Arrow
use cases

Modelos de previsão de diabetes

Preveja pacientes com diabetes de alto risco para intervenção precoce, reduzindo complicações e custos.

Problem

O diabetes causa altos níveis de açúcar no sangue e pode causar danos significativos aos nervos e vasos sanguíneos se não for controlado de forma eficaz. Essa condição crônica gera mais de 4.000 novos diagnósticos a cada dia nos EUA (1). Dado que as despesas médicas para pacientes diabéticos são 2,3 vezes maiores do que aqueles sem a doença (3), a carga econômica é substancial. Aproximadamente 10% da população dos EUA, ou 34 milhões de adultos, vivem com diabetes, contribuindo para sua condição de principal causa de mortalidade e aumento do risco de complicações graves de saúde. Apesar de sua prevalência, estima-se que 20% dos casos permanecem sem diagnóstico (2). Como o número de adultos com diabetes dobrou nas últimas duas décadas, a necessidade de maior conscientização e melhor gerenciamento se torna cada vez mais clara.

Why it matters

  • O diabetes causa altos níveis de açúcar no sangue e pode danificar os nervos e os vasos sanguíneos se não for controlado.
  • Nos EUA, mais de 4.000 novos diagnósticos de diabetes ocorrem diariamente, com cerca de 34 milhões de adultos vivendo com a doença.
  • As despesas médicas para pacientes diabéticos são 2,3 vezes maiores e estima-se que 20% dos casos não sejam diagnosticados.

Solution

“DiabetesPredict” é um algoritmo treinado para interpretar dados de saúde agregados, com foco em fatores clínicos, como pressão arterial e níveis de glicose. Suas avaliações orientam os esforços de saúde pública para gerenciar a prevalência do diabetes e mitigar sua carga financeira nos sistemas de saúde.

Discover more and interact with our AI!

Datasources

O conjunto de dados sintéticos usado para o modelo de IA incorpora variáveis semelhantes às relatadas pelo CDC em seu “Relatório Nacional de Estatísticas de Diabetes de 2020” (1) e considerações sobre o impacto econômico do diabetes exploradas pela Associação Americana de Diabetes (2). A estrutura e os valores do conjunto de dados têm como objetivo ressoar com as informações sobre controle e prevenção do diabetes, conforme discutido por Shrivastava et al. (3) e o papel do autocuidado no controle do diabetes. O design também é baseado em estudos que examinam a relação custo-eficácia das intervenções no diabetes (4) (5).

Citations

  1. CDC. “Relatório Nacional de Estatísticas de Diabetes, 2020.” Departamento de Saúde e Serviços Humanos dos EUA, 18 de fevereiro de 2020.
  2. Associação Americana de Diabetes. “Custos econômicos do diabetes nos EUA em 2017” Diabetes Care, vol. 41, nº 5, 22 de março de 2018, pp. 917-928. doi.org/10.2337/dci18-0007.
  3. CDC “Custo-efetividade das intervenções no diabetes”. Centros de Controle e Prevenção de Doenças, 29 de setembro de 2020, https://www.edc.gov/chronicdisease/programs-impact/pop/diabetes.htm. Acessado em 12 de fevereiro de 2021.
  4. Zhao, Xilin, et al. * Custo-efetividade das intervenções de prevenção do diabetes voltadas para indivíduos de alto risco e populações inteiras: uma revisão sistemática.” Associação Americana de Diabetes: Diabetes Care, vol. 43, nº 7, julho de 2020, pp. 1593-1616. doi.org/10.2337/dci20-0018.
  5. Shrivastava, Saurabh e outros. “Papel do autocuidado no tratamento do diabetes mellitus”. Journal of Diabetes 8 Metabolic Disorders, vol. 12, nº 1, 2013, p. 14, 10.1186/2251-6581-12-14.

Agende uma consulta gratuita

Com a confiança das principais instituições de saúde do mundo