, e b e c representam erros de classificação. Asensibilidade 

(a/(a+c)) é a proporção de verdadeiros positivos (VP) entre todos os indivíduos 

cuja resposta de interesse foi observada, e a especificidade (d /(b+d)) refere- 

se à proporção de verdadeiros negativos (VN) entre aqueles com resposta de 

interesse ausente. 

Resposta Observada 

Total 

a+b 

 
 

b+d 
 

a+c b+d 

Figura 2. Exemplo de matriz de confusão para algoritmos de classificação 

FN 

 
(c) 

VN 

 
(d) 

FP 

 
(b) 

VP 

 
(a) 

R
es

p
o

st
a 

P
re

d
it

a 



40 
 

 
 

Mineração de modelos para o risco de animais positivos utilizando Boosting 

 
 

XGBoosting (Extreme Gradiente Boosting) é um método geral para melhorar a 

precisão de qualquer algoritmo de aprendizagem proposto por Friedman (2001), cujas 

modificações estão descritas em Chen e Guestrin (2016). Foi implementado o método 

boosting para melhorar a precisão de cada algoritmo dessa aplicação, exceto a 

regressão logística, uma lista de valores candidatos para os hiperparâmetros foi 

estabelecida, e, após, utilizando validação cruzada k-fold, realizou-se a análise da 

performance preditiva de cada um desses modelos, por meio da AUC ROC, para 

selecionar aquele com melhor desempenho.Posteriormente, o modelo selecionado foi 

aplicado aos dados de teste para avaliar seu erro de predição em observações futuras, 

novamente utilizando a AUC ROC. Como a regressão logística não apresenta 

hiperparâmetros, essa foi ajustada uma única vez aos dados de treinamento, e, na 

sequência, o modelo com seus parâmetros ajustados foi avaliado nos dados de teste. 

Coleta de dados 

 
 

Utilizou-se um banco de dados obtidos por ocasião do segundo inquérito, 

realizado em2011, para conhecer a situação epidemiológica da brucelose e da 

tuberculose bovina no Estado de São Paulo. Os dados resultaram de um 

questionário e de testes de tuberculina aplicados por médicos veterinários da 

Coordenadoria de Defesa Agropecuária do Estado de São Paulo (CDA) em 

rebanhos bovinos ou bubalinos selecionados por procedimento probabilístico 

elaborado por pesquisadores que assessoram o Ministério da Agricultura, Pecuária 

e Abastecimento (MAPA) no Programa Nacional de Controle e Erradicação da 

Brucelose e Tuberculose (PNCEBT). Detalhes da amostragem podem ser obtidos em 

Dias et al. (2016). Esses dados foram disponibilizados pela CDA. 



41 
 

 
 

Questionário   epidemiológico 

 
 

Foi aplicado um questionário epidemiológico, elaborado para obter 

informações sobre o tipo de exploração e as práticas de manejo empregadas. 

Foram selecionadas 46 variáveis como potenciais preditores de tuberculose 

bovina. Os preditores foram organizados da seguinte forma: 

• Tipo de exploração (tipo_exp): animais de corte (1), animais 

de leite (2), animais leite e corte (3); 

• Tipo de criação (tipo_cria): animais mantidos em sistema 

extensivo (1), animais mantidos semi-confinados (2), animais 

confinados (3); 

• Número de ordenhas por dia (n_ordenha): não ordenha (1), 

uma ordenha por dia (2), duas ou mais ordenhas por dia (3) 

• Número de vacas (n_vacas): quantidade de vacas em 

lactação (numérica contínua); 

• Produção de leite (prod_diaria): produção diária de leite na 

fazenda (numérica contínua); 

• Inseminação artificial (inseminação): não utiliza (1), usa 

inseminação artificial e touro (2), usa apenas inseminação artificial (3); 

• Raça predominante (raca_bov): zebu (1), europeu de leite 

(2), europeu de corte (3), mestiço (4), outras raças (5); 

• Outras espécies domésticas na propriedade: 

ovin