avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · marcelo...

205
MAGALY MARÇULA Avaliação prognóstica em pacientes com insuficiência cardíaca com o emprego de redes neurais artificiais Tese apresentada à Faculdade de Medicina da Universidade de São Paulo para obtenção do título de Doutor em Ciências Programa de Cardiologia Orientador Prof. Dr. Alfredo Jose Mansur São Paulo 2018

Upload: others

Post on 21-Mar-2021

1 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao

MAGALY MARCcedilULA

Avaliaccedilatildeo prognoacutestica em pacientes com insuficiecircncia

cardiacuteaca com o emprego de redes neurais artificiais

Tese apresentada agrave Faculdade de Medicina da

Universidade de Satildeo Paulo para obtenccedilatildeo do

tiacutetulo de Doutor em Ciecircncias

Programa de Cardiologia

Orientador Prof Dr Alfredo Jose Mansur

Satildeo Paulo

2018

Dedicatoacuteria

Dedicatoacuteria

Agrave minha irmatilde Adriana e ao meu irmatildeo Arnaldo

gratidatildeo e reconhecimento que excelem a fraternidade

Agradecimentos

Agradecimentos

Ao Prof Dr Antonio Carlos Pereira Barretto que nos iniciou para a

investigaccedilatildeo cliacutenica de modo inspirador estimulando-nos incessantemente no

desenvolvimento do presente trabalho

Agrave Comissatildeo de Poacutes-Graduaccedilatildeo da Disciplina de Cardiologia que

amparou a iniciativa para a conclusatildeo de um trabalho desenvolvido no decorrer

de pelo menos treze anos ora apresentado na forma de tese

Ao orientador Prof Dr Alfredo Joseacute Mansur pela orientaccedilatildeo nas

diferentes etapas do trabalho e nas produtivas interaccedilotildees interdisciplinares no

decorrer da investigaccedilatildeo

Ao Centro de Estatiacutestica Aplicada do Instituto de Matemaacutetica e

Estatiacutestica da Universidade de Satildeo Paulo nas pessoas do Prof Dr Antonio

Carlos Pedroso de Lima Profa Dra Lucia Pereira Barroso Profa Dra Gisela

Tunes da Silva pelo conviacutevio competente dedicado e edificante durante todas

as etapas deste trabalho Agradecimento especial ao Dr Tiago Mendonccedila dos

Santos pelo auxiacutelio no cocircmputo da funccedilatildeo de perda

Agrave Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) nas

pessoas da Dra Bernadette Cunha Waldvogel Monica La Porte Teixeira e

Lilian Cristina Correia Morais pelo inestimaacutevel auxiacutelio no estudo de sobrevida

Agrave empresa Arion Tecnologia Ltda na pessoa de seu Diretor de

Pesquisa e Desenvolvimento Arnaldo Marccedilula Jr e da Diretora Administrativa

Adriana Marccedilula mestre em Fiacutesico-quiacutemica pelo Instituto de Quiacutemica da

Universidade de Satildeo Paulo pelo apoio logiacutestico e liberaccedilatildeo de horas de

trabalho dedicadas agrave presente pesquisa

Ao Prof Dr Marco Antonio Gutierrez Diretor da Divisatildeo de Informaacutetica

do Instituto do Coraccedilatildeo pelas contribuiccedilotildees metodoloacutegicas que auxiliaram a

consolidar a aplicaccedilatildeo da rede neural

Agradecimentos

Aos meacutedicos da Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo do HC FMUSP pelo conviacutevio em ambiente cientificamente

estimulante voltado para o cultivo das dimensotildees de ensino e pesquisa a partir

da responsabilidade institucional de assistecircncia aos pacientes

Agrave biomeacutedica Sra Marcia Nunes Figueira e ao engenheiro eletroteacutecnico

Marcelo Marccedilula pela revisatildeo e ediccedilatildeo dos graacuteficos apresentados neste

trabalho

Ao Serviccedilo de Arquivo Meacutedico e Estatiacutestico na pessoa do Sr Wallace

Fernandes colegas e colaboradores pelo dedicado e competente auxiacutelio na

consulta a dados de arquivo

Agrave Secretaria da Comissatildeo de Poacutes-Graduaccedilatildeo na pessoa da Sra Neusa

Rodrigues Dini e sua equipe de assessoras pelo empenho receptivo nos

encaminhamentos necessaacuterios a um projeto desta natureza

Agrave Profa Marise Cukier pela revisatildeo e correccedilatildeo gramatical deste

trabalho

Agrave Sra Sandra Miranda Souza assistente administrativa da Unidade

Cliacutenica de Ambulatoacuterio Geral do Instituto do Coraccedilatildeo do HC FMUSP pela

devotada eficiente e cordial contribuiccedilatildeo cotidiana durante o desenvolvimento

do trabalho

Epiacutegrafe

Epiacutegrafe

Πάντες ἄνθρωποι τοῦ εἰδέναι ὀρέγονται φύσει

Todos os homens aspiram por natureza ao conhecimento

(Aristoacuteteles Metafiacutesica)

Alles Interesse meiner Vernunft (das spekulative sowohl als das praktische) vereinigt sich in folgenden drei Fragen

1 Was kann ich wissen 2 Was soll ich tun 3 Was darf ich hoffen

Todo o interesse da minha razatildeo (tanto especulativa como praacutetica) concentra-se nas seguintes trecircs interrogaccedilotildees

1 Que posso saber 2 Que devo fazer 3 Que me eacute permitido esperar (Emanuel Kant Criacutetica da Razatildeo Pura)

This warp seemed necessity and here thought I with my own hand I ply my own shuttle and weave my own destiny into these unalterable threads

A urdidura parecia a Necessidade e aqui pensei com as minhas proacuteprias matildeos guio a lanccediladeira e teccedilo meu proacuteprio destino nestes fios inalteraacuteveis

(Herman Melville Moby Dick)

Normatizaccedilatildeo adotada

Normatizaccedilatildeo adotada

Esta tese estaacute de acordo com as seguintes normas em vigor no momento de sua publicaccedilatildeo Referecircncias adaptado de International Committee of Medical Journals Editors (Vancouver) Universidade de Satildeo Paulo Faculdade de Medicina Divisatildeo de Biblioteca e Documentaccedilatildeo Guia de apresentaccedilatildeo de dissertaccedilotildees teses e monografias Elaborado por Anneliese Carneiro da Cunha Maria Julia de ALFreddi Maria FCrestana Marinalva de Souza Aragatildeo Suely Campos Cardoso Valeacuteria Vilhena 3ordf ed Satildeo Paulo Divisatildeo de Biblioteca e Documentaccedilatildeo 2011 Abreviatura dos tiacutetulos e perioacutedicos de acordo com List of Journals Indexed in Index Medicus

Sumaacuterio

Sumaacuterio

Lista de figuras

Lista de tabelas

Resumo

Abstract

1 INTRODUCcedilAtildeO 1

2 OBJETIVO 7

21 Objetivos primaacuterios 8

22 Objetivos secundaacuterios 8

3 MEacuteTODOS 9

31 Delineamento do estudo 10

32 Avaliaccedilatildeo cliacutenica 10

33 Criteacuterios diagnoacutesticos 11

34 Criteacuterios de inclusatildeo 11

35 Criteacuterios de exclusatildeo 12

36 Casuiacutestica 12

37 Variaacuteveis estudadas 12

371 Demograacuteficas 12

372 Cliacutenicas 13

373 Eletrocardiograacuteficas 13

374 Ecocardiograacuteficas 13

375 Laboratoriais 13

376 Medicamentos em uso na consulta inicial 14

38 Mortalidade 14

39 Anaacutelise dos dados 14

391 Anaacutelise estatiacutestica 15

3911 Anaacutelise descritiva e exploratoacuteria 15

3912 Anaacutelise inferencial 15

392 Rede neural 16

3921 Escolha da arquitetura da rede neural 17

3922 Aprendizado-treinamento da rede neural 19

3923 Avaliaccedilatildeo dos melhores modelos de rede neural 21

310 Aspectos eacuteticos 22

4 RESULTADOS 23

41 Anaacutelise estatiacutestica 24

411 Anaacutelise descritiva e exploratoacuteria 24

412 Anaacutelise inferencial 27

42 Rede neural 29

Sumaacuterio

421 Escolha da arquitetura da rede neural 29

422 Aprendizado-treinamento da rede neural 29

4221 Amostragem aleatoacuteria 30

4222 Fases do estudo da casuiacutestica 30

42221 Primeira fase ndash aprendizado-treinamento da rede neural 30

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar a sobrevida 33

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede neural 33

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural 35

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede neural 37

43 Avaliaccedilatildeo dos melhores modelos da rede neural 39

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo valor preditivo negativo da rede neural 39

432 Funccedilatildeo de perda da rede neural 40

5 DISCUSSAtildeO 42

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes 43

511 Casuiacutestica 43

512 Idade 44

513 Sexo 44

514 Antecedentes 45

515 Etiologia 45

516 Iacutendice de massa corpoacuterea 46

517 Frequecircncia cardiacuteaca 46

518 Pressatildeo arterial sistoacutelica e diastoacutelica 46

519 Classe funcional 47

5110 Tempo decorrido ateacute o desfecho 47

5111 Variaacuteveis ecocardiograacuteficas 48

5112 Variaacuteveis laboratoriais 49

5113 Medicamentos em uso 50

5114 Mortalidade 51

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica 51

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede neural 56

Sumaacuterio

531 Amostras aleatoacuterias 56

532 Data do iniacutecio dos sintomas 57

533 Tempos de evoluccedilatildeo 58

534 Variaacuteveis faltantes 60

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em geral 60

536 Funccedilotildees de transferecircncia 61

537 Treinamento excessivo (overfitting) 61

538 Estudo em cinco fases 62

54 Avaliaccedilatildeo dos melhores modelos de rede neural 62

541 Sensibilidade especificidade valor preditivo positivo e valor preditivo negativo 62

542 Funccedilatildeo de perda 64

543 Sensibilidade e especificidade versus funccedilatildeo de perda 65

55 Implicaccedilotildees cliacutenicas 65

56 Limitaccedilotildees do estudo 66

6 CONCLUSOcircES 67

7 ANEXOS 69

8 REFEREcircNCIAS BIBLIOGRAacuteFICAS 153

Listas

Lista de figuras

Figura 1 Representaccedilatildeo esquemaacutetica do delineamento do estudo 70

Figura 2 Arquitetura da rede neural perceptron muacuteltiplas camadas 71

Figura 2a Representaccedilatildeo do modelo natildeo linear de um neurocircnio

artificial 72

Figura 2b Ilustraccedilatildeo das direccedilotildees de propagaccedilatildeo do sinal e do erro da

informaccedilatildeo 73

Figura 3 Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da

funccedilatildeo zero based log sigmoid 74

Figura 4 Representaccedilatildeo esquemaacutetica das fases da rede neural 74

Figura 5 Probabilidade de sobrevida estimada (Kaplan-Meier)

geral 75

Figura 6 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etiologia da insuficiecircncia cardiacuteaca 76

Figura 7 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave idade 77

Figura 8 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao sexo 78

Figura 9 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etnia 79

Figura 10 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao peso 80

Figura 11 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave altura 81

Figura 12 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iacutendice de massa corpoacuterea 82

Figura 13 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial sistoacutelica 83

Figura 14 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial diastoacutelica 84

Figura 15 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave classe funcional 85

Figura 16 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

agrave frequecircncia cardiacuteaca 86

Figura 17 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iniacutecio dos sintomas 87

Figura 18 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de hipertensatildeo arterial 88

Figura 19 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de tabagismo 89

Figura 20 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de diabetes 90

Figura 21 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de etilismo 91

Figura 22 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro do aacutetrio esquerdo no ecocardiograma 92

Figura 23 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma 93

Figura 24 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma 94

Figura 25 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no ecocardiograma 95

Figura 26 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica do septo interventricular no

ecocardiograma 96

Figura 27 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica da parede posterior do ventriacuteculo

esquerdo no ecocardiograma 97

Figura 28 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao ritmo cardiacuteaco 98

Figura 29 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto a

taxa de hemoglobina 99

Figura 30 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

glicemia de jejum 100

Lista de figuras

Figura 31 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de creatinina seacuterica 101

Figura 32 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de soacutedio seacuterico 102

Figura 33 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de potaacutessio seacuterico 103

Figura 34 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de colesterol total 104

Figura 35 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de HDL- colesterol 105

Figura 36 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de LDL-colesterol 106

Figura 37 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de trigliceacuterides 107

Figura 38 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de leucoacutecitos 108

Figura 39 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de linfoacutecitos 109

Figura 40 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso dos inibidores da enzima conversora da angiotensina

e bloqueadores dos receptores da angiotensina II 110

Figura 41 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueadores adreneacutergicos 111

Figura 42 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de diureacuteticos 112

Figura 43 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de espironolactona 113

Figura 44 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de digoxina 114

Figura 45 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de antiagregante plaquetaacuterio

115

Figura 46 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

ao uso de anticoagulante 116

Figura 47 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de sinvastatina 117

Figura 48 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de vasodilatador direto 118

Figura 49 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueador do canal de caacutelcio 119

Figura 50 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de amiodarona 120

Figura 51 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao nuacutemero de medicamentos em uso 121

Lista de tabelas

Tabela 1 Caracteriacutesticas demograacuteficas e cliacutenicas dos pacienteshelliphelliphellip 122

Tabela 2 Variaacuteveis estudadas quanto agrave probabilidade de sobrevida

(etapa 1) 129

Tabela 3 Uso de tratamento medicamentosohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 130

Tabela 4 Nuacutemero de medicamentos em uso 131

Tabela 5 Variaacuteveis retiradas do modelo de Cox (etapa 2)helliphelliphelliphelliphelliphellip 131

Tabela 6 Reavaliaccedilatildeo das variaacuteveis excluiacutedas da etapa 2 do modelo

de Cox (etapa 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 7 Variaacuteveis do modelo final de Cox selecionadas para a rede

neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 8 Valores de referecircncia para as variaacuteveis com dados faltantes 133

Tabela 9 Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1) 134

Tabela 91 Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1) 135

Tabela 10 Comparaccedilatildeo das redes neurais categorizadas pelo tempo de

sobrevida observado seleccedilatildeo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 136

Tabela 11 Modelos de redes neurais para previsatildeo da sobrevida dos

pacientes vivos ateacute 2012 (fase 2)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 137

Tabela 12 Modelos de redes neurais comparaacuteveis erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)helliphelliphellip 138

Tabela 13 Modelo de rede neural 13 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 139

Tabela 14 Modelo de rede neural 20 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 140

Tabela 15 Modelo de rede neural 22 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 141

Tabela 16 Modelo de rede neural 24 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 142

Tabela 17 Modelo de rede neural 26 individual e comparaacutevel erro

Lista de tabelas

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip

143

Tabela 18 Reensaio da rede neural com pacientes que vieram a falecer

em 2013 (reensaio 1) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 145

Tabela 19 Reensaio da rede neural com pacientes que vieram a falecer

em 2014 (reensaio 2) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 146

Tabela 20 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 147

Tabela 21 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 148

Tabela 22 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 149

Tabela 23 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 150

Tabela 24 Sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 151

Tabela 25 Avaliaccedilatildeo dos melhores modelos de rede neural com o

emprego da funccedilatildeo de perdahelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 152

Resumo

Resumo

Marccedilula M Avaliaccedilatildeo prognoacutestica em pacientes com insuficiecircncia

cardiacuteaca com o emprego de redes neurais artificiais [tese] Satildeo Paulo

Faculdade de Medicina Universidade de Satildeo Paulo 2018

Fundamentos ndash Identificar pacientes ambulatoriais que necessitam de

recursos terciaacuterios de hospital de referecircncia voltado para a praacutetica cardioloacutegica

eacute inerente agrave responsabilidade assistencial Compete reconhecer pacientes sob

maior risco de prognoacutestico desfavoraacutevel o que pode ser feito pelo emprego de

meacutetodos estatiacutesticos tradicionais Com o mesmo fito as redes neurais tecircm sido

objeto de interesse Formulamos a hipoacutetese de que as redes neurais

alimentadas a partir de variaacuteveis selecionadas com o emprego de estatiacutestica

tradicional pudessem contribuir para a avaliaccedilatildeo prognoacutestica de pacientes com

insuficiecircncia cardiacuteaca

Objetivos ndash Avaliar o prognoacutestico de pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca com o emprego de meacutetodos da estatiacutestica de

sobrevivecircncia associada com a rede neural artificial

Delineamento ndash Estudo de coorte retrospectiva a partir de dados assistenciais

de pacientes que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

identificaccedilatildeo das variaacuteveis associadas ao prognoacutestico com o emprego da

estatiacutestica tradicional e alimentaccedilatildeo da rede neural perceptron de muacuteltiplas

camadas (Neuro XL Predictor - OLSOFT Software Development) com essas

variaacuteveis

Local ndash Ambulatoacuterio cardioloacutegico com alto volume de atendimentos voltado

para pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital acadecircmico de

referecircncia terciaacuterio

Participantes ndash 2128 pacientes consecutivos que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca de 2 de julho de 2003 a 2 de julho de 2007

Desfecho ndash oacutebito por qualquer causa

Anaacutelise de dados ndash Agrave anaacutelise descritiva e exploratoacuteria seguiu-se a avaliaccedilatildeo

da probabilidade de sobrevida pelo meacutetodo de Kaplan Meier seguida de

anaacutelise inferencial com o emprego do teste de log-rank e do modelo de riscos

proporcionais de Cox Identificadas as variaacuteveis associadas ao prognoacutestico de

sobrevida foi desenvolvida a rede neural nas diferentes fases de aprendizado-

Resumo

treinamento e com o recurso do algoritmo de treinamento backpropagation A

rede neural foi desenvolvida em cinco fases fase 1 ndash aprendizado-treinamento

(n=968 oacutebitos com informaccedilatildeo completa) fase 2 ndash avaliaccedilatildeo e aplicaccedilatildeo

(pacientes vivos ateacute 2012) fase 3 ndash comparaccedilatildeo da previsatildeo de sobrevida com

o emprego rede ( pacientes vivos ateacute 2012) com a sobrevida observada fase 4

ndash reensaios para aprendizados com novos desfechos (oacutebitos em 2013 e 2014)

fase 5 ndash avaliaccedilatildeo do aprendizado da rede na fase 4 (pacientes vivos e

falecidos)

A acuraacutecia a sensibilidade a especificidade o valor preditivo positivo e o valor

preditivo negativo dos melhores modelos na previsatildeo da sobrevida obtidas com

a rede neural foram avaliados considerando as duas funccedilotildees de ativaccedilatildeo

(tangente hiperboacutelica e zero-based log sigmoid) Para tanto foi preciso

determinar intervalos de corte definidos por criteacuterio cliacutenico de razoabilidade de

expectativa do tempo de sobrevida e acerto calculado pela rede A estimativa

da previsibilidade e do erro tambeacutem foi avaliada com o emprego da funccedilatildeo de

perda

Resultados ndash A anaacutelise estatiacutestica (n=2128 pacientes) revelou as seguintes

variaacuteveis associadas ao prognoacutestico idade (plt0001) iacutendice de massa

corpoacuterea (plt0001) pressatildeo arterial diastoacutelica (plt0001) etiologia da

insuficiecircncia cardiacuteaca (plt0001) classe funcional (plt0001) espessura do

septo interventricular (p=0037) diacircmetro diastoacutelico do ventriacuteculo esquerdo

(plt0001) diacircmetro do aacutetrio esquerdo (p=0025) potaacutessio seacuterico (p=0015)

colesterol total (plt0001) creatinina (plt0001) e a presenccedila de diabetes melito

(p=0034)

Os modelos de redes neurais com melhor previsibilidade foram obtidos pela

categorizaccedilatildeo do tempo de sobrevida inferior a 2 anos entre 2 anos e 6 anos

e superior a 6 anos

Nos pacientes com tempo de sobrevida observado superior a 6 anos a partir

da consulta inicial com intervalo de corte de 3 anos a estimativa feita com o

emprego da rede neural demonstrou sensibilidade 930 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade 764 ou 775 (dependendo da funccedilatildeo

de ativaccedilatildeo) valor preditivo negativo 974 (com ambas as funccedilotildees de

Resumo

ativaccedilatildeo) e valor preditivo positivo 536 ou 547 (dependendo da funccedilatildeo de

ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de 2 anos

obtivemos sensibilidade 898 (com ambas as funccedilotildees de ativaccedilatildeo)

especificidade 725 ou 765 valor preditivo positivo 863 ou 880 e valor

preditivo negativo 787 ou 796 (dependendo da funccedilatildeo de ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado inferior a 2 anos a partir da

data do iniacutecio dos sintomas com intervalo de corte de 1 ano a estimativa com

o emprego da rede neural demonstrou sensibilidade 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade de 625 ou 667 (dependendo da

funccedilatildeo de ativaccedilatildeo) valor preditivo positivo 820 ou 837 (dependendo da

funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo 714 ou 727 (dependendo da

funccedilatildeo de ativaccedilatildeo)

O erro da previsatildeo de sobrevida com o emprego da rede neural estimado com

o auxiacutelio da funccedilatildeo de perda variou de 44 meses ateacute 11 anos

Conclusotildees - O emprego da rede neural alimentada por variaacuteveis

selecionadas com o emprego de estatiacutestica de sobrevivecircncia tradicional pode

ser meacutetodo profiacutecuo na avaliaccedilatildeo prognoacutestica de pacientes com insuficiecircncia

cardiacuteaca

A previsibilidade de estimativa de sobrevida alcanccedilada com o uso de rede

neural foi menor nos pacientes com quadros cliacutenicos de menor tempo de

evoluccedilatildeo comparativamente aos pacientes com maior tempo de evoluccedilatildeo no

primeiro caso permitiria sugerir quadros mais instaacuteveis em relaccedilatildeo aos casos

mais estaacuteveis isto eacute aqueles com tempo de evoluccedilatildeo maior

Descritores insuficiecircncia cardiacuteaca cardiomiopatia assistecircncia ambulatorial

anaacutelise de sobrevivecircncia rede neural prognoacutestico

Abstract

Abstract

Marccedilula M Prognostic evaluation of patients with heart failure with the use

of artificial neural networks [thesis] Satildeo Paulo ldquoFaculdade de Medicina

Universidade de Satildeo Paulordquo 2018

Background ndash Identifying outpatients who need tertiary resources of a referral

cardiology hospital includes recognizing those at higher risk of unfavorable

prognosis Studies aimed at this objective may be accomplished with traditional

statistics Neural networks have been studied as a promising tool in the

assessment of patientsacute prognosis We hypothesized that the neural networks

developed with variables selected through traditional statistics might contribute

to the prognostic evaluation of patients with heart failure

Objectives ndash To evaluate the prognosis of patients with heart failure using

methods of survival statistics combined with the resources of artificial neural

networks

Design ndash Retrospective cohort study from a database of patients previously

diagnosed with heart failure identification of variables associated with

prognosis using traditional statistics development of a neural network

perceptron of multiple layers (Neuro XL Predictor - OLSOFT Software

Development) with these variables

Setting ndash outpatient clinic from an academic tertiary cardiology center

Participants ndash 2128 consecutive patients who received the diagnosis of heart

failure between July 2 2003 and July 2 2007

Outcomes ndash death for any cause

Data analysis ndash Statistical evaluation was performed for descriptive and

exploratory analysis and was followed by Kaplan Meier survival probability and

inferential analysis using the log-rank test and the Cox proportional hazards

model to identify the variables associated with prognosis Variables thus

selected were then input for the neural network in the different stages of

learning-training with the backpropagation algorithm The neural network was

developed in 5 phases phase 1 - learning training (n = 968 deaths with

complete information) phase 2 - evaluation and application (patients alive until

2012) phase 3 - comparison of the predicted versus the observed survival

Abstract

using the network (patients alive until 2012) phase 4 - re-tests for learning with

new outcomes (deaths in 2013 and 2014) phase 5 - assessment of network

learning in phase 4 (living and deceased patients)

The accuracy sensitivity specificity positive predictive value and negative

predictive value of the best models in the prediction of survival obtained with the

neural network were evaluated taking into account the two activation functions

(hyperbolic tangent and zero-based log sigmoid) and the cut-off intervals

defined by clinical criteria of reasonableness of expected survival time and the

estimated estimate by the network The estimation of predictability and error

was also evaluated using the loss function

Results ndash Statistical analysis (n = 2128 patients) revealed the following

variables associated with prognosis age (p lt0001) body mass index (p

lt0001) diastolic blood pressure (p lt0001) heart failure etiology (P lt0001)

functional class (p lt0001) interventricular septum thickness (p = 0037) left

ventricular diastolic diameter (p lt0001) left atrial diameter (p = 0025) serum

potassium level total cholesterol (p lt0001) serum creatinine level (p lt0001)

and the presence of diabetes mellitus (p = 0034)

The models of neural networks with better predictability were obtained with the

categorization of the survival time of less than 2 years between 2 and 6 years

and over 6 years

In patients with a survival time of more than 6 years from the initial consultation

with a cut-off interval of 3 years (or 1095 days) the estimate using the neural

network showed sensitivity 930 (with both activation functions) specificity of

764 or 775 (depending on the activation function) negative predictive

value 974 (with both activation functions) and positive predictive value 536

or 547 (depending on the function of activation)

In patients with a survival time of 2 to 6 years from the onset of symptoms with

a cut-off interval of 2 years (or 730 days) we obtained 898 sensitivity (with

both activation functions) specificity 725 or 765 positive predictive value

863 or 880 and negative predictive value 787 or 796 (depending on

the activation function)

In patients with a survival time of less than 2 years from the onset of symptoms

with a cut-off interval of 1 year (or 365 days) the estimate using the neural

Abstract

network showed a sensitivity of 872 (with both activation functions)

specificity of 625 or 667 (depending on the activation function) positive

predictive value 820 or 837 (depending on the activation function) and

negative predictive value 714 or 727 (depending on the activation

function)

The error of survival prediction with the use of the estimated neural network with

the aid of the function of absolute loss ranged from 44 months to 11 years

Conclusions ndash The use of selected variables input in the neural network with

the use aid of traditional survival statistics may be a useful method for the

prognostic evaluation of patients with heart failure Estimates were less

accurate in patients with a shorter duration of symptoms relative to those with

symptoms for a long time in the first case it would suggest more unstable

disease relative to those with more stable disease namely with symptoms for a

long time

Descriptors heart failure cardiomyopathy ambulatory care survival analysis

neural networks prognosis

1 Introduccedilatildeo

Introduccedilatildeo 2

A atuaccedilatildeo em ambulatoacuterio meacutedico cardioloacutegico com alto volume de

atendimentos a pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital

acadecircmico de referecircncia terciaacuterio (940048 consultas de 1988 a 2017) traz agrave

atividade cotidiana a responsabilidade de avaliar e distinguir pacientes com

maior necessidade cliacutenica de receber tratamento que utilize as competecircncias e

a tecnologia disponiacuteveis em hospital de referecircncia recursos que tecircm entre

suas caracteriacutesticas o fato de serem limitados

Portanto eacute necessaacuterio continuamente estudar e aprimorar a avaliaccedilatildeo

cliacutenica para orientar a terapecircutica no longo prazo em recursos da comunidade

ou em centros de atenccedilatildeo terciaacuteria Esta responsabilidade diz respeito

tambeacutem aos pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca atendidos em

ambulatoacuterio cardioloacutegico de hospital acadecircmico de referecircncia

O conhecimento da probabilidade de sobrevida no longo prazo como

meacutetodo de avaliaccedilatildeo do prognoacutestico eacute de interesse para essa orientaccedilatildeo a

menor sobrevida seria indicador de maior gravidade da condiccedilatildeo A sobrevida

pode ser avaliada por diferentes meacutetodos (Oliveira et al 2016) Decorre

tambeacutem a identificaccedilatildeo de variaacuteveis associadas com a sobrevida (Marccedilula et

al 2011)

A probabilidade de sobrevida foi avaliada previamente em casuiacutestica no

proacuteprio Serviccedilo (Freitas et al 2005) em 1220 pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca sintomaacutetica tratados entre 1991 e 2000 e foi estimada

apoacutes um ano de acompanhamento aproximadamente em 60 o que revalida

dados publicados de sobrevida estimada entre 40 e 70 (Mady et al 1994

Pereira Barretto et al 1998 Carlo et al 2014 Bocchi et al 2017)

A etiologia cardiopatia da doenccedila de Chagas foi o fator mais relevante

associado com a mortalidade (risco relativo 297) quando comparada com

cardiomiopatia dilatada idiopaacutetica (risco relativo 227) cardiopatia isquecircmica

(risco relativo 253) cardiopatia hipertensiva (risco relativo 273) aleacutem de

outras variaacuteveis como diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma (risco relativo 116) e fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(risco relativo 095) na ventriculografia por radioisoacutetopo (Freitas et al 2005) A

Introduccedilatildeo 3

observaccedilatildeo do pior prognoacutestico dos pacientes com insuficiecircncia cardiacuteaca por

doenccedila de Chagas se harmoniza com dados publicados em outras

investigaccedilotildees (Espinosa et al 1985 Mady et al 1994 Bestetti et al 1997

Bestetti Daniel 2016 Pereira-Barretto et al 1998 Carlo et al 2014 Rassi et

al 2010 Bocchi 2012 2013 2017) que nas formas mais severas da doenccedila

revelaram mortalidade de 80 a 100 em um ano de seguimento (Mady et al

1994 Theodoropoulos et al 2008)

Uma questatildeo intrincada nesse estudo (Freitas et al 2005) realizado

em condiccedilotildees que a literatura denomina ldquovida realrdquo (ldquoreal life conditionsrdquo em

oposiccedilatildeo a ldquoprotocol conditionsrdquo situaccedilatildeo de variaacuteveis controladas) foi lidar

com dados faltantes e objeto de pesquisa especiacutefica (Paes 2007)

Aleacutem do tratamento medicamentoso os processos de transformaccedilatildeo

inerentes agrave praacutetica cliacutenica abrangem caracteriacutesticas dos pacientes inclusive no

acesso agraves oportunidades de tratamento progresso na experiecircncia cliacutenica seja

em ferramentas diagnoacutesticas seja na terapecircutica com a natural consequecircncia

na sobrevida em longo prazo (Pitt et al 1999 2003 Bocchi et al 2008 Issa et

al 2010 Bestetti et al 2011 Carlo et al 2014) Portanto a necessidade de

reavaliaccedilatildeo perioacutedica do prognoacutestico dos pacientes eacute inerente agrave praacutetica meacutedica

Aleacutem dos recursos metodoloacutegicos da estatiacutestica de sobrevivecircncia a

experiecircncia preacutevia com pesquisadores de estatiacutestica estimulou a associaccedilatildeo de

meacutetodos estatiacutesticos pelo uso de redes neurais (Ogava 2007) Aleacutem disso

uma experiecircncia pioneira em nosso meio foi conduzida haacute duas deacutecadas com

casuiacutestica pequena (95 pacientes) fora do ambiente do Sistema Uacutenico de

Sauacutede (Ortiz et al 1995a) De fato o uso de redes neurais artificiais na anaacutelise

de dados cliacutenicos de pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca foi

apresentado como um meacutetodo que deve ser investigado (Braunwald 2008)

As redes neurais artificiais tecircm sido progressivamente utilizadas na

praacutetica cliacutenica (Lisboa Taktak 2006) e a potencial contribuiccedilatildeo da aplicaccedilatildeo

da rede neural no diagnoacutestico e prognoacutestico de vaacuterias doenccedilas inclusive tem

se tornado objeto de interesse e investigaccedilatildeo na aacuterea da Cardiologia (Lisboa

2002)

Rede neural artificial foi conceituada como ldquoestrutura de

processamento de informaccedilatildeo distribuiacuteda em paralelo e constituiacuteda por

Introduccedilatildeo 4

elementos de processamento ligados por canais de sinal unidirecionais

denominados conexotildees em que cada elemento de processamento possui uma

uacutenica conexatildeo de saiacuteda que se ramifica em tantas quantas as conexotildees

colaterais desejadasrdquo (Hecht-Nielsen 1989) Entre as caracteriacutesticas potenciais

da rede neural haacute o caraacuteter adaptativo treinaacutevel capaz de armazenar e

processar informaccedilotildees por associaccedilatildeo e adquirir conhecimento pela

experiecircncia por meio de exemplos ou da proacutepria aplicaccedilatildeo (Sanchez 2009)

A arquitetura de rede neural mais utilizada e estudada eacute a do tipo

perceptron de muacuteltiplas camadas (Cross Harrison e Kennedy 1995) e o tipo de

treinamento mais frequente utiliza o algoritmo de treinamento supervisionado

ou de retropropagaccedilatildeo do erro (backpropagation) (Scott 1993 Cross et al

1995 Papik et al 1998) Estas redes neurais tecircm por caracteriacutestica a

propagaccedilatildeo positiva (feedforward) ou na mesma direccedilatildeo do erro partindo da

camada de entrada rumo agrave camada de saiacuteda e agrave retropropagaccedilatildeo do erro

(backward) partindo da camada de saiacuteda ateacute a camada de entrada (Castro LN

1998 Sanchez 2009) O algoritmo backpropagation fundamenta-se numa

regra de aprendizado que corrige os erros durante todo o aprendizado e

treinamento da rede neural em todas as camadas partindo da saiacuteda ateacute a

entrada (Haykin 1994)

O processo de aprendizado da rede neural eacute gradual interativo e

iterativo de ajuste dos pesos sinaacutepticos de forma a adequar a rede a um

conjunto de exemplos adaptar o seu comportamento ao longo do tempo e

aperfeiccediloar a resposta a ser obtida (Ambrosio 2002 Castro FCC 2016) Por

sua caracteriacutestica de aprendizado e treinamento a rede neural permite a

melhoria contiacutenua de seu desempenho a partir de exemplos e tem sido

aplicada na aacuterea meacutedica no estudo de diferentes condiccedilotildees (Baxt 1991 1995

1996 Astion Wilding 1992 Widing et al 1994 Tourassi et al 1995 Fogel et

al 1995 Ahmed 2005 Sinha et al 2007 Bartosch-Haumlrlid et al 2008 Silva et

al 2008 Das et al 2008 Ogulata et al 2009)

Estudos que integram anaacutelise estatiacutestica como fundamento para

alimentaccedilatildeo de rede neural satildeo escassos (Ogava 2007)

Em pacientes com insuficiecircncia cardiacuteaca a comparaccedilatildeo entre vaacuterios

meacutetodos computacionais entre eles a rede neural a partir de informaccedilotildees da

Introduccedilatildeo 5

etiologia severidade e evoluccedilatildeo da doenccedila evidenciou melhor desempenho

dos sistemas de suporte (Guidi et al 2014) Por outro lado estudo de

casuiacutestica nacional publicada haacute duas deacutecadas avaliou o prognoacutestico de 95

pacientes com insuficiecircncia cardiacuteaca e fraccedilatildeo de ejeccedilatildeo reduzida em

seguimento de doze meses esta baseou-se em paracircmetros ecocardiograacuteficos

e na idade estimou a acuraacutecia sensibilidade especificidade valor preditivo

positivo e valor negativo respectivamente 67 67 68 28 92 por

anaacutelise discriminatoacuteria linear enquanto pelos valores correspondentes agrave rede

neural artificial foram estimados em 90 71 93 63 e 95 (Ortiz et al

1995b)

Recentes publicaccedilotildees apontaram para o potencial uso da rede neural

no universo da inteligecircncia artificial (neurocomputing machine learning deep

learning) (Krittanawrong et al 2017 Miller e Brown 2018) usando o algoritmo

de aprendizado supervisionado (backpropagation) na anaacutelise de amplas bases

de dados para melhor precisatildeo cardiovascular (Krittanawong et al 2017) Aleacutem

disso a rede neural foi utilizada na prediccedilatildeo da mortalidade em pacientes

submetidos a teste de esforccedilo cardiopulmonar (Myers et al 2014) como

tambeacutem em ampla metanaacutelise que avaliou a eficaacutecia do tratamento em

pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca nos uacuteltimos trinta anos

(Burnet et al 2017)

Como meacutetodo a rede neural artificial tem vantagens e desvantagens

quando comparada aos sistemas de computaccedilatildeo convencionais ou sistemas

baseados em algoritmos (Papik et al 1998)

Entre as vantagens foram citadas a efetividade do meacutetodo na modelagem natildeo

linear de fenocircmenos bioloacutegicos com grande nuacutemero de dados precisatildeo para

inferecircncia preditiva e ajuda na tomada de decisatildeo meacutedica facilidade de

disseminaccedilatildeo do conhecimento pelo meacutetodo (Lisboa et al 2006) capacidade

de utilizar informaccedilotildees incompletas aprendizado por meio de exemplos e

exposiccedilatildeo de padrotildees agrave rede neural (Sanchez 2009)

Tendo em vista a missatildeo assistencial no atendimento de pacientes com

diagnoacutestico de insuficiecircncia cardiacuteaca recebidos para avaliaccedilatildeo diagnoacutestico e

orientaccedilatildeo de tratamento em unidade ambulatorial de hospital de referecircncia

voltado para pacientes do Sistema Uacutenico de Sauacutede situaccedilatildeo na qual se

Introduccedilatildeo 6

esmera a aplicaccedilatildeo mais judiciosa possiacutevel dos recursos instalados requer-se

a atualizaccedilatildeo constante dos dados prognoacutesticos para a melhor orientaccedilatildeo

Estudos satildeo necessaacuterios para reunir recursos de teacutecnicas estatiacutesticas

tradicionais como tambeacutem para empregar redes neurais e sua potencial

capacidade de aprendizado possibilitando mudanccedilas nas casuiacutesticas

brasileiras lastreadas no tempo

Destarte planejamos o presente estudo para avaliar o emprego da

estatiacutestica tradicional como etapa de seleccedilatildeo de variaacuteveis para a aplicaccedilatildeo da

rede neural artificial na avaliaccedilatildeo prognoacutestica de pacientes para esmerar na

distinccedilatildeo de pacientes de prognoacutestico menos favoraacutevel e com maior

necessidade cliacutenica de tratamentos que utilizem as competecircncias e a

tecnologia geralmente disponiacuteveis apenas em serviccedilos meacutedicos de referecircncia

2 Objetivos

Objetivos 8

21 Objetivos Primaacuterios

Avaliar o prognoacutestico de pacientes com diagnoacutestico de insuficiecircncia

cardiacuteaca pelo emprego de meacutetodos da estatiacutestica de sobrevivecircncia associada

com a rede neural artificial

22 Objetivos Secundaacuterios

Estimar a contribuiccedilatildeo dos dados de exame cliacutenico e laboratorial

obtidos na avaliaccedilatildeo inicial dos pacientes

Estimar o impacto dos dados faltantes na anaacutelise

3 Meacutetodos

Meacutetodos 10

31 Delineamento do estudo

Estudo observacional tipo transversal (coorte retrospectiva) a partir de

base de dados administrativa e assistencial que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca na Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo e foram acompanhados ateacute o desfecho (oacutebito por qualquer causa) ou

ateacute a data do uacuteltimo contato

Dados da mortalidade foram obtidos por meio de consulta a registros

hospitalares contato telefocircnico consulta ao Programa de Aprimoramento das

Informaccedilotildees de Mortalidade no Municiacutepio de Satildeo Paulo (PRO-AIM) ou agrave

Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) (Figura 1)

32 Avaliaccedilatildeo cliacutenica

O exame cliacutenico e a avaliaccedilatildeo laboratorial dos pacientes seguiram a

rotina assistencial da Unidade Os pacientes cerca de 50 encaminhados ao

sistema CROSS (Central de Regulaccedilatildeo de Oferta de Serviccedilos de Sauacutede

Secretaria de Estado da Sauacutede Satildeo Paulo) foram avaliados por meio de

exame cliacutenico incluindo a histoacuteria cliacutenica e o exame fiacutesico eletrocardiograma

em repouso e a radiografia de toacuterax aleacutem de revisatildeo de testes

complementares eventualmente trazidos pelos pacientes A avaliaccedilatildeo

laboratorial complementar no Serviccedilo foi indicada de acordo com a

necessidade cliacutenica dos pacientes dentro da rotina assistencial e a

disponibilidade operacional institucional incluindo avaliaccedilatildeo metaboacutelica

laboratorial ecocardiografia ou outros testes

O tratamento foi recomendado de acordo com a rotina institucional

conforme necessidade cliacutenica e toleracircncia dos pacientes de acordo com a

orientaccedilatildeo do meacutedico responsaacutevel pelo atendimento do paciente aleacutem da

Meacutetodos 11

disponibilidade na dispensaccedilatildeo por farmaacutecia do sistema puacuteblico de atenccedilatildeo

farmacecircutica

33 Criteacuterios diagnoacutesticos

O diagnoacutestico de insuficiecircncia cardiacuteaca foi feito com base nos criteacuterios

de Framingham definido pela presenccedila simultacircnea de no miacutenimo dois

criteacuterios maiores ou um criteacuterio maior e dois menores (McKee et al 1971) Satildeo

criteacuterios maiores dispneia paroxiacutestica noturna turgecircncia jugular crepitaccedilotildees

pulmonares cardiomegalia na radiografia do toacuterax edema agudo de pulmatildeo

terceira bulha cardiacuteaca aumento da pressatildeo venosa central (gt16 cm aacutegua no

aacutetrio direito) refluxo hepatojugular perda de peso maior 45 kg em cinco dias

em resposta ao tratamento Os criteacuterios menores incluem edema de tornozelo

bilateral tosse noturna dispneia aos esforccedilos habituais hepatomegalia

derrame pleural taquicardia (gt120 batimentos por minuto) diminuiccedilatildeo da

capacidade funcional em um terccedilo da maacutexima registrada previamente (Hunt et

al 2001 2005)

O diagnoacutestico etioloacutegico foi feito de acordo com criteacuterios previamente

publicados (Maron et al 2006) Os diagnoacutesticos etioloacutegicos foram revisados

individualmente para este estudo

Os diagnoacutesticos foram categorizados segundo a Classificaccedilatildeo

Internacional de Doenccedilas 10a revisatildeo (World Health Organization 2010)

34 Criteacuterios de inclusatildeo

Foram incluiacutedos no estudo portadores de insuficiecircncia cardiacuteaca em

diferentes classes funcionais da New York Heart Association (New York Heart

Association 1964 Remme et al 2001)

Meacutetodos 12

35 Criteacuterios de exclusatildeo

Foram excluiacutedos do estudo os pacientes com angina instaacutevel infarto do

miocaacuterdio haacute menos de seis meses doenccedila valvar histoacuteria de cirurgia ou

infecccedilatildeo aguda nos trinta dias anteriores agrave consulta meacutedica

36 Casuiacutestica

Foram estudados 2128 pacientes consecutivos de ambos os sexos

com idade acima de 18 anos que depois do exame cliacutenico receberam o

diagnoacutestico de insuficiecircncia cardiacuteaca de diferentes etiologias no periacuteodo de 2

de julho de 2003 a 2 de julho de 2007

No Serviccedilo foram realizadas 113185 consultas ambulatoriais no

periacuteodo de estudo Portanto a casuiacutestica representa 18 do total de consultas

atendidas que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

37 Variaacuteveis estudadas

371 Demograacuteficas

Idade sexo etnia

Meacutetodos 13

372 Cliacutenicas

Duraccedilatildeo dos sintomas etiologia da insuficiecircncia cardiacuteaca classe

funcional peso altura iacutendice de massa corpoacuterea frequecircncia cardiacuteaca pressatildeo

arterial sistoacutelica pressatildeo arterial diastoacutelica e comorbidades (presenccedila de

hipertensatildeo arterial tabagismo diabete melito etilismo)

373 Eletrocardiograacuteficas

Ritmo cardiacuteaco

374 Ecocardiograacuteficas

Diacircmetro do aacutetrio esquerdo diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro sistoacutelico do ventriacuteculo esquerdo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo espessura diastoacutelica do septo interventricular e espessura diastoacutelica

da parede posterior do ventriacuteculo esquerdo

375 Laboratoriais

Taxa de hemoglobina taxa de leucoacutecitos taxa de linfoacutecitos taxa de

glicose em jejum creatinina seacuterica soacutedio seacuterico potaacutessio seacuterico colesterol

total lipoproteiacutena de alta densidade (HDL-colesterol) lipoproteiacutena de baixa

densidade (LDL-colesterol) e trigliceacuterides seacuterico

Meacutetodos 14

376 Medicamentos em uso na consulta inicial

Inibidores da enzima conversora da angiotensina (captopril enalapril) e

bloqueadores dos receptores da angiotensina II (losartana) bloqueadores

adreneacutergicos (carvedilol metoprolol propranolol e atenolol) diureacuteticos

(furosemida hidroclorotiazida espironolactona) digital (digoxina)

antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) anticoagulante oral

(varfarina) estatina (sinvastatina) vasodilatadores (hidralazina e mononitrato

de isossorbida) bloqueadores dos canais de caacutelcio (anlodipina) antiarriacutetmico

(amiodarona) nuacutemero de medicamentos em uso

38 Mortalidade ndash foi considerado desfecho o oacutebito por qualquer causa

39 Anaacutelise dos dados

Foi realizada em duas etapas a) anaacutelise estatiacutestica (n=2128

pacientes) para identificar as variaacuteveis associadas agrave sobrevida cujo tempo de

seguimento ou de sobrevida observado foi o intervalo entre a data da consulta

inicial ou a data do iniacutecio dos sintomas ateacute o uacuteltimo contato com o paciente ou a

data do oacutebito b) aplicaccedilatildeo da rede neural para estimar a sobrevida (n=968

pacientes)

A escolha pela teacutecnica da anaacutelise de sobrevida foi decorrente de sua

caracteriacutestica para identificar e selecionar as variaacuteveis mais importantes na

sobrevida dos pacientes como tambeacutem pelo pressuposto que a presenccedila de

pacientes censurados ou com perda de seguimento ao longo do tempo

representam todos os pacientes sujeitos ao risco de terem o evento de

interesse naquele momento (Bustamante-Teixeira et al 2002)

Meacutetodos 15

391 Anaacutelise estatiacutestica

A anaacutelise estatiacutestica foi realizada nas seguintes etapas anaacutelise

descritiva anaacutelise exploratoacuteria e estimativa da influecircncia das variaacuteveis na

sobrevida

3911 Anaacutelise descritiva e exploratoacuteria

Foram avaliadas as frequecircncias e distribuiccedilotildees das variaacuteveis

demograacuteficas cliacutenicas de exames complementares e de medicaccedilatildeo (tabela 1)

A probabilidade de sobrevida foi avaliada para cada variaacutevel pelo

meacutetodo de Kaplan-Meier (Kaplan Meier 1958) As variaacuteveis foram

categorizadas de acordo com criteacuterios cliacutenicos ou com base nos valores de

referecircncia quando pertinente Dados faltantes foram reunidos em uma

categoria As curvas de probabilidade de sobrevida foram comparadas com o

teste log-rank (Peto 1972) e os valores-p obtidos e informados As variaacuteveis

com plt010 foram selecionadas para a anaacutelise inferencial

Foram selecionadas para a anaacutelise inferencial todas as variaacuteveis com

plt010 e algumas variaacuteveis com pgt010 pela relevacircncia cliacutenica evidenciada em

estudos anteriores (Zugck et al 2001 Acanfora et al 2001 Anand et al

2004 Huehnergarth et al 2005 Maraldi et al 2006 Nieminen et al 2008

Marccedilula et al 2015)

3912 Anaacutelise inferencial

Foi adotado modelo de regressatildeo semiparameacutetrico de riscos

proporcionais de Cox (Cox 1972) para estimar a influecircncia de cada variaacutevel

associada com a probabilidade de sobrevida A comparaccedilatildeo da qualidade dos

Meacutetodos 16

ajustes do modelo foi feita pelo teste de razatildeo de verossimilhanccedila nas

seguintes fases

a) ajuste de modelo univariado tendo como variaacuteveis independentes a

idade e cada uma das variaacuteveis demograacuteficas e cliacutenicas separadamente

Foram selecionadas as variaacuteveis com valores de p lt 010 para a sequecircncia da

anaacutelise

b) as variaacuteveis selecionadas e a idade foram submetidas ao ajuste do

modelo multivariado Nesta fase para cada variaacutevel analisada e sem

informaccedilatildeo foi definida uma categoria de variaacutevel faltante As variaacuteveis com

valor de p gt 005 foram retiradas sequencialmente do modelo Tambeacutem foi

retirada do modelo a variaacutevel em que somente a categoria variaacutevel faltante

apresentou valor de p lt 005 Sendo assim permaneceram para a terceira fase

do modelo as variaacuteveis com valores de p lt 005 e a variaacutevel idade

c) na terceira fase para teste de seguranccedila do modelo com a

finalidade de avaliar se as variaacuteveis previamente retiradas do modelo

contribuiriam ou natildeo de modo significativo para a estimaccedilatildeo da sobrevida

cada uma das variaacuteveis previamente retiradas do modelo na fase inicial foi

reintroduzida no modelo multivariado com as variaacuteveis que na segunda fase

alcanccedilaram valor de p lt 005 Se fosse encontrado p lt 005 esta variaacutevel

permaneceria no modelo

d) as variaacuteveis assim selecionadas foram as variaacuteveis de entrada para

a rede neural artificial

392 Rede neural

Os testes da rede neural foram realizados pelo emprego do programa

Neuro XL Predictor (OLSOFT Software Development) que utiliza a rede neural

perceptron de muacuteltiplas camadas

A rede neural tipo perceptron de muacuteltiplas camadas compreendeu uma

camada de entrada camadas intermediaacuterias (ou ocultas) e uma camada de

Meacutetodos 17

saiacuteda (figura 2) Cada neurocircnio de qualquer das camadas da rede se conectou

a todos os neurocircnios da camada seguinte e o fluxo da informaccedilatildeo foi em uma

uacutenica direccedilatildeo (rede feedforward) da esquerda para a direita ou da camada de

entrada para a camada de saiacuteda (Figura 2a) O treinamento da rede foi feito

pelo emprego do algoritmo de treinamento supervisionado ou de

retropropagaccedilatildeo (backpropagation) que retropropaga o erro (backward) da

informaccedilatildeo da camada de saiacuteda para a camada de entrada (Figura 2b)

A funccedilatildeo de ativaccedilatildeo ou de transferecircncia da rede neural foi uma funccedilatildeo

natildeo linear (Figura 3) Entre as funccedilotildees de natildeo linearidade de ativaccedilatildeo da rede

neural foram testadas a funccedilatildeo zero based log sigmoid (Buskard et al 1994

Lundin et al 1999 Grossi 2006) e a funccedilatildeo tangente hiperboacutelica (Buskard et

al1994 Frize et al 2000 Ennett et al 2001 2004 Grossi 2006) a cada um

dos neurocircnios da rede neural camada a camada

A aplicaccedilatildeo da rede neural foi feita em trecircs etapas aprendizado-

treinamento previsatildeo e agrupamento aleatoacuterio

3921 Escolha da arquitetura da rede neural

De iniacutecio foi avaliada a arquitetura mais adequada para o aprendizado-

treinamento da rede neural mediante realizaccedilatildeo de testes com ateacute 20 camadas

intermediaacuterias de acordo com o ajuste de estimativas Foram investigados

a) nuacutemero de ciclos ndash A definiccedilatildeo do nuacutemero maacuteximo de ciclos ou

iteraccedilotildees para o aprendizado-treinamento da rede neural foi ajustada apoacutes

testes variando o paracircmetro em 30000 20000 e 10000 ciclos mantendo fixos

todos os demais paracircmetros da rede neural (Tabela 91)

b) erro delta ndash A definiccedilatildeo do valor do erro delta para o aprendizado-

treinamento da rede foi estipulado apoacutes testes variando o paracircmetro em

00001 00010 e 00020 do erro delta mantendo fixos todos os demais

paracircmetros envolvidos da rede neural inclusive o nuacutemero maacuteximo de ciclos em

30000 ciclos (tabela 91)

Meacutetodos 18

O nuacutemero maacuteximo de ciclos definido para o aprendizado-treinamento da rede

foi de 30000 etapas ou o valor do erro delta de 00001

c) os pesos sinaacutepticos iniciais ndash A determinaccedilatildeo dos pesos

(ponderaccedilatildeo da contribuiccedilatildeo da variaacutevel na estimaccedilatildeo) das conexotildees

sinaacutepticas foi definida pela proacutepria rede na execuccedilatildeo repetida do algoritmo de

aprendizado-treinamento A partir do peso sinaacuteptico inicial de 03 previamente

definido foi modulado a cada conexatildeo seguindo regra de aprendizado pela

aplicaccedilatildeo do algoritmo de treinamento supervisionado (backpropagation) para

ajustar o erro da variaacutevel de saiacuteda De maneira iterativa a variaacutevel de saiacuteda

estimada na rede foi comparada com a variaacutevel de saiacuteda observada resultando

num sinal de erro que foi retropropagado pela rede para permitir o ajuste dos

pesos (Figura 2b) Esses ciclos foram repetidos ateacute que a rede atribuiu para

cada variaacutevel de entrada uma variaacutevel de saiacuteda com valores estimados de

sobrevida consistentes com os valores observados

d) taxa de aprendizado ndash O paracircmetro denominado taxa de

aprendizado influencia o aprendizado da rede (Sanchez 2009) e foi fixado no

valor limite de 03 para o ajuste limitado da curva de aprendizado-treinamento

da rede neural

e) termo de momentum ndash O paracircmetro da rede neural denominado

termo de momentum interveacutem no aprendizado por aumentar a taxa de

aprendizado (Sanchez 2009) como moderador e foi fixado no valor limite de

03 para o ajuste da curva de aprendizado-treinamento da rede neural

Para definir a abordagem mais adequada para a imputaccedilatildeo nos valores

faltantes foram adotados trecircs criteacuterios distintos para avaliar a mais apropriada

previsatildeo de sobrevida da rede neural

a) valores de referecircncia normais para as variaacuteveis faltantes (Frize et

al 2001 Ennett et al 2001) ndash iacutendice de massa corpoacuterea (World Health

Organization 1995) pressatildeo arterial diastoacutelica (James et al 2014) espessura

diastoacutelica do septo intraventricular diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro do aacutetrio esquerdo (Lang et al 2005) potaacutessio seacuterico colesterol total e

creatinina seacuterica (rotina laboratorial institucional) (Tabela 8)

b) valor superior da normalidade (rotina laboratorial institucional) para

as taxas de colesterol total e creatinina seacuterica (Tabela 8)

Meacutetodos 19

c) valor da mediana das variaacuteveis disponiacuteveis para imputaccedilatildeo nos

valores faltantes (Frize et al 2001 Ennett et al 2001) (Tabela 8)

3922 Aprendizado-treinamento da rede neural

Para definir o mais apropriado tipo de treinamento para a previsatildeo da

sobrevida da rede neural duas teacutecnicas foram avaliadas

a) utilizando amostragem aleatoacuteria ndash trecircs amostras aleatoacuterias de um

terccedilo da casuiacutestica (n=968) foram constituiacutedas para aprendizado-treinamento

validaccedilatildeo e ajuste e aplicaccedilatildeo

b) utilizando a casuiacutestica do estudo (n=968) em cinco fases ndash

aprendizado- treinamento e definiccedilatildeo da rede neural com base nos oacutebitos

identificados ateacute 2012 aplicaccedilatildeo para estimativa de sobrevida ateacute 2012

comparaccedilatildeo de previsotildees com base nos oacutebitos verificados em 2013 reensaios

com oacutebitos identificados ateacute 2014 comparaccedilatildeo da previsatildeo para pacientes que

faleceram em 2013 e 2014 (Figura 4)

Na primeira fase com a finalidade de iniciar o aprendizado-treinamento

da rede neural foi avaliada a amostra dos pacientes com oacutebitos ocorridos ateacute

2012 e informaccedilotildees completas (dados falantes imputados segundo as

abordagens mencionadas) Foram realizados testes com base nas variaacuteveis

indicadas tanto pela anaacutelise estatiacutestica quanto pela relevacircncia cliacutenica tendo

como funccedilatildeo de ativaccedilatildeo zero based log sigmoid e tangente hiperboacutelica (Figura

3)

O tempo de sobrevida observado ateacute o desfecho oacutebito foi estimado a

partir da data do iniacutecio dos sintomas e a partir da data da primeira consulta no

ambulatoacuterio do hospital Com base no tempo meacutedio de seguimento o tempo de

sobrevida observado foi explorado e categorizado com base na experiecircncia

cliacutenica nas variaacuteveis prognoacutesticas referidas na literatura (Cowie et al 2000

Dries et al 2000 Lewis et al 2003 Rauchhaus et al 2003 Freitas et al

2005 Pocock et al 2006 Rassi Jr et al 2007 McManus et al 2009) para

identificar os pacientes com prognoacutestico menos favoraacutevel e obter a melhor

Meacutetodos 20

estimativa da rede (Tabelas 9 91) Variaacuteveis de relevacircncia cliacutenica foram

empregadas (Tabelas 9 e 91)

O erro da estimativa do tempo de sobrevida ateacute o oacutebito nesta fase foi

avaliado por meio do emprego da expressatildeo

erro da previsatildeo =| [(sobrevida prevista ndash sobrevida observada ateacute o oacutebito) x 100 ] |

sobrevida observada ateacute o oacutebito

em que

erro da previsatildeo () ndash erro relativo da previsatildeo da sobrevida com o emprego

da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ateacute o oacutebito ndash tempo de sobrevida dos pacientes ateacute o

oacutebito

Na segunda fase com a finalidade de se obter a previsatildeo da sobrevida

para os sobreviventes ateacute dezembro de 2012 foram realizados nove testes

(Tabela 10) Esta fase avaliou os pacientes com variaacuteveis completas e

incompletas para os modelos de dados da rede neural com respostas inferiores

a 36 Foi calculado o erro relativo da estimativa de oacutebito por meio do

emprego da expressatildeo

erro hipoteacutetico de previsatildeo = | [(sobrevida prevista ndash sobrevida observada) x 100] |

sobrevida observada

em que

erro hipoteacutetico de previsatildeo () ndash erro de estimativa de previsatildeo de sobrevida

com o emprego da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ndash sobrevida observada com base na data do uacuteltimo

contato dos sobreviventes

Na terceira fase foram comparadas as previsotildees com o emprego de

modelos de redes neurais para os sobreviventes ateacute 2012 e que faleceram em

Meacutetodos 21

2013 (Tabela 11) Esta fase comparou o modelo de rede ou os modelos de

dados da rede com respostas inferiores a 41 (Tabelas 12 13 14 15 16 17)

Na quarta fase foram realizados novos testes de aprendizado-treinamento da

rede neural incorporando as atualizaccedilotildees de mortalidade de 2013 (reensaio 1 -

Tabela 18) e 2014 (reensaio 2 - Tabela 19) Esta fase de aprendizado-

treinamento considerou os melhores modelos de rede neural para previsatildeo da

sobrevida

Na quinta fase foram comparados os resultados de previsatildeo da

sobrevida inicial da rede neural a partir dos oacutebitos ocorridos ateacute 2012 com os

reensaios 1 (Tabelas 20 21) e 2 (Tabelas 22 23) atualizando mortalidade

respectivamente de 2013 e 2014

3923 Avaliaccedilatildeo dos melhores modelos de rede neural

A avaliaccedilatildeo dos paracircmetros de variabilidade entre os modelos de rede

neural bem como a sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo (Tabela 24) e a funccedilatildeo de perda (Tabela 25)

dos modelos de dados da rede neural foram calculados

a) Dispersatildeo ou variabilidade dos modelos de rede neural ndash os desvios-

padratildeo em torno da meacutedia geral do erro de previsatildeo da sobrevida dos modelos

de rede neural foram calculados e comparadas as homogeneidades entre os

modelos de rede neural no aprendizado (vivos ateacute 2012) e na previsatildeo

(falecidos em 2013 e 2014) (Tabelas 12 13 14 15 16 17 20 21 22 23)

b) Sensibilidade especificidade acuraacutecia valor preditivo positivo e

valor preditivo negativo dos modelos de rede neural ndash a probabilidade de

previsatildeo para os melhores modelos da rede neural foi calculada para os

intervalos de tempo ou de corte (Martinez et al 2003) em 6 meses 1 ano 2

anos e 3 anos As previsotildees obtidas a partir do emprego da rede neural foram

categorizadas em (Tabela 24)

b1) verdadeiro positivo (VP) ndash previsto o oacutebito que ocorreu

b2) verdadeiro negativo (VN) ndash prevista a sobrevivecircncia que se confirmou

Meacutetodos 22

b3) falso positivo (FP) ndash previsatildeo de sobrevida e ocorreu o oacutebito

b4) falso negativo (FN) ndash previsatildeo de oacutebito que natildeo ocorreu

b5) sensibilidade ndash previsatildeo acertada de oacutebito pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VP (VP + FN)

b6) especificidade ndash previsatildeo acertada de sobrevida pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VN (VN + FP)

b7) acuraacutecia ndash precisatildeo na estimativa de sobrevida O caacutelculo foi feito por meio

do emprego da expressatildeo (VP + VN) (VP + FP + VN + FN)

b8) valor preditivo positivo ndash previsatildeo de oacutebito estimado pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VP (VP + FP)

b9) valor preditivo negativo ndash previsatildeo de sobrevida pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VN (VN + FN)

c) Funccedilatildeo de perda dos modelos de rede neural ndash o desempenho preditivo da

rede neural foi avaliado por meio do emprego da funccedilatildeo de perda aparente

para a variaacutevel contiacutenua tempo de sobrevida (Yuan 2008) que leva em

consideraccedilatildeo a diferenccedila entre a sobrevida prevista pelo emprego da rede

neural e a sobrevida observada em cada caso O resultado foi demonstrado

pela perda meacutedia estimada ou a meacutedia aritmeacutetica simples em valores

absolutos e expresso em dias (Santos 2013) (Tabela 25)

310 Aspectos eacuteticos

O protocolo do estudo foi aprovado pela Comissatildeo de Eacutetica para

Anaacutelise de Projetos de Pesquisa do Hospital das Cliacutenicas da Faculdade de

Medicina da Universidade de Satildeo Paulo (CAAE 34706714100000068)

4 Resultados

Resultados 24

41 Anaacutelise estatiacutestica

Os resultados foram obtidos pela anaacutelise estatiacutestica descritiva e

exploratoacuteria e pela anaacutelise inferencial para o ajuste do modelo estatiacutestico

411 Anaacutelise descritiva e exploratoacuteria

A idade dos pacientes variou de 18 anos a 94 anos (meacutedia 577

desvio- padratildeo 131) 1362 (64) homens e 766 (36) mulheres 1325 (62)

pacientes tinham idade entre 41 anos e 65 anos e 603 (28) pacientes tinham

idade superior a 65 anos A etnia branca foi observada em 343 (16) dos

pacientes e o sobrepeso foi identificado em 697 (33) pacientes A fraccedilatildeo de

ejeccedilatildeo do ventriacuteculo esquerdo foi inferior a 45 em 1476 (69) pacientes As

etiologias predominantes foram as cardiopatias hipertensiva e isquecircmica em

1443 (678) pacientes e a doenccedila de Chagas ocorreu em 333 (16)

pacientes A cardiopatia dilatada e a alcooacutelica ocorreram respectivamente em

206 (10) pacientes e 146 (7) pacientes Na qualidade de pacientes que

procuraram atendimento a condiccedilatildeo funcional era tal que permitia o acesso agrave

consulta deambulando Dos pacientes em tratamento 967 (45) faziam uso da

associaccedilatildeo de trecircs ou quatro medicamentos

Outras caracteriacutesticas cliacutenicas laboratoriais eletrocardiograacuteficas e

ecocardiograacuteficas satildeo apresentadas na tabela 1 A frequecircncia de dados

faltantes eacute apresentada nas tabelas 23 e 4 para cada variaacutevel

Foram identificados 968 (455) oacutebitos ateacute dezembro de 2012

Somaram-se 83 (39) oacutebitos verificados em 2013 e 50 (23) oacutebitos

verificados em 2014 O total de oacutebitos foi 1101 (517)

A curva da probabilidade de sobrevida geral da casuiacutestica eacute

apresentada na figura 5 O tempo meacutedio de acompanhamento dos pacientes foi

596 meses desvio- padratildeo 418 meses (variaccedilatildeo de um dia a 137 meses) e

Resultados 25

aos cinco anos de evoluccedilatildeo 68 dos pacientes da casuiacutestica estavam vivos

Tomando em consideraccedilatildeo a etiologia da insuficiecircncia cardiacuteaca no tempo

meacutedio de acompanhamento 71 dos portadores de cardiopatia hipertensiva

69 dos portadores de cardiopatia dilatada 66 dos portadores de cardiopatia

alcooacutelica 55 dos portadores de cardiopatia isquecircmica e 50 dos portadores

de cardiopatia da doenccedila de Chagas estavam vivos

Nas curvas de probabilidade de sobrevida relativas a cada variaacutevel

estudada os valores faltantes foram agrupados em uma categoria A

comparaccedilatildeo entre as curvas de sobrevida foi feita para as variaacuteveis

categorizadas em faixas de valores de acordo com os valores de referecircncia e

com a categorizaccedilatildeo individual do dado faltante para cada variaacutevel avaliada

(Figuras 6 a 51)

A comparaccedilatildeo entre as curvas de sobrevida revelou diferenccedila

estatisticamente significante (valor - p lt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash idade (plt0001 figura 7)

b) cliacutenicas ndash etiologia da insuficiecircncia cardiacuteaca (plt0001 figura 6) peso

(plt0001 figura 10) altura (p=0048 figura 11) iacutendice de massa corpoacuterea

(plt0001 figura 12) pressatildeo arterial sistoacutelica (plt0001 figura 13) pressatildeo

arterial diastoacutelica (plt0001 figura 14) classe funcional (plt0001 figura 15)

c) ecocardiograacuteficas ndash diacircmetro do aacutetrio esquerdo (plt0001 figura 22)

diacircmetro diastoacutelico do ventriacuteculo esquerdo (plt0001 figura 23) diacircmetro

sistoacutelico do ventriacuteculo esquerdo (plt0001 figura 24) fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo (plt0001 figura 25) espessura diastoacutelica do septo

interventricular (plt0001 figura 26) e espessura diastoacutelica da parede posterior

do ventriacuteculo esquerdo (plt0001 figura 27)

d) laboratoriais ndash hemoglobina seacuterica (plt0001 figura 29) taxa de glicose

seacuterica em jejum (plt0001 figura 30) taxa de creatinina seacuterica (plt0001 figura

31) taxa de soacutedio seacuterico (plt0001 figura 32) taxa de potaacutessio seacuterico (plt0001

figura 33) taxa de colesterol total (plt0001 figura 34) taxa de HDL-colesterol

(plt0001 figura 35) taxa de LDL-colesterol (plt0001 figura 36) e taxa de

trigliceacuterides (plt0001 figura 37)

Resultados 26

A comparaccedilatildeo entre as curvas de sobrevida natildeo revelou diferenccedila

estatisticamente significante (valor-p gt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash sexo (p=0025 figura 8) etnia (p=027 figura 9)

b) cliacutenicas ndash frequecircncia cardiacuteaca (p=062 figura 16) duraccedilatildeo dos sintomas

(p=068 figura 17) e o antecedente de hipertensatildeo arterial (p=0049 figura 18)

tabagismo (p=074 figura 19) diabetes melito (p=0024 figura 20) e etilismo

(p=0024 figura 21)

c) eletrocardiograacuteficas ndash ritmo cardiacuteaco (p=00051 figura 28)

d) laboratoriais ndash taxa de leucoacutecitos (plt0048 figura 38) taxa de linfoacutecitos

(p=0011 figura 39)

e) medicamentos em uso na consulta inicial ndash inibidores da enzima conversora

da angiotensina (captopril enalapril) e bloqueadores dos receptores da

angiotensina II (losartana) (p=091 figura 40) bloqueadores adreneacutergicos

(carvedilol metoprolol propranolol e atenolol) (p=0042 figura 41) diureacuteticos

(furosemida hidroclorotiazida (p=00032 figura 42) espironolactona (p=032

figura 43) digoxina (p=0077 figura 44) antiagregante plaquetaacuterio (aacutecido

acetilsaliciacutelico) (p=055 figura 45) anticoagulante oral (varfarina) (p=043

figura 46) estatina (sinvastatina) (p=007 figura 47) vasodilatadores

(hidralazina e mononitrato de isossorbida) (p=058 figura 48) bloqueador dos

canais de caacutelcio (anlodipina) (p=077 figura 49) antiarriacutetmico (amiodarona)

(p=051 figura 50) nuacutemero de medicamentos em uso (p=014 figura 51)

De 33 variaacuteveis reunidas inicialmente para a sequecircncia de anaacutelise pelo

emprego do modelo de riscos proporcionais de Cox avaliamos os valores

disponiacuteveis de todas as variaacuteveis cliacutenicas laboratoriais ecocardiograacuteficas

(Tabela 2) bem como dos medicamentos agrupados por classe farmacoloacutegica

(Tabela 3) e do nuacutemero de medicamentos em uso na consulta inicial (Tabela

4)

Resultados 27

412 Anaacutelise inferencial

Para a etapa seguinte de anaacutelise inferencial as variaacuteveis foram

selecionadas com base no valor p lt 010 ou pela especial relevacircncia cliacutenica

(Tabela 2) que discrimina as variaacuteveis com p lt 0001 mais etnia diabetes

melito frequecircncia cardiacuteaca hipertensatildeo arterial etilismo tabagismo ritmo

cardiacuteaco espessura diastoacutelica do septo interventricular espessura diastoacutelica da

parede posterior glicemia de jejum hemoglobina potaacutessio seacuterico leucoacutecitos

linfoacutecitos lipoproteiacutena de alta (HDL-colesterol) e baixa (LDL-colesterol)

densidade trigliceacuterides nuacutemero de medicamentos em uso na consulta inicial e

data do iniacutecio dos sintomas

Nesta primeira etapa da anaacutelise apenas as variaacuteveis com dados

vaacutelidos foram utilizadas no modelo ou seja a categoria individual de dado

faltante para cada variaacutevel natildeo foi utilizada (Tabela 2) Na segunda etapa a

categoria dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis

natildeo associadas com o prognoacutestico (Tabela 5) Na terceira etapa as variaacuteveis

natildeo significativas foram reintroduzidas testadas uma a uma no modelo e

tiveram sua significacircncia recalculada para confirmar que natildeo estariacuteamos

perdendo a relevacircncia cliacutenica (Tabela 6)

Os niacuteveis descritivos (valor-p) para as 32 variaacuteveis foram obtidos pelo

teste de razatildeo de verossimilhanccedila para os modelos ajustados com cada

variaacutevel separadamente controlando idade definindo a influecircncia de cada

variaacutevel na probabilidade de sobrevivecircncia (Tabela 2)

A variaacutevel iniacutecio dos sintomas foi dicotomizada em um periacuteodo inferior a

doze meses e superior ou igual a doze meses mas natildeo se revelou significativa

(valor p=068) para o prognoacutestico e foi retirada do modelo

As variaacuteveis com valor-p lt 010 ou relevacircncia cliacutenica foram

selecionadas para a segunda etapa da anaacutelise inferencial (Tabela 2)

Apoacutes novo ajuste sequencial do modelo e considerando o valor-p gt

005 obtido do teste de razatildeo de verossimilhanccedila as variaacuteveis hipertensatildeo

Resultados 28

arterial sistecircmica hemoglobina seacuterica glicemia de jejum fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo frequecircncia cardiacuteaca sexo soacutedio seacuterico taxa de

leucoacutecitos trigliceacuterides diacircmetro sistoacutelico do ventriacuteculo esquerdo e taxa de

linfoacutecitos natildeo revelaram diferenccedila significativa para a sobrevida e foram

retiradas do modelo (Tabela 5)

Entre as variaacuteveis com valor-plt005 a saber idade iacutendice de massa

corpoacuterea pressatildeo arterial sistoacutelica pressatildeo arterial diastoacutelica etiologia da

insuficiecircncia cardiacuteaca classe funcional espessura do septo interventricular

diacircmetro diastoacutelico do ventriacuteculo esquerdo diacircmetro do aacutetrio esquerdo

potaacutessio seacuterico colesterol total e creatinina observou-se que para a variaacutevel

pressatildeo arterial sistecircmica somente a categoria de dados faltantes revelou

significacircncia para a sobrevida e por este motivo foi retirada do modelo

Para reavaliar o ajuste do modelo as variaacuteveis retiradas do primeiro

ajuste do modelo multivariado em razatildeo de valor-pgt005 foram reintroduzidas

uma a uma no modelo e sua significacircncia foi calculada com base no teste da

razatildeo de verossimilhanccedila A variaacutevel iniacutecio dos sintomas foi dicotomizada em

um periacuteodo inferior a doze meses e superior ou igual a doze meses mas natildeo

se revelou significativa (valor-p=078) para o prognoacutestico e foi retirada do

modelo A variaacutevel antecedente pessoal de diabetes melito foi a uacutenica que se

revelou com importacircncia para a sobrevida (Tabela 6)

Assim foram selecionadas as variaacuteveis idade iacutendice de massa

corpoacuterea pressatildeo arterial diastoacutelica etiologia da insuficiecircncia cardiacuteaca classe

funcional espessura do septo interventricular diacircmetro diastoacutelico do ventriacuteculo

esquerdo diacircmetro do aacutetrio esquerdo potaacutessio seacuterico colesterol total

creatinina e a presenccedila de diabetes melito como as variaacuteveis relacionadas com

a sobrevida (Tabela 7) e selecionadas para a alimentaccedilatildeo da rede neural

Resultados 29

42 Rede neural

421 Escolha da arquitetura da rede neural

Os resultados da rede neural sugeriram que a arquitetura da rede

neural com cinco camadas intermediaacuterias 30000 ciclos e erro delta de 00001

revelou-se a mais adequada (Tabela 91)

Os dados que observamos permitem sugerir que natildeo houve diferenccedila

entre os dois tipos de funccedilatildeo de ativaccedilatildeo de natildeo linearidade que foram

utilizados ndash zero based log sigmoid e tangente hiperboacutelica ndash para a previsatildeo da

sobrevida pela rede neural (Tabela 9 e 91)

Entre as diferentes abordagens utilizadas para a imputaccedilatildeo nos valores

faltantes ndash valor da normalidade valor superior da normalidade valor da

mediana ndash observamos que a rede neural natildeo revelou resultado adequado na

previsatildeo da sobrevida (Tabela 9 e 91)

As 12 variaacuteveis selecionadas para o aprendizado-treinamento da rede

neural foram submetidas agrave interaccedilatildeo muacutetua nas cinco camadas para o ajuste

da rede

422 Aprendizado-treinamento da rede neural

Os resultados que definiram o tipo de treinamento mais apropriado

para a previsatildeo da sobrevida da rede neural foram obtidos pela teacutecnica da

amostragem aleatoacuteria e pela teacutecnica da utilizaccedilatildeo da casuiacutestica do estudo em

cinco fases

Resultados 30

4221 Amostragem aleatoacuteria

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em 322 pacientes selecionados aleatoriamente No

segundo terccedilo de pacientes (n = 322) o erro relativo da previsatildeo de sobrevida

da rede neural foi de 33685 Se comparada com a porcentagem de erro da

previsatildeo da rede neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do

tempo de sobrevida observado para os mesmos 322 pacientes o erro de

previsatildeo da rede foi de 36388

No teste realizado no terceiro terccedilo (n=324) dos pacientes agrupados

aleatoriamente o erro relativo da previsatildeo de sobrevida da rede neural foi

54419 Se comparado com a porcentagem de erro da previsatildeo da rede

neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do tempo de

sobrevida o erro de previsatildeo foi 61880

Em siacutentese pelos testes da rede neural com agrupamento aleatoacuterio o

aprendizado-treinamento da rede neural natildeo foi apropriado

4222 Fases do estudo da casuiacutestica

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em cinco fases

42221 Primeira fase ndash aprendizado-treinamento da rede neural

Para efeito de teste foi considerada a amostra dos pacientes com

oacutebitos ocorridos ateacute 2012 e a rede foi tambeacutem alimentada com outras variaacuteveis

que natildeo as 12 selecionadas pela anaacutelise estatiacutestica

Resultados 31

As variaacuteveis sexo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo de 25 e

55 creatinina seacuterica nos valores de 13 e 26 mgdL colesterol total nos

valores de 200 mgdL e 239 mgdL diacircmetro diastoacutelico do ventriacuteculo esquerdo

nos valores de 60 mm e 75 mm e a associaccedilatildeo das variaacuteveis colesterol total

nos valores de 200 mgdL e 239 mgdL e diacircmetro diastoacutelico do ventriacuteculo

esquerdo nos valores de 60 mm e 75 mm foram consideradas para o

aprendizado-treinamento da rede por serem variaacuteveis significativas no

prognoacutestico de alguns estudos (Gradman et al 1989 Dries et al 2000 Senni

et al 2001 Lee DS et al 2003 Levy et al 2006 Pocock et al 2006

Abraham et al 2008 Anand et al 2008 Roger et al 2013 Mahmood et al

2014 Kenchaiah et al 2015) portanto limitadoras para os testes da rede

neural (Tabelas 9 e 91) Natildeo houve melhora da capacidade de previsatildeo da

sobrevida pela rede (Tabelas 9 e 91)

O tempo de sobrevida observado foi trabalhado sem categorizaccedilatildeo e

com a classificaccedilatildeo em seis categorias do tempo de seguimento tomando

tambeacutem como base o seu tempo meacutedio ateacute 2 anos entre 1 ano e 6 anos entre

2 anos e 6 anos entre 15 ano e 85 anos acima de 2 anos e acima de 6 anos

Os resultados da modelagem da rede neural tomando em consideraccedilatildeo

o tempo de sobrevida observado estrateacutegia para imputaccedilatildeo no caso de dados

faltantes criteacuterios para variaacuteveis cliacutenicas funccedilatildeo de transferecircncia ou de

ativaccedilatildeo e informaccedilatildeo da data inicial disponiacutevel para estimar a sobrevida (data

do iniacutecio dos sintomas ou a data primeira consulta) estatildeo apresentados nas

tabelas 9 e 91

Os resultados obtidos foram

a) quando avaliadas diferentes estrateacutegias ndash o erro de previsatildeo da

sobrevida variou entre 201 (rede neural 4) e 102308 (rede neural 12)

dependendo da data disponiacutevel para estimar a sobrevida da funccedilatildeo de

transferecircncia dos valores de imputaccedilatildeo para os dados faltantes e das variaacuteveis

clinicamente relevantes (Tabelas 9 e 91) Portanto os resultados foram

inadequados para prever a sobrevida

b) quando avaliadas diferentes categorizaccedilotildees do tempo de sobrevida

observado ndash o erro de previsatildeo da sobrevida variou entre 3199 (rede neural

13) e 880 (rede neural 14) para a estrateacutegia um de imputaccedilatildeo para os dados

Resultados 32

faltantes funccedilatildeo de transferecircncia zero based log sigmoid a partir da data da

primeira consulta e diferentes variaacuteveis cliacutenicas significativas (Tabela 9) Os

resultados foram inadequados para prever a sobrevida exceto para a

categorizaccedilatildeo do tempo de evoluccedilatildeo entre 2 anos e 6 anos sem nenhuma

variaacutevel cliacutenica (3199 rede neural 13)

Pela categorizaccedilatildeo do tempo de sobrevida observado entre 1 ano e 6

anos a inclusatildeo de variaacuteveis cliacutenicas significativas com a funccedilatildeo de

transferecircncia zero based log sigmoid a partir da data da primeira consulta e

valores de imputaccedilatildeo para os dados faltantes baseados na estrateacutegia 1 (Tabela

9) fez o erro de estimativa variar entre 5185 (rede neural 15) e 7068 (rede

neural 17) Os resultados foram considerados inadequados para prever a

sobrevida

c) o resultado de previsatildeo da sobrevida variou entre o limite maacuteximo de

4801 (rede neural 24) e miacutenimo de 1137 (rede neural 26) quando as

categorizaccedilotildees do tempo de sobrevida observado tomaram como referecircncia o

tempo meacutedio de seguimento dos pacientes (49 anos) dependendo da data

disponiacutevel para estimar a sobrevida e da funccedilatildeo de transferecircncia (Tabela 9) Os

resultados foram considerados mais adequados para prever a sobrevida

d) a inclusatildeo da etiologia na categorizaccedilatildeo do tempo de sobrevida

observado entre 2 anos e 6 anos resultou numa previsatildeo da rede neural entre

2191 (rede neural 42) a 2952 (rede neural 40) (Tabelas 9 e 91) O

resultado foi considerado mais adequado para prever a sobrevida para a

cardiopatia da doenccedila de Chagas (2191 rede neural 42) e natildeo acrescentou

capacidade estimativa para as outras etiologias

O teste com vaacuterias categorizaccedilotildees do tempo de sobrevida observado

revelou que os melhores resultados de previsatildeo da sobrevida foram obtidos

pelo modelo de rede definida por tempo de sobrevida observado acima de 6

anos a partir da data da primeira consulta com estimativa de sobrevida de

1277 (funccedilatildeo de ativaccedilatildeo ndash tangente hiperboacutelica rede neural 24) ou 1137

(funccedilatildeo de ativaccedilatildeo ndash zero based log sigmoid rede neural 26) e com tempo

de sobrevida observado entre 2 anos e 6 anos a partir da data do iniacutecio dos

sintomas com estimativa de sobrevida de 2054 (funccedilatildeo de ativaccedilatildeo ndash

Resultados 33

tangente hiperboacutelica rede neural 22) ou 2260 (funccedilatildeo de ativaccedilatildeo ndash zero

based log sigmoid rede neural 20) (Tabelas 9 e 91)

Os resultados dos testes que definiram os melhores modelos de dados

da rede neural em estimar a sobrevida estatildeo representados na tabela 10

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar

a sobrevida

Nos pacientes sobreviventes ateacute dezembro de 2012 os resultados de

previsatildeo da sobrevida satildeo apresentados na tabela 11

Os erros de previsatildeo pelo emprego da rede neural foram superiores

aos obtidos na previsatildeo da primeira fase Ainda assim foram adequados para

prever a sobrevida principalmente no modelo de rede com tempo de sobrevida

observada superior a 6 anos

Os melhores modelos de previsatildeo da sobrevida foram aqueles com

tempo de sobrevida observado superior a 6 anos e que consideraram como

data disponiacutevel para estimar a sobrevida a data da primeira consulta tanto para

tangente hiperboacutelica (2071) quanto para funccedilatildeo zero based log sigmoide

(2150)

Os melhores resultados da rede neural observados nesta fase

coincidiram com os melhores resultados revelados pela rede neural na primeira

fase do aprendizado da rede

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede

neural

Os resultados da previsatildeo de sobrevida sugeridos pela rede neural

estatildeo apresentados na tabela 12 o erro de estimativa da rede variou de acordo

com o modelo de dados da rede neural A comparaccedilatildeo dos erros (previsto pela

rede neural versus observado na evoluccedilatildeo) para cada paciente estaacute

Resultados 34

representada nas tabelas 13 14 15 16 e 17 (estimativas individuais) Os

resultados obtidos foram

a) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n = 19 sobreviventes) da rede comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 3562 (desvio-

padratildeo 2498) para 4755 (desvio-padratildeo 1384) com homogeneidade dos

erros de previsatildeo maior (menor desvio-padratildeo)

Poreacutem individualmente os erros de previsatildeo da comparaccedilatildeo com o

real foram superiores a 44 em 7368 (14 pacientes) do total de pacientes da

amostra e inferiores a 40 em 2632 (5 pacientes) do total de pacientes para

este modelo de dados da rede neural (Tabela 13)

b) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data de iniacutecio dos sintomas e funccedilatildeo zero based log sigmoid ndash a

meacutedia dos erros de previsatildeo (n = 2 sobreviventes) comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 1155 para

4037 com discreta diferenccedila na homogeneidade dos erros de previsatildeo

respectivamente desvios-padratildeo 1249 e 1365 Para os dois pacientes deste

modelo de dados da rede neural os resultados de 5002 e 3072 de

sobrevida natildeo permitiram avaliar da precisatildeo da rede neural (Tabela 14)

c) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

dos erros de previsatildeo (n=2 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 4095 (desvio-padratildeo

1237) para 5614 (desvio-padratildeo 001) com homogeneidade dos erros de

previsatildeo maior (desvio-padratildeo menor) Para os dois pacientes deste modelo de

dados da rede neural os resultados de previsatildeo da sobrevida de 5615 e

5614 natildeo permitiram avaliar a precisatildeo da rede neural (Tabela 15)

d) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia dos

erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros de

previsatildeo dos falecidos em 2013 diminuiu de 2120 (desvio-padratildeo 1396)

para 1880 (desvio-padratildeo 1239) com a dispersatildeo em torno da meacutedia do

Resultados 35

erro de previsatildeo mais homogecircneo (desvio-padratildeo menor) Os resultados

individuais para este modelo de dados da rede neural dos erros de previsatildeo

da comparaccedilatildeo com o real variaram de 069 a 387 Os resultados

superiores a 26 de erro previsatildeo da sobrevida foram observados em 10

pacientes (2778) do total de pacientes da amostra e foram inferiores a 25

em 26 pacientes (7222 ) Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 11 (Tabela 16)

e) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 1848 (desvio-padratildeo

1354) para 1948 (desvio-padratildeo 1167) com maior homogeneidade (menor

desvio-padratildeo) Os resultados individuais dos erros de previsatildeo da comparaccedilatildeo

com o real variaram de 095 a 4588 Os resultados superiores a 26 de

erro de previsatildeo da sobrevida foram observados em 13 pacientes (3611) e

inferiores a 25 em 23 pacientes (6389) do total de pacientes para este

modelo de dados da rede Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 13 (Tabela 17)

A anaacutelise dos resultados de previsatildeo da sobrevida pela rede neural

sugere que os modelos de redes neurais com tempo de sobrevida observada

superior a seis anos considerando a data da primeira consulta tanto para a

funccedilatildeo tangente hiperboacutelica quanto para a funccedilatildeo zero based log sigmoid

apresentaram maior precisatildeo na estimativa da sobrevida

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural

Foram incorporados para aprendizado-treinamento dos modelos de

dados de rede neural 44 pacientes com dados completos dos 83 pacientes que

vieram a falecer em 2013 (reensaio 1 ndash Tabela 18) e 30 pacientes com dados

completos dos 50 pacientes que faleceram em 2014 (reensaio 2 ndash Tabela 19)

Os resultados obtidos foram

Resultados 36

a) reensaio incorporando os oacutebitos ateacute 2013 - os testes de reensaio

realizados em 145 pacientes com oacutebito e informaccedilotildees completas (101 falecidos

em 2012 e 44 em 2013) e a estimativa de sobrevida da rede neural em 269

pacientes (186 falecidos em 2012 e 83 pacientes em 2013) Foi realizado o

reensaio para os melhores modelos de dados da rede neural para previsatildeo da

sobrevida

a1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo de

sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1376 quando comparado com a previsatildeo inicial sem esse dado (1277)

(Tabela 18) A meacutedia geral dos erros reais de previsatildeo da sobrevida pela rede

diminuiu de 2120 (desvio-padratildeo 1396) para 848 (desvio-padratildeo 961)

apoacutes o reensaio 1 (Tabela 20) A homogeneidade dos erros de previsatildeo foi

maior (menor desvio-padratildeo)

a2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1230 quando comparado com o resultado de previsatildeo inicial sem esses

dados (1137) (Tabela 18) A meacutedia geral dos erros reais de previsatildeo da

sobrevida pela rede neural diminuiu de 1848 (desvio-padratildeo 1410) para

1124 (desvio-padratildeo 851) apoacutes o reensaio 1 (Tabela 21) A homogeneidade

dos erros de previsatildeo foi maior (menor desvio-padratildeo)

b) reensaio incorporando os oacutebitos ateacute 2014 - Os testes de reensaio

realizados em 175 pacientes com oacutebito identificado e informaccedilotildees completas

(145 pacientes falecidos 2012 e 30 em 2014) A previsatildeo da estimativa de

sobrevida da rede neural foi realizada em 319 pacientes (269 pacientes

falecidos em 2012 e 50 em 2013) Foi realizado o reensaio para os melhores

modelos de dados da rede neural para previsatildeo da sobrevida

b1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo da

sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1733 quando comparado com o resultado de previsatildeo inicial sem esse dado

Resultados 37

(1277) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 2120 (desvio-padratildeo 1396) para 910 (desvio-

padratildeo 961) apoacutes o reensaio 2 (Tabela 22) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

b2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1488 quando comparado com o resultado de previsatildeo inicial sem esse dado

(1137) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 1848 (desvio-padratildeo 1410) para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 (Tabela 23) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede

neural

Foram comparadas as meacutedias dos erros de previsatildeo da sobrevida (n =

36 pacientes) pela rede neural sem a incorporaccedilatildeo dos oacutebitos de 2013 e 2014

com a incorporaccedilatildeo dos oacutebitos de 2013 e 2014 Os resultados obtidos foram

a) modelo de rede com tempo de sobrevida observado acima de 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

geral (n= 36 pacientes) dos erros sem a incorporaccedilatildeo dos oacutebitos de 2013 e

2014 de previsatildeo da sobrevida pela rede comparados com os resultados apoacutes

os reensaios incorporando os oacutebitos de 2013 e 2014 diminuiu

respectivamente de 2120 (desvio-padratildeo 1396) para a 848 (desvio-

padratildeo 961) e 910 (desvio-padratildeo 787) A homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 2 foi maior (menor desvio-

padratildeo)

Os resultados individuais das meacutedias dos erros de previsatildeo da

sobrevida foram inferiores a 10 em 75 (27 pacientes) e superiores a 15

em 25 (9 pacientes) do total de pacientes para o reensaio 1 (Tabela 22)

Resultados 38

Para o reensaio 2 os erros de previsatildeo da sobrevida pela rede neural foram

inferiores a 10 em 7222 (26 pacientes) e superiores ou iguais a 15 em

2778 (10 pacientes) do total de pacientes (Tabela 22)

b) modelo de rede com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

geral (n = 36 pacientes) dos erros de previsatildeo da sobrevida pela rede sem a

incorporaccedilatildeo dos oacutebitos de 2013 e 2014 comparados com os resultados apoacutes

o reensaio 1 incorporando os oacutebitos diminuiu de 1848 (desvio-padratildeo

1410) para 1124 (desvio-padratildeo 851) e aumentou para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 com maior homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 1 (menor desvio-padratildeo) (Tabela

23) Os resultados individuais das meacutedias dos erros de previsatildeo da sobrevida

incorporando os oacutebitos de 2013 e 2014 foram inferiores ou iguais a 10 em

6111 (22 pacientes) e superiores a 15 em 3889 (14 pacientes) do total

de pacientes para o reensaio 2 (Tabela 23)

Em siacutentese os resultados obtidos pelos testes para os dois melhores

modelos de dados da rede neural sugerem que

a) houve aprendizado satisfatoacuterio da rede neural pela atualizaccedilatildeo dos

dados de mortalidade de anos subsequentes

b) a acuraacutecia das meacutedias dos erros de previsatildeo da sobrevida apoacutes a

incorporaccedilatildeo dos oacutebitos ocorridos em 2013 e 2014 foi melhor quando

comparada com as meacutedias de previsatildeo da rede neural para os sobreviventes

ateacute 2012

c) os resultados das meacutedias gerais dos erros de previsatildeo da sobrevida

foram satisfatoacuterios mas inferiores a 13 apoacutes a incorporaccedilatildeo dos oacutebitos de

2013 e 2014

d) o modelo de dados com limite de sobrevida superior a seis anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica teve a melhor

precisatildeo da rede neural na previsatildeo da sobrevida com erro inferior a 10

e) a precisatildeo da previsatildeo da sobrevida quando avaliada caso a caso

apoacutes a incorporaccedilatildeo dos oacutebitos ocorridos em 2013 permite resultados

satisfatoacuterios (erro de previsatildeo lt 5) em 16 casos mas tambeacutem incorre em

Resultados 39

erros de previsatildeo insatisfatoacuterios (gt30) em dois casos num total de 36 casos

para este modelo de rede

f) a categorizaccedilatildeo do tempo de sobrevida observado eacute importante para

o aprendizado-treinamento da rede neural na previsatildeo da sobrevida

43 Avaliaccedilatildeo dos melhores modelos da rede neural

Os resultados do desempenho dos melhores modelos de rede neural

para a previsatildeo da sobrevida foram avaliados

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo

valor preditivo negativo da rede neural

Para os seis melhores modelos de rede neural os resultados

evidenciaram sensibilidade que variou entre 930 e 872 especificidade

entre 775 e 667 acuraacutecia entre 852 e 789 valor preditivo positivo

que variou entre 880 e 536 e valor preditivo negativo entre 974 e 714

(Tabela 23)

Os resultados obtidos pelos melhores modelos de dados avaliados

permitem a seguinte siacutentese

a) no modelo de rede neural com tempo de sobrevida observado

superior a 6 anos a partir da data da consulta inicial com intervalo de corte de

trecircs anos (1095 dias) a sensibilidade foi de 93 (com ambas as funccedilotildees de

ativaccedilatildeo) especificidade de 775 (funccedilatildeo tangente hiperboacutelica) e 764

(funccedilatildeo zero based log sigmoid) acuraacutecia da rede foi satisfatoacuteria de 81 ou

802 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo negativo alto de

974 (com ambas as funccedilotildees de ativaccedilatildeo) e valor preditivo positivo baixo de

547 ou 536 (dependendo da funccedilatildeo de ativaccedilatildeo)

Resultados 40

b) no modelo de rede neural com tempo de sobrevida observado entre

2 anos e 6 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de dois anos (730 dias) a sensibilidade foi de 898 (com ambas as funccedilotildees

de ativaccedilatildeo) especificidade de 765 (funccedilatildeo zero based log sigmoid) e 725

(funccedilatildeo tangente hiperboacutelica) acuraacutecia da rede foi satisfatoacuteria de 839 e

852 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo alto de 88

ou 863 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo alto

de 796 ou 787 (dependendo da funccedilatildeo de ativaccedilatildeo)

c) no modelo de rede neural com tempo de sobrevida observado

inferior a 2 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de um ano (365 dias) a sensibilidade foi razoaacutevel de 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade inadequada de 667 e 625

(dependendo da funccedilatildeo de ativaccedilatildeo) acuraacutecia satisfatoacuteria de 803 e 789

(dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo razoaacutevel de 837

e 820 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo

de 7275 e 714 (dependendo da funccedilatildeo de ativaccedilatildeo)

d) os resultados foram insatisfatoacuterios nas estimativas por tempo de

seguimento observado superior a 6 anos a partir da data do iniacutecio dos

sintomas com intervalo de corte de dois anos independentemente da funccedilatildeo

de ativaccedilatildeo bem como no tempo de sobrevida observado inferior a 2 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de seis meses

independentemente da funccedilatildeo de ativaccedilatildeo Nos modelos com tempo de

seguimento observado entre 2 anos e 6 anos com intervalo de corte de um

ano independentemente da funccedilatildeo de ativaccedilatildeo tanto para a data do iniacutecio dos

sintomas quanto para a data da consulta inicial os resultados foram

insatisfatoacuterios (Tabela 24)

432 Funccedilatildeo de perda da rede neural

O erro ou perda meacutedia estimada da sobrevida para os melhores

modelos de rede neural (Tabela 25) revelou

Resultados 41

a) o erro meacutedio de previsatildeo da sobrevida variou de 12695 dias a

38931 dias

b) os menores erros de previsatildeo (12695 dias e 13307 dias) foram

obtidos pelo modelo de rede neural com tempo de sobrevida inferior a 2 anos e

o tempo estimado desde a data de iniacutecio dos sintomas

c) os segundos menores erros de previsatildeo (23161 dias e 25906 dias)

foram alcanccedilados pelo modelo de rede neural com tempo de sobrevida entre 2

anos e 6 anos e o tempo estimado desde a data de iniacutecio dos sintomas

d) os piores erros de estimativa foram (29388 dias 33255 dias e

38931 dias) para tempo de sobrevida superior a 6 anos e tempo de sobrevida

entre 2 anos e 6 anos com informaccedilatildeo da data da primeira consulta

Os melhores resultados da funccedilatildeo de perda foram obtidos pelos

modelos de rede neural com o menor nuacutemero de pacientes (tamanho da

amostra = 47) e com informaccedilatildeo da data do iniacutecio dos sintomas

A avaliaccedilatildeo pelo emprego da funccedilatildeo de perda revelou a estimativa da

rede neural que pode alcanccedilar erros de 44 meses ateacute 11 anos para mais ou

para menos

5 Discussatildeo

Discussatildeo 43

A casuiacutestica estudada tem caracteriacutesticas de interesse para a

interpretaccedilatildeo dos achados e potenciais implicaccedilotildees cliacutenicas dos resultados

obtidos

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes

Trata-se de casuiacutestica ambulatorial diversa de casuiacutesticas de

publicaccedilotildees de nosso meio que avaliaram pacientes hospitalizados (Bestetti et

al 1997 Pereira Barretto et al 1998 Carlo et al 2014 Albuquerque et al

2015) Tambeacutem eacute digno de nota o fato de ser hospital acadecircmico de referecircncia

terciaacuteria que integra a rede do Sistema Uacutenico de Sauacutede (SUS) incluindo entre

suas responsabilidades institucionais identificar pacientes com insuficiecircncia

cardiacuteaca de prognoacutestico mais reservado com necessidade de tratamentos

complexos

511 Casuiacutestica

A casuiacutestica (n=2128) pode ser estimada grande comparada com

outras que avaliaram incidecircncia e fatores desencadeantes (n=903) (Pereira

Barretto et al 1998) sobrevida (n= 104) (Mady et al 1994) prognoacutestico

(n=1220 - Freitas et al 2004 ou n=944 - Nadruz et al 2018) fatores preditores

de mortalidade (n=56) (Bestetti et al 1994) modelo cliacutenico de prediccedilatildeo

ambulatorial de sobrevida (n=268) (Aaronson et al 1997) impacto de

comorbidades na estratificaccedilatildeo prognoacutestica ambulatorial (n=807) (Senni et al

2006) de pacientes com insuficiecircncia cardiacuteaca Poreacutem dada a natureza

generalizada sob ponto de vista cardioloacutegico de certa forma aberta do Serviccedilo

lidamos com pacientes que recebem o diagnoacutestico cliacutenico sem restriccedilotildees

quanto a casuiacutesticas apenas de homens (Mady et al 1994) etiologia da

doenccedila de Chagas (Bestetti et al 1994) ou isquecircmica (Lewis et al 2003) ou

Discussatildeo 44

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo inferior ou igual a 40 (Gradman et

al1989)

512 Idade

A meacutedia da idade na casuiacutestica (577 anos desvio-padratildeo 131) foi de

pacientes com idade inferior a 65 anos (71) agrave semelhanccedila de outros estudos

que verificaram meacutedias de idade entre 517 anos (desvio- padratildeo 83) e 59

anos (desvio- padratildeo 14 anos) (Bestetti et al 1997 Freitas et al 2005 Silva et

al 2007 Nadruz et al 2018) embora haja casuiacutesticas publicadas com meacutedia

de idade superior a 61 anos (Roger et al 2004 Rohde et al 2005 Moutinho

et al 2008 Shah et al 2017) e outra com meacutedia de idade de 48 anos desvio-

padratildeo 12 anos (Nunes et al 2008)

Portanto nossa casuiacutestica identificou no periacuteodo de estudo pacientes

adoecidos em fase potencialmente produtiva da vida com suas eventuais

implicaccedilotildees familiares econocircmicas e sociais

513 Sexo

A frequecircncia de homens em relaccedilatildeo a mulheres predominou (64) na

casuiacutestica assim como em outros estudos (Likoff et al 1987 Bestetti et al

1997 Lewis et al 2003 Freitas et al 2005 Rassi et al 2006 Ahmed et al

2006a Theodoropoulos et al 2007 Nunes et al 2008 Marcula et al 2011

Carlo et al 2014 Gheorghiade et al 2013 Abdul-Rahim et al 2016 Nadruz

et al 2018)

Por outro lado haacute estudos em que o sexo feminino foi mais frequente

(Mahmood et al 2014 Gradman et al 1989 MacIntyre et al 2000 Roger et

al 2004 Ahmed et al 2006b Fonarow et al 2007b Moutinho et al 2008

Gerber et al 2015 Albuquerque et al 2015)

Discussatildeo 45

Por conseguinte ainda que a frequecircncia de homens predomine na casuiacutestica

as mulheres compotildeem contingente relevante (Ponikowski et al 2016)

514 Antecedentes

Na nossa casuiacutestica a maioria dos pacientes foi de natildeo diabeacuteticos

(70) e entre aqueles com diagnoacutestico de diabete melito (23) houve 18

insulino - independentes Pacientes com antecedentes de hipertensatildeo arterial

foram prevalentes (72) na casuiacutestica Tais caracteriacutesticas reiteram a

importacircncia epidemioloacutegica da hipertensatildeo arterial em relaccedilatildeo tambeacutem agrave

insuficiecircncia cardiacuteaca

515 Etiologia

A distribuiccedilatildeo da etiologia revisada em cada paciente tem

caracteriacutesticas proacuteprias quanto agrave frequecircncia das cardiopatias hipertensiva

(43) isquecircmica (25) cardiopatia da doenccedila de Chagas (16) cardiopatia

dilatada idiopaacutetica (10) e alcooacutelica (7)

Em outras casuiacutesticas brasileiras houve predomiacutenio de cardiomiopatia

dilatada idiopaacutetica (282 a 372) (Freitas et al 2005 Silva et al 2007) e

isquecircmica (21 a 33) (Pereira Barretto et al 1998 Albuquerque et al 2015

Nadruz et al 2018)

Em casuiacutestica de outros paiacuteses houve diferenccedila na distribuiccedilatildeo

etioloacutegica nas amostras estudadas com a maior frequecircncia de cardiomiopatia

dilatada idiopaacutetica (Keogh et al 1990) ou a etiologia isquecircmica (Senni et al

1999 Levy et al 2006 Abraham et al 2008)

Por isso esta casuiacutestica permite a interessante possibilidade de

avaliaccedilatildeo comparativa de diferentes etiologias da insuficiecircncia cardiacuteaca

Discussatildeo 46

516 Iacutendice de massa corpoacuterea

A meacutedia do iacutendice de massa corpoacuterea foi baixa (269 kgm2 desvio-

padratildeo 57) o valor inferior a 25 kgm2 e o superior a 30 kgm2 ocorreram

respectivamente em 31 e 18 dos pacientes Portanto extremos de massa

corpoacuterea que podem se associar ao prognoacutestico natildeo foram frequentes (Anker

et al 1997 2003 Kenchaiah et al 2002 Veloso et al 2005 Okoshi et al

2017)

517 Frequecircncia cardiacuteaca

A meacutedia da frequecircncia cardiacuteaca foi 8078 (desvio-padratildeo 1597)

batimentos por minuto e os extremos superior a cem batimentos por minuto e

inferiores a 60 batimentos por minuto ocorreram respectivamente em 7 e

3 dos pacientes com insuficiecircncia cardiacuteaca Tais dados podem ser uacuteteis

tambeacutem para o planejamento terapecircutico (Swedberg et al 2010) uma vez

que a frequecircncia cardiacuteaca elevada eacute um fator de risco (Kannel 1987 Pocock et

al 2006 Boumlhm et al 2010) e um preditor de mortalidade (Ariel et al 2005)

518 Pressatildeo arterial sistoacutelica e diastoacutelica

O valor meacutedio da pressatildeo arterial sistoacutelica foi de 1375 mm Hg com

desvio-padratildeo 288 mm Hg e o valor meacutedio da pressatildeo arterial diastoacutelica de 88

mm Hg com desvio-padratildeo 171 mm Hg o que natildeo deixa de ser digno de nota

em relaccedilatildeo ao antecedente de hipertensatildeo arterial frequente

Discussatildeo 47

Pressatildeo arterial sistoacutelica superior a 130 mm Hg (46 dos pacientes) foi

frequente e inferior a 100 mm Hg mais rara (4) por outro lado pressatildeo

arterial diastoacutelica superior a 90 mm Hg e inferior a 80 mm Hg foram

observadas respectivamente em 30 e 21 dos pacientes Em amostra

ambulatorial os extremos de pressatildeo arterial que podem ter significado

prognoacutestico (Vasan et al 2001 Lewis et al 2003 Lee DS et al 2003 Klein et

al 2005 Pocock et al 2006) natildeo foram frequentes

519 Classe funcional

Como casuiacutestica ambulatorial a maior parte dos pacientes (65) da

casuiacutestica estava na classe funcional II ou III da New York Heart Association

enquanto 28 na classe funcional I e IV em igual porcentagem demonstrando

que a maioria dos pacientes se encontrava em condiccedilatildeo estaacutevel de modo a

permitir a orientaccedilatildeo terapecircutica apropriada

5110 Tempo decorrido ateacute o desfecho

Um singularidade desta casuiacutestica satildeo as informaccedilotildees de desfechos no

longo prazo pois a casuiacutestica de 2003 a 2007 teve as informaccedilotildees de

desfechos recuperadas ateacute 2014 com tempo meacutedio de seguimento de 596

meses (desvio-padratildeo 418 meses) O tempo de observaccedilatildeo de outras

casuiacutesticas brasileiras publicadas variou de 1 ano a 64 anos (Bestetti et al

1994 Mady et al 1994 Pereira Barretto et al 1998 Freitas et al 2005 Carlo

et al 2014)

Discussatildeo 48

5111 Variaacuteveis ecocardiograacuteficas

Quanto agraves variaacuteveis ecocardiograacuteficas identificamos o diacircmetro do

aacutetrio esquerdo o diacircmetro diastoacutelico do ventriacuteculo esquerdo e a espessura do

septo interventricular associados agrave mortalidade Esse achado vai ao encontro

de publicaccedilotildees anteriores que relacionaram a dimensatildeo do aacutetrio esquerdo

(Hsiao Chiou 2013) e a dimensatildeo diastoacutelica do ventriacuteculo esquerdo com

prognoacutestico de mortalidade (Freitas et al 2005)

Reiteramos o achado da natildeo associaccedilatildeo entre o diacircmetro sistoacutelico de

ventriacuteculo esquerdo e o prognoacutestico de sobrevida o que vai de encontro a

outros estudos que observaram fraca associaccedilatildeo do diacircmetro sistoacutelico de

ventriacuteculo esquerdo com sobrevida em pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca (Cowie et al 2000) Por outro lado a associaccedilatildeo da

espessura do septo interventricular com a mortalidade foi um achado curioso

A distribuiccedilatildeo da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo reflete as

caracteriacutesticas de casuiacutestica ambulatorial e observamos que os valores

observados natildeo foram associados com o prognoacutestico o que vai de encontro a

outros estudos (Cohn et al 1986 19871988 Gradman et al 1989 Lewis et

al 2003 Pfeffer et al 2003 Freitas et al 2005 Pocock et al 2006 Rassi et

al 2007 Lupoacuten et al 2017)

Natildeo deixa de ser de interesse a restriccedilatildeo ao uso da fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo na estratificaccedilatildeo da insuficiecircncia cardiacuteaca em algumas

circunstacircncias ndash no caso de idosos e hospitalizados ndash (Shah et al 2017) e o

conceito que a fraccedilatildeo de ejeccedilatildeo natildeo seja um marcador acurado de risco de

pacientes apoacutes internaccedilatildeo hospitalar (Steinberg Fang 2017) Talvez este fato

esteja relacionado ao fato de que nas formas mais avanccediladas da doenccedila tanto

os diacircmetros ventriculares quanto a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

atenuem sua associaccedilatildeo com a sobrevida (Veloso et al 2005) Possivelmente

nesta casuiacutestica o mesmo se aplique uma vez que a variaacutevel fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo natildeo se revelou associada ao prognoacutestico de sobrevida

Discussatildeo 49

5112 Variaacuteveis laboratoriais

Entre as variaacuteveis laboratoriais identificamos agrave semelhanccedila de outros

estudos a taxa de potaacutessio seacuterico (Ahmed et al 2007 Bielecka-Dabrowa et

al 2012) a taxa de creatinina seacuterica (Silverberg et al 2000 Vardeny et al

2012 Zanaad et al 2013 Damman et al 2014 Pimentel et al 2014

Palazzuoli et al 2016) e a taxa de colesterol (Volpato et al 2001a Horwich et

al 2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006) associadas ao prognoacutestico

Por outro lado verificamos que a dosagem seacuterica de soacutedio natildeo foi

associada ao prognoacutestico o que vai de encontro a outros estudos que

correlacionaram a concentraccedilatildeo mais baixa de soacutedio seacuterico agrave severidade da

insuficiecircncia cardiacuteaca (Klein et al 2005) e como preditor de mortalidade (Lee

WH Packer 1986 Lee DS et al 2003 Milo-Cotter et al 2008 Abraham et al

2008 Waikar et al 2009 Kajimoto et al 2016)

Reproduzimos neste estudo a observaccedilatildeo de natildeo associaccedilatildeo da

dosagem seacuterica de hemoglobina com o prognoacutestico Uma possiacutevel explicaccedilatildeo

estaria relacionada agrave baixa prevalecircncia da anemia (11 de pacientes com

hemoglobina seacuterica inferior a 12 gdl) quando comparada com a prevalecircncia

tanto em pacientes ambulatoriais de 426 (Go et al 2006) a 556

(Silverberg et al 2000) quanto em pacientes hospitalizados de 17

(Ezekowitz et al 2003) a 45 (Maraldi et al 2006) Entretanto os resultados

que observamos vatildeo de encontro a outros autores (Ezekowitz et al 2003

Anand et al 2004 Maraldi et al 2006 Levy et al 2006 Tang Katz 2008

Kyriakou Kiff 2016) que associaram a anemia com prognoacutestico

Talvez a explicaccedilatildeo para nossa observaccedilatildeo que vai ao encontro de

estudos (Anand et al 2005 Abebe et al 2017) e da afirmaccedilatildeo de Inder S

Anand seja a presenccedila de anemia como marcador de risco natildeo como preditor

de mortalidade (Anand 2008)

Discussatildeo 50

As taxas seacutericas de leucoacutecitos e de linfoacutecitos foram outras variaacuteveis

laboratoriais avaliadas em nossa casuiacutestica que natildeo foram associadas com o

prognoacutestico de sobrevida o que vai de encontro a outros estudos que

associaram valores baixos de linfoacutecitos ndash mas natildeo agrave dosagem seacuterica de

leucoacutecitos ndash com mortalidade (Acanfora et al 2001 Huehnergarth et al 2005

Charach et al 2011 Uthamalingam et al 2011 Marcula et al 2015)

5113 Medicamentos em uso

Verificamos a subutilizaccedilatildeo do tratamento medicamentoso

recomendado (Bocchi et al 2009 2012 Ponikowski et al 2016) para os

pacientes com insuficiecircncia cardiacuteaca com fraccedilatildeo de ejeccedilatildeo reduzida Fatores

de aderecircncia ao tratamento medicamentoso recomendado tecircm sido

reconhecidos como desafios no tratamento de pacientes (Chizzola et al 1996

Pereira-Barretto et al 2001) A preocupaccedilatildeo com a subutilizaccedilatildeo do

tratamento medicamentoso por diferentes motivos tem existido em nosso

meio haacute vinte e dois anos Poreacutem esperar-se-ia que fosse menor hoje do que

a observada em nossa casuiacutestica Tal verificaccedilatildeo tambeacutem foi feita em outros

paiacuteses em duas grandes coortes com respectivamente 105388 pacientes

(53 55856 pacientes em uso de inibidores da enzima de conversatildeo da

angiotensina ou bloqueadores do receptor da angiotensina e 48 50586

pacientes em uso de betabloqueadores) do Registro ADHERE (Acute

Descompensated Heart Failure National Registry) (Gheorghiade Filippatos

2005) e em 6505 pacientes (56 3643 pacientes em uso de 50 da dose

alvo de betabloqueador) do estudo SHIFT (Systolic Heart Failure tratment with

the inhibitor Ivabradine Trial) (Swedberg et al 2010)

Curiosamente verificamos que o nuacutemero de medicamentos em uso da

maneira como foi analisado natildeo foi associado ao prognoacutestico

Discussatildeo 51

5114 Mortalidade

A mortalidade geral por todas as causas em nossa casuiacutestica foi alta

(60) nos onze anos de seguimento ambulatorial em consonacircncia a outras

experiecircncias da literatura (Roger et al 2004 Barker et al 2006) foi superior

nos pacientes do sexo masculino e nos idosos (acima de 65 anos) e

comparaacutevel agrave casuiacutestica estrangeira com meacutedia de oito anos de

acompanhamento cuja mortalidade foi similarmente alta (678) e mais

frequente (54) nos pacientes acima de 80 anos (Gerber et al 2015)

Os dados de evoluccedilatildeo tardia satildeo uma peculiaridade relevante desta

casuiacutestica De fato observaccedilotildees dilatadas no tempo satildeo uacuteteis para divisar a

evoluccedilatildeo de doenccedilas

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica

Estimamos a probabilidade de sobrevida em relaccedilatildeo agraves caracteriacutesticas

demograacuteficas cliacutenicas e laboratoriais escolhidas dentre 45 variaacuteveis reduzidas

para 33 em funccedilatildeo de redundacircncia de informaccedilatildeo impliacutecita na variaacutevel Eacute de

interesse observar a influecircncia de cada variaacutevel obtida no exame de rotina no

decorrer de quase uma deacutecada de acompanhamento

Eacute oportuno enfatizar o tratamento dos dados faltantes quase inerentes

a este estudo da aacuterea de epidemiologia cliacutenica em condiccedilotildees da vida real (real

life conditions) sempre um desafio cientiacutefico e estatiacutestico pois haacute os limites do

controle possiacutevel na atividade cotidiana que dissipa controles estritos atinentes

a protocolos (protocol conditions)

Em estudo anterior foi submetida a teste a hipoacutetese de ordenar os

dados faltantes para cada variaacutevel em uma categoria atenuando a perda de

participantes com informaccedilatildeo na modelagem estatiacutestica e consequentemente

com perda da estimativa tambeacutem para os participantes com dado faltante

(Paes 2007 Assunccedilatildeo 2012) Tivemos a oportunidade de nos apoiarmos

Discussatildeo 52

nesse meacutetodo amenizando assim o escape de potenciais resultados

relevantes pela perda da informaccedilatildeo sem comprometer a confiabilidade do

resultado obtido (Nunes 2009 Nunes 2011 Kaambwa et al 2012) pela

necessidade de enfrentar a realidade praacutetica de dados faltantes (Little et al

2012 Ware et al 2012)

Em relaccedilatildeo agraves variaacuteveis demograacuteficas e cliacutenicas a idade se revelou

significativa (plt0001) agrave similitude da observaccedilatildeo de outros autores (Klein et

al 2005 Abraham et al 2008) e a probabilidade de sobrevida foi

significativamente menor em relaccedilatildeo aos pacientes com mais de 65 anos de

idade observaccedilatildeo condizente com estudos preacutevios (MacIntyre et al 2000

Lewis et al 2003 Roger et al 2004 2013 Barker et al 2006 Pocock et al

2006) nos pacientes com iacutendice de massa corpoacuterea inferior a 25 kgm2

acordes com outras experiecircncias (Horwich et al 2001 Davos et al 2003

Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) nos pacientes

com doenccedila de Chagas concordante com observaccedilotildees feitas no decorrer de

deacutecadas (Freitas et al 2002 2005 Nunes et al 2008 2013 Issa et al 2010

Rassi et al 2010 Bocchi et al 2017 Nadruz et al 2018) Tambeacutem foi menor

a probabilidade de sobrevida para pacientes em classe funcional III e IV da

New York Heart Association de acordo com as observaccedilotildees em estudos

preacutevios (Pocock et al2006 Theodoropoulos et al 2008) e em pacientes com

histoacuteria de diabetes melito sem o uso de insulina ou com o uso de insulina

conforme estudos anteriores de outros pesquisadores (Pfeffer et al 2003

Pocock et al 2006)

Por outro lado pacientes com pressatildeo arterial diastoacutelica superior a 90

mm Hg demonstraram maior probabilidade de sobrevida tendecircncia tambeacutem

observada por outros autores (Poole-Wilson et al 2003 Kalantar-Zadeh et al

2004 Pocock et al 2006)

Entre os dados de exames complementares verificamos menor

probabilidade de sobrevida nos doentes com espessura do septo

interventricular superior a 12 mm no diacircmetro diastoacutelico do ventriacuteculo esquerdo

superior a 75 mm no diacircmetro do aacutetrio esquerdo (Hsiao Chiou 2013) superior

ou igual a 40 mm na dosagem seacuterica do potaacutessio superior a 50 mEqL de

Discussatildeo 53

acordo com observaccedilotildees de outros autores (Rossignol et al 2011) Na

dosagem seacuterica de colesterol total inferior a 200 mgdl concorde com outros

pesquisadores (Krumholz et al 1994 Volpato et al 2001b Horwich et al

2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004 Afsarmanesh

et al 2006 Christ et al 2006 Kjekshus et al 2007) e na dosagem seacuterica da

creatinina superior a 26mgdL achados em harmonia com outras experiecircncias

(Dries et al 2000 Fonarow et al 2005 Vardeny et al 2012 Damman et al

2014 Pimentel et al 2014 Kang et al 2018)

Reproduzimos neste estudo a observaccedilatildeo da relaccedilatildeo inversa entre a

elevaccedilatildeo de algumas variaacuteveis cliacutenicas e laboratoriais e a melhor probabilidade

de sobrevida significativamente maior que confirmaram os resultados de

outros estudos para a pressatildeo arterial diastoacutelica (Horwich et al 2001 Kalantar-

Zadeh et al 2004) iacutendice de massa corpoacuterea (Horwich et al 2001 Davos et

al 2003 Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) e

dosagem de colesterol total (Krumholz et al 1994 Volpato et al 2001a

Horwich et al 2002 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006 Christ et al 2006 Kjekshus et al 2007 Horwich et

al 2008)

Na maioria dos pacientes (86 dos pacientes) observamos que a

dosagem de hemoglobina seacuterica foi superior a 12 mgdl e estes evoluiacuteram com

melhor sobrevida ao longo do tempo o que vai de encontro ao observado

(Silverberg et al 2000)

Reiteramos a relaccedilatildeo inversa entre a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo e a mortalidade concordante com estudos preacutevios (Senni Redfield

2001) poreacutem a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo foi associada com o

prognoacutestico apenas na anaacutelise univariada o que vai de encontro a observaccedilotildees

preacutevias de outros estudos (Cohn et al 1988 Gradman et al 1989 Cintron et

al 1993 Lewis et al 2003 Freitas et al 2005 Pocock et al 2006) mas natildeo

se manteve como variaacutevel significante na anaacutelise subsequente

A nossa casuiacutestica caracterizou-se pela baixa utilizaccedilatildeo do tratamento

medicamentoso recomendado apesar dos avanccedilos observados nos uacuteltimos

Discussatildeo 54

trinta anos (Sacks et al 2014 McMurray et al 2014) que comprovaram a

reduccedilatildeo na fraccedilatildeo de ejeccedilatildeo e de mortalidade (Burnett et al 2017)

Reproduzimos que 14 e 49 dos pacientes respectivamente natildeo

fizeram uso dos inibidores da enzima de conversatildeo da angiotensina ou do

bloqueador do receptor da angiotensina e do antagonista da aldosterona e

mais da metade dos pacientes (55) natildeo fizeram uso de betabloqueador

apesar da importacircncia do seu uso contra o deleteacuterio efeito da ativaccedilatildeo do

sistema nervoso simpaacutetico (Khan 2015) e da reduccedilatildeo de 34 na mortalidade

nos pacientes com etiologia isquecircmica (Hjalmarson et al 2000) bem como a

reduccedilatildeo de 35 na mortalidade em pacientes com insuficiecircncia cardiacuteaca

(Packer et al 2001) Sendo assim nossos resultados se aproximam das

tendecircncias observadas em estudos recentes em que 83 dos pacientes

fizeram uso de betabloqueador 16 de inibidores da enzima de conversatildeo

56 de bloqueadores do receptor da angiotensina e 21 com antagonistas

da aldosterona (Shah et al 2017 Steinberg et al 2017)

Verificamos mortalidade em cinco anos de 32 e em onze anos de

60 semelhante agraves observaccedilotildees de estudos nacionais (Godoy et al 2011

Kaufman et al 2015) e internacionais (Roger et al 2004 Barker et al 2006

McMurray et al 2014 Sacks et al 2014 Gerber et al 2015) Ainda que

elevada e necessitando de reduccedilatildeo foi menor do que o observado no

Framingham Heart Study com mortalidade superior a 50 decorridos cinco

anos do diagnoacutestico de insuficiecircncia cardiacuteaca (Kenchaiah Vasan 2015)

Selecionamos assim as variaacuteveis para a avaliaccedilatildeo prognoacutestica pelo modelo

de riscos proporcionais de Cox

Para a construccedilatildeo do modelo de riscos proporcionais de Cox houve

um cuidado adicional para identificar variaacuteveis associadas com o prognoacutestico

