Determinantes e predição de parto cesáreo utilizando técnicas de aprendizado de máquina

Resumen

As evidências de que a realização de partos cesáreos é mundialmente pautada por fatores socioeconômicos e de que essa prática pode aumentar os riscos para a saúde materna e infantil impõem uma discussão global sobre a utilização adequada das cesarianas. Este trabalho se propõe a contribuir com essa discussão com a busca pelos fatores mais importantes na determinação de parto cesáreo nos Estados Unidos em 2019 e com o desenvolvimento de modelos de predição de tipo de parto para o pré-natal. Foram testadas as performances preditivas dos algoritmos Random Forest e k-Nearest Neighbors em subconjuntos dos dados do National Center for Health Statistics. Os determinantes de parto cesáreo foram estudados com o uso de regressão logística a partir de variáveis selecionadas pela Random Forest. A análise dos resultados mostrou, por exemplo, que a intervenção de aumento do parto, a apresentação cefálica do feto, a quantidade de partos anteriores de nascidos vivos e a assistência de enfermeira ou obstetriz reduzem a probabilidade de parto cesáreo; enquanto que as faixas de idade mais altas da mãe (a partir de 35 anos), o parto gemelar, a obesidade da puérpera e a existência de cesáreas prévias aumentam a chance de o parto ser uma cesariana. Os resultados obtidos vão de encontro com os estudos existentes na literatura para o caso americano. Dentre as principais contribuições do presente trabalho à literatura está o enfoque econômico, pautando as técnicas e algoritmos de aprendizado de máquina em prol da discussão global sobre a utilização adequada de cesarianas.