Perfis de risco cardiometabólico e a relação entre atividade física, circunferência abdominal, ldl e tempo de tela em trabalhadores da saúde

O risco cardiometabólico refere-se à probabilidade de um indivíduo desenvolver doenças cardiovasculares e metabólicas. Estudos demonstram que a avaliação precisa dos fatores de risco e a utilização de machine learning podem propor um olhar preventivo para a incidência de eventos cardiometabólicos e melhorar a qualidade de vida dos pacientes. Objetivo: Aplicar algoritmos de clusterização para definir perfis de risco cardiometabólico e a relação entre atividade física, circunferência abdominal, LDL e tempo de tela em trabalhadores da saúde. Metodologia: A amostra foi composta a partir de dados de 560 registros de trabalhadores de um Hospital Escola do Sul do Brasil. Nesta pesquisa foi utilizada a técnica de validação cruzada k-fold, uma técnica comumente utilizada em machine learning. Essa técnica divide aleatoriamente a base de treinamento em k partes de tamanhos aproximadamente iguais, onde k-1 partes formam o conjunto de treinamento e a parte restante forma o conjunto de testes. O algoritmo para a efetivação dos clusters foi o k-means. As análises foram realizadas no Python versão 3.10.2. Resultado: O uso de agrupamento de fatores de risco cardiometabólicos identificou alta proporção de trabalhadores com presença de alterações cardiometabólicas relevantes. O cluster 2 (alto risco) demonstra um grupo de sujeitos que se aglutinaram por terem circunferência abdominal elevada, serem pouco ativos, possuírem elevado tempo de tela e valores elevados de LDL. O cluster 1 (baixo risco) representa 46,5% da amostra, com sujeitos com valores de LDL mais baixo, em sua maioria inativos fisicamente, baixo tempo de tela e valores elevados de circunferência abdominal. Apesar de serem um grupo com menor risco de desenvolvimento de doenças, 38% destes já foram diagnosticados com doença cardiometabólica.

Acessar