Na primeira etapa contribuiacuteram apenas os dados vaacutelidos cujo interesse foi

comparar grupos e identificar diferenccedilas A partir da segunda etapa a categoria

dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis natildeo

significativas

A pressatildeo arterial sistoacutelica foi retirada do modelo pois na avaliaccedilatildeo da

significacircncia do seu efeito pelo teste de verossimilhanccedila somente a categoria

Discussatildeo 55

dos ldquodados faltantesrdquo foi relevante portanto foi eliminada como fator

prognoacutestico para a sobrevida

Na terceira etapa as variaacuteveis natildeo significativas foram reintroduzidas

testadas uma a uma no modelo e tiveram sua significacircncia recalculada para

confirmar que natildeo estariacuteamos perdendo a relevacircncia cliacutenica de alguma

variaacutevel O antecedente de diabetes revelou-se significante Assim

identificamos cuidadosamente as variaacuteveis associadas com o prognoacutestico

Uma variaacutevel que se revelou importante durante o estudo foi o tempo

decorrido desde o iniacutecio dos sintomas estimado a partir da anamnese dos

pacientes individualmente que informa de certo modo a evoluccedilatildeo da doenccedila

Eacute digno de nota que tal informaccedilatildeo baacutesica e fundamental estivesse ausente

em alta percentagem de pacientes (76) Nossa observaccedilatildeo reiterou a

importacircncia de um dado obteniacutevel na anamnese tanto na avaliaccedilatildeo da

probabilidade de sobrevida quanto nas estimativas da rede neural e que deve

sempre ser pesquisado nos pacientes

Apesar de estudos anteriores revelarem maior mortalidade associada agrave

taxa de soacutedio seacuterico (Klein et al 2005 Levy WC et al 2006 Abraham et al

2008) agrave concentraccedilatildeo de hemoglobina seacuterica (Levy WC et al 2006) agrave taxa

de trigliceacuterides (Freitas et al 2009) agrave fraccedilatildeo de lipoproteiacutena de baixa

densidade (Horwich et al 2008) agrave fraccedilatildeo de lipoproteiacutena de alta densidade

(Volpato et al 2001b) e ao valor da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(Levy WC et al 2006) em nossa casuiacutestica essas variaacuteveis natildeo foram

selecionadas pela anaacutelise estatiacutestica como fatores prognoacutesticos de sobrevida

Portanto natildeo foram eleitas como variaacuteveis preditoras de sobrevida para a rede

neural

A associaccedilatildeo sugerida entre a taxa de hemoglobina e o prognoacutestico

(Anand et al 2004 Ezekowitz et al 2003 Maraldi et al 2006 Tang et al

2008 Kyriakow et al 2016) como preditor de sobrevida (Levy WC et al

2006) e como marcador de risco (Anand et al 2005 2008 Abebe et al 2017)

natildeo foi reproduzida nos achados deste estudo Por outro lado diabetes melito

influiu negativamente no prognoacutestico Entre os dados ecocardiograacuteficos

tambeacutem observamos a associaccedilatildeo com o prognoacutestico do diacircmetro do aacutetrio

Discussatildeo 56

esquerdo (Hsiao Chiou 2013) do diacircmetro diastoacutelico do ventriacuteculo esquerdo

(Merlo et al 2011 Addetia et al 2015) e da espessura do septo

interventricular variaacuteveis selecionadas para a rede neural

Nas 12 variaacuteveis selecionadas como fator prognoacutestico na sobrevida os

dados faltantes foram inferiores a 31 iacutendice de massa corpoacuterea 18

pressatildeo arterial diastoacutelica 6 classe funcional segundo a New York Heart

Association diabetes melito 7 dosagem seacuterica de potaacutessio 5 dosagem

seacuterica de creatinina 3 dosagem seacuterica de colesterol total 30 espessura do

septo interventricular do ventriacuteculo esquerdo 37 diacircmetro diastoacutelico do

ventriacuteculo esquerdo 21 diacircmetro do aacutetrio esquerdo 22

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede

neural

Antes de avaliar os resultados obtidos pelo emprego da rede neural

cabem observaccedilotildees sobre questotildees metodoloacutegicas desenvolvidas na anaacutelise

531 Amostras aleatoacuterias

O emprego da rede neural pressupotildee as etapas de aprendizado-

treinamento e previsatildeo aleacutem de experimentar a melhor maneira de agrupar os

dados para que a rede neural aprenda e reconheccedila padrotildees a partir de

exemplos alcanccedilando melhor estimativa da sobrevida

O primeiro meacutetodo de aprendizado-treinamento utilizado foi ordenar a

casuiacutestica em trecircs grupos aleatoacuterios de forma que o aprendizado seria feito no

primeiro o treinamento no segundo e a aplicaccedilatildeo no terceiro grupo A

acuraacutecia da previsibilidade da rede nesta circunstacircncia foi muito baixa Tal

Discussatildeo 57

ocorreu provavelmente em razatildeo de agrupar valores de tempos de sobrevida

tempo decorrido do iniacutecio dos sintomas ou tempo decorrido da primeira

consulta tatildeo diacutespares entre os pacientes Portanto ordenar a nossa casuiacutestica

pelo meacutetodo de amostras aleatoacuterias natildeo foi adequado para melhorar a previsatildeo

da sobrevida pela rede neural

Tambeacutem merece menccedilatildeo o fato de que este estudo natildeo se dedicou agrave

comparaccedilatildeo entre a anaacutelise estatiacutestica tradicional e a rede neural mas por

utilizar o meacutetodo estatiacutestico como ferramenta para definiccedilatildeo das variaacuteveis

associadas ao prognoacutestico viabilizando a imputaccedilatildeo dessas variaacuteveis para

aprendizado e treinamento da rede neural

532 Data do iniacutecio dos sintomas

Com base na importacircncia cliacutenica da referecircncia da data em que o

paciente iniciou a percepccedilatildeo dos sintomas a ser obtida na avaliaccedilatildeo inicial foi

oportuno considerar a variaacutevel data do iniacutecio dos sintomas que

independentemente de outras variaacuteveis limitadoras da funccedilatildeo de ativaccedilatildeo ou

do tempo de sobrevida com ou sem categorizaccedilatildeo sugeriu os melhores

resultados de previsatildeo da sobrevida pela rede neural

Constatamos que a presenccedila da data do iniacutecio dos sintomas para o

aprendizado-treinamento da rede revelou resultados adequados de previsatildeo de

sobrevida entre 2054 e 2260 de erro de previsatildeo Poreacutem estes

resultados foram piores quando se realizou a previsatildeo da rede nos pacientes

em acompanhamento (vivos) com valores entre 3323 e 3933 Sendo

assim estudos adicionais seratildeo necessaacuterios com a data inicial da estimativa do

iniacutecio dos sintomas para melhor acuraacutecia de previsatildeo da sobrevida pela rede

neural e avaliaccedilatildeo prognoacutestica

Em siacutentese quando a informaccedilatildeo data do iniacutecio dos sintomas foi

utilizada como momento inicial da estimativa de sobrevida a acuraacutecia da rede

neural foi maior A observaccedilatildeo por tempo mais longo teria permitido apreciar a

natureza do quadro cliacutenico mais estaacutevel (periacuteodo menos sintomaacutetico) em

Discussatildeo 58

relaccedilatildeo agrave data da primeira consulta (em geral associada agrave piora de sintomas e

referecircncia a hospital terciaacuterio) Tal achado permite sugerir que os pacientes

com longa evoluccedilatildeo da doenccedila portanto mais estaacuteveis foram propensos a

uma previsatildeo mais acurada da rede neural do que pacientes com menor tempo

de evoluccedilatildeo entendidos como clinicamente mais instaacuteveis

533 Tempos de evoluccedilatildeo

Em razatildeo da disparidade de valores considerados tanto por nossa

praacutetica cliacutenica quanto por dados de estudos preacutevios (Likoff et al 1987 Bestetti

et al 1994 Mady et al 1994 Alla et al 2000 Freitas et al 2005 Franke et

al 2015) a verificaccedilatildeo de acuraacutecia da rede sugere que existam grupos de

melhor prognoacutestico (tempo mais longo de evoluccedilatildeo) e de prognoacutestico mais

reservado (tempo mais curto de evoluccedilatildeo) resultado clinicamente

fundamentado a nosso ver pois categoriza os tempos de evoluccedilatildeo dos

pacientes da casuiacutestica

A categorizaccedilatildeo da rede neural em trecircs modelos de rede com faixas de

tempos distintos revelou-se em nossa casuiacutestica como a mais apropriada para

melhorar a estimativa da sobrevida Tal observaccedilatildeo eacute concordante com o

resultado obtido na melhora da acuraacutecia da rede neural apoacutes a categorizaccedilatildeo

dos tempos de seguimento ou tempo de sobrevida observado Esse cuidado

preveniu que a rede neural dissipasse as estimativas em virtude da grande

diferenccedila entre os tempos de sobrevida

Confirma-se desse modo que as doenccedilas de mais longa evoluccedilatildeo satildeo mais

estaacuteveis e indicam quadro cliacutenico mais benigno do que os quadros de curta

evoluccedilatildeo mais instaacuteveis

Os melhores resultados da rede neural foram revelados pelos trecircs

modelos de redes neurais categorizadas por tempo de sobrevida inferior a dois

anos (ateacute 729 dias) entre dois anos e seis anos (730 a 2190 dias) e superior a

seis anos (acima de 2190 dias) que viabilizaram a mais satisfatoacuteria previsatildeo

da sobrevida pela rede neural

Discussatildeo 59

Para o aprendizado-treinamento da rede neural com sobrevida superior

a 2 anos a retirada do extremo inferior (menor do que dois anos) do tempo de

sobrevida observado permitiu melhor previsatildeo pela rede neural

Se o paciente tiver longo tempo de histoacuteria poderaacute significar fase

avanccedilada de evoluccedilatildeo mas tambeacutem indicaraacute quadro cliacutenico mais benigno e de

melhor prognoacutestico ndash isto talvez se relacione ao achado de pacientes embora

aguardando muito tempo em fila de transplante foram retirados dela Estes

pacientes com tempo de evoluccedilatildeo mais curto portanto mais instaacuteveis

clinicamente talvez sejam os mais beneficiados da anaacutelise pelo emprego de

marcadores adicionais como parte da avaliaccedilatildeo prognoacutestica Para eles as

dosagens das catecolaminas plasmaacuteticas da funccedilatildeo renal e do peptiacutedeo

natriureacutetico atrial bem como a inclusatildeo dos medicamentos em uso

contribuiriam para o estudo da acuraacutecia ou da estimativa prognoacutestica

Sendo assim o modelo de rede neural com o melhor resultado de

previsatildeo da sobrevida ndash erro da rede inferior a 128 ndash ocorreu com os

pacientes com tempo de sobrevida observado superior a seis anos a partir da

data da primeira consulta independentemente da funccedilatildeo da ativaccedilatildeo Aleacutem

disso o segundo modelo de melhor acuraacutecia ndash erro da rede neural inferior a

23 ndash ocorreu para o tempo de sobrevida observado entre dois anos e seis

anos a partir da data do iniacutecio dos sintomas independentemente da funccedilatildeo de

ativaccedilatildeo utilizada pela rede neural

Por outro lado na fase de previsatildeo da rede neural o modelo com o

melhor resultado de previsatildeo da sobrevida ndash erro da rede inferior ou igual a

215 ndash ocorreu com os pacientes com tempo de sobrevida observado

superior a seis anos a partir da data da primeira consulta independentemente

da funccedilatildeo da ativaccedilatildeo em concordacircncia com o que sugeriu a rede neural na

fase de aprendizado-treinamento

Todavia para o segundo modelo a acuraacutecia da rede foi menos adequada ndash

erro da rede neural inferior a 394 ndash para o tempo de sobrevida observado

entre dois anos e seis anos a partir da data do iniacutecio dos sintomas

independentemente da funccedilatildeo de ativaccedilatildeo

Tambeacutem devemos tomar em consideraccedilatildeo que por razotildees

metodoloacutegicas a variaccedilatildeo dos tempos de seguimento dos pacientes foi fixada

Discussatildeo 60

e limitada ateacute 2012 para a anaacutelise de sobrevida e atualizada ateacute 2014 para a

rede neural

534 Variaacuteveis faltantes

Seguimos orientaccedilatildeo da literatura (Ennett et al 2001 Frize et al

2001) tanto para imputar valores normais para as informaccedilotildees faltantes como

pela necessidade deste preacute-requisito para o aprendizado da rede neural

(Ennett et al 2001 2008 Frize et al 2001) Para melhor avaliaccedilatildeo

exploramos para imputaccedilatildeo os valores de referecircncia da normalidade os

superiores da normalidade e os da mediana (Kaambwa et al 2012) Em face

dos resultados optamos por assumir os valores de referecircncia normais das

variaacuteveis faltantes

Tambeacutem devemos salientar que as variaacuteveis faltantes podem ou natildeo

associar-se com menor probabilidade de sobrevida

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em

geral

Por vezes a pressuposta importacircncia cliacutenica reconhecida da variaacutevel

submetida a teste natildeo se traduziu em melhor previsibilidade da rede neural A

inclusatildeo da variaacutevel fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo natildeo melhorou a

previsatildeo de sobrevida pela rede neural Esta observaccedilatildeo vai ao encontro do

resultado do modelo de Cox que natildeo considerou a fraccedilatildeo de ejeccedilatildeo como

variaacutevel prognoacutestica

A categorizaccedilatildeo de variaacuteveis como idade sexo creatinina colesterol

total diacircmetro diastoacutelico do ventriacuteculo esquerdo ou outras variaacuteveis

consideradas de importacircncia cliacutenica natildeo melhoraram a previsatildeo de sobrevida

da rede neural

Discussatildeo 61

Portanto o criteacuterio de limitar caracteriacutesticas cliacutenicas isoladamente natildeo foi bom

previsor de prognoacutestico

O teste de previsatildeo do prognoacutestico com a rede neural isoladamente

natildeo revelou boa acuraacutecia a acuraacutecia melhorou quando foram empregadas as

variaacuteveis selecionadas a partir do modelo de riscos proporcionais de Cox

536 Funccedilotildees de transferecircncia

A acuraacutecia da rede neural sem a categorizaccedilatildeo do tempo de

sobrevida foi baixa independentemente da funccedilatildeo de transferecircncia ou de

ativaccedilatildeo sugerida na literatura (Buskard et al 1994 Lundin et al 1999 Frize

et al 2000 Ennett e col 2004 2008 Grossi 2006) Por outro lado quando o

tempo de sobrevida foi categorizado e a funccedilatildeo de transferecircncia zero based log

sigmoid foi adotada o resultado na previsatildeo da sobrevida melhorou

537 Treinamento excessivo (overfitting)

Pode resultar em aumento do erro de previsatildeo e menor acuraacutecia da

rede neural Identificar o momento apropriado de finalizar o treinamento da

rede neural eacute um dos detalhes metodoloacutegicos relevantes (Guimaratildees et al

2008) Prevenimos o treinamento excessivo da rede neural ao limitar o nuacutemero

maacuteximo de ciclos e o erro delta da rede neural por meio de testes adicionais

variando o nuacutemero de ciclos e o erro delta

538 Estudo em cinco fases

Discussatildeo 62

O meacutetodo que empregamos foi criterioso nas fases iniciais para

categorizar e selecionar os melhores modelos de dados para a previsatildeo da

sobrevida pela rede neural Destacamos a estimativa do erro hipoteacutetico

(sobrevida prevista subtraiacuteda da sobrevida observada e multiplicada por cem

dividida pela sobrevida observada) utilizada na fase 2 do aprendizado-

treinamento em que a rede neural superestimou o erro verdadeiro de previsatildeo

da sobrevida Nas fases 4 e 5 com novos dados de mortalidade observamos a

acuraacutecia da rede e dependendo do modelo melhorou ou se manteve em

valores menores que 13 de meacutedia do erro de previsatildeo da sobrevida

54 Avaliaccedilatildeo dos melhores modelos de rede neural

541 Sensibilidade especificidade valor preditivo positivo e valor

preditivo negativo

Observamos boa sensibilidade (93) para ambas as funccedilotildees de

ativaccedilatildeo e razoaacutevel especificidade (superior a 763) ndash com valores de 764

ou 775 ndash para o modelo com tempo de sobrevida observado superior a seis

anos a partir da data da consulta inicial com o intervalo de corte de 1095 dias

ou trecircs anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Da

mesma forma a acuraacutecia da rede neural foi boa com valores de 802 e 81

dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Para estes

modelos de rede neural o valor preditivo negativo foi adequado (974) jaacute que

na previsatildeo da rede neural em que o paciente estava vivo no intervalo de

tempo definido existiram 974 de chance de acerto da rede no prognoacutestico

de sobrevida e 26 de chance de o paciente ter morrido

Tambeacutem observamos boa sensibilidade (898) para ambas as

funccedilotildees de ativaccedilatildeo e razoaacutevel especificidade (superior a 73) ndash com valores

de 725 ou 765 ndash para o modelo com tempo de sobrevida observado entre

Discussatildeo 63

dois anos a seis anos a partir da data do iniacutecio dos sintomas para intervalo de

corte de 730 dias ou dois anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada

pela rede neural Para estes modelos de rede a acuraacutecia foi boa com valores

de 852 e 839 dependendo da funccedilatildeo de ativaccedilatildeo e o valor preditivo

positivo foi adequado e variou entre 88 e 863 dependendo da funccedilatildeo de

ativaccedilatildeo jaacute que na previsatildeo da rede neural em que o paciente morreu no

intervalo de corte definido existiram 88 ou 863 de chance de acerto da

rede no prognoacutestico de sobrevