árvore de regress?o e classifica??o na predi??o do risco de resultados negativos para infec??o por tuberculose em profissionais de saúde no Brasil: um estudo transversal

摘要

Objetivos: Desenvolver um modelo preditivo para identificar profissionais de saúde com maior probabilidade de resultado negativo para dois testes de diagnóstico da infec??o latente por Mycobacterium tuberculosis (ILTB). Métodos: Foi realizada uma análise secundária dos resultados publicados anteriormente de 708 profissionais de saúde da aten??o primária, de cinco capitais brasileiras, submetidos à prova tuberculínica e ao Quantiferon?-TB Gold in-tube. Um modelo preditivo com árvore de classifica??o e regress?o (CART, Classification and regression tree) foi construído. A avalia??o do desempenho foi realizada por meio da análise receiver operating characteristics (ROC) e area under the curve (AUC). Utilizamos o mesmo banco de dados para valida??o cruzada do modelo. Resultados: Entre os 708 profissionais de saúde, 247 (34,9%) apresentaram resultado negativo para os testes. A CART identificou que os médicos e agentes comunitários de saúde apresentaram duas vezes mais chances de n?o estarem infectados (probabilidade = 0,60) que os enfermeiros e técnicos/auxiliares de enfermagem (probabilidade = 0,28) nos casos com menos de 5,5 anos de atua??o na aten??o primária. Na valida??o cruzada, a acurácia do modelo preditivo foi de 68% [intervalo de confian?a de 95% (IC95%) 65 – 71)], AUC de 62% (IC95% 58 – 66), especificidade de 78% (IC95% 74 – 81) e sensibilidade de 44% (IC95% 38 – 50). Conclus?o: Apesar do baixo poder preditivo do modelo, a CART permitiu identificar subgrupos com maior probabilidade de terem ambos os testes negativos. A inclus?o de novas informa??es relacionadas ao risco de ILTB pode contribuir para a constru??o de um modelo com maior poder preditivo utilizando a mesma técnica.