@PHDTHESIS{ 2023:1566932499,
 	title = {ESCORE DE RISCO DE INJÚRIA RENAL AGUDA APÓS TRANSPLANTE  HEPÁTICO POR APLICAÇÃO DE REDE NEURAL ARTIFICIAL},
 	year = {2023},
 	url = "https://tede.unioeste.br/handle/tede/7111",
 	abstract = "Introdução: A etiologia multifatorial da injúria renal aguda (IRA) após 
 transplante hepático (TH) torna complexa a previsão de qual candidato ao 
 procedimento apresenta risco aumentado dessa complicação, mas o impacto 
 significativo da IRA no prognóstico desses pacientes transplantados destaca a 
 necessidade da construção de um modelo preditivo validado e aplicável na 
 prática clínica, para a ocorrência dessa complicação. Objetivo: Desenvolver 
 um novo escore de risco de ocorrência de injúria renal aguda (IRA) após 
 transplante hepático por aplicação de um modelo de rede neural artificial. 
 Metodologia: Foram coletadas as informações de cento e quarenta e cinco 
 pacientes submetidos a transplante hepático com doador falecido, abrangendo 
 dados demográficos e comorbidades do receptor, características clínicas do 
 doador e do enxerto, informacões intraoperatórias e exames laboratoriais. O 
 desfecho primário foi IRA pós-operatória de acordo com os critérios do 
 International Club of Ascites. Por regressão logística, identificaram-se os 
 preditores, os quais foram incorporados ao algoritmo de rede neural artificial; 
 assim, o desempenho preditivo dos modelos de rede neural e regressão 
 logística foram testados. Foi desenvolvido um sistema de pontuação baseado 
 nos valores do coeficiente β das variáveis preditoras; dessa forma, um escore 
 prognóstico final foi determinado e categorizado em grupos de risco no modelo 
 de rede neural artificial. Resultados: A incidência de IRA foi de 60,6% (n = 88 / 
 145) e foram identificados por regressão logística os seguintes preditores de 
 IRA: escore MELD ≥ 25, disfunção renal prévia, enxertos de doadores com 
 critérios expandidos, hipotensão arterial intraoperatória, transfusão maciça de 
 hemoderivados e lactato sérico ao fim do transplante ≥ 2 mmol/l. Essas seis 
 variáveis independentes foram incorporadas ao modelo de rede neural artificial, 
 que apresentou melhor desempenho preditivo que o modelo de regressão 
 logística tradicional (área sob a curva ROC = 0,81 e 0,71, respectivamente). 
 Houve concordância satisfatória no modelo de rede neural entre as previsões e 
 as observações reais dos eventos de IRA (HLχ2
  de 5,57, p = 0,612). As seis 
 variáveis preditoras receberam pontos ponderados para a construção do 
 escore de risco; assim, de acordo com o modelo de rede neural artificial, os 
 valores de corte para estratificação do risco de IRA foram: 0 a 6 (baixo), 7 a 15 
 (moderado) e 16 a 22 (alto), com diferença significativa entre as incidências e 
 graus de IRA entre os grupos de risco. Conclusões: O presente escore 
 desenvolvido por aplicação de rede neural artificial é um novo instrumento para 
 identificar receptores em risco de IRA pós-transplante hepático, sendo que 
 essa pontuação está prontamente disponível ao final do procedimento, a qual 
 efetiva-se como uma ferramenta de decisão para medidas profiláticas ou 
 terapêuticas precoces de IRA pós-operatória.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Biociências e Saúde},
 	note = {Centro de Ciências Biológicas e da Saúde}
}