.png){kind=logo}
Detecte o risco de DRC a partir de variáveis clínicas e priorize os pacientes para melhorar o atendimento e reduzir os custos.
A doença renal crônica (DRC) afeta aproximadamente 37 milhões de adultos nos EUA, e estima-se que outro grupo de 20 a 25 milhões esteja em risco de desenvolvê-la (1). Apesar das graves consequências para a saúde e dos altos custos, principalmente em estágios avançados, onde podem aumentar em cinco vezes (2), a doença geralmente passa despercebida; 9 em cada 10 adultos com DRC desconhecem sua condição (1). Além disso, entre aqueles que também têm diabetes, 25% progridem rapidamente para um estágio grave em dois anos (1). Enquanto isso, 660.000 pessoas enfrentam insuficiência renal total (3), destacando ainda mais a importância da detecção precoce e de estratégias eficazes de manejo (4).
Modelos de triagem de baixo custo: Previna a progressão da DRC a ponto de exigir terapias renais substitutivas implementando métodos de detecção precoce.
Classificação do paciente: Facilite a classificação dos pacientes dentro das vias de atendimento para garantir um monitoramento rigoroso, alinhando-se às metas de contas de alto custo [3].
O conjunto de dados sintéticos do modelo inclui variáveis de saúde, como níveis de glicose no sangue, leituras de pressão arterial, idade e outros indicadores-chave da saúde renal. Estudos do USRDS (1) e do NIH NIDDK (3) ajudaram a moldar as variáveis usadas no modelo para refletir cenários clínicos do mundo real, melhorando sua confiabilidade preditiva para DRC.
A doença renal crônica (DRC) afeta aproximadamente 37 milhões de adultos nos EUA, e estima-se que outro grupo de 20 a 25 milhões esteja em risco de desenvolvê-la (1). Apesar das graves consequências para a saúde e dos altos custos, principalmente em estágios avançados, onde podem aumentar em cinco vezes (2), a doença geralmente passa despercebida; 9 em cada 10 adultos com DRC desconhecem sua condição (1). Além disso, entre aqueles que também têm diabetes, 25% progridem rapidamente para um estágio grave em dois anos (1). Enquanto isso, 660.000 pessoas enfrentam insuficiência renal total (3), destacando ainda mais a importância da detecção precoce e de estratégias eficazes de manejo (4).
Modelos de triagem de baixo custo: Previna a progressão da DRC a ponto de exigir terapias renais substitutivas implementando métodos de detecção precoce.
Classificação do paciente: Facilite a classificação dos pacientes dentro das vias de atendimento para garantir um monitoramento rigoroso, alinhando-se às metas de contas de alto custo [3].
Carga econômica e social: A DRC é responsável por 5,8% das mortes e 3,5% dos anos de vida ajustados por incapacidade [4].
Os países de alta renda alocam mais de 2 a 3% de seus orçamentos anuais de saúde para tratar a doença renal em estágio terminal [5].
- Early interventions reduce advanced CKD cases,lowering costs and improving patient outcomes.
- AI tools for CKD riskassessment can streamline early detection, helping redistribute healthcareresources efficiently.
O conjunto de dados sintéticos do modelo inclui variáveis de saúde, como níveis de glicose no sangue, leituras de pressão arterial, idade e outros indicadores-chave da saúde renal. Estudos do USRDS (1) e do NIH NIDDK (3) ajudaram a moldar as variáveis usadas no modelo para refletir cenários clínicos do mundo real, melhorando sua confiabilidade preditiva para DRC.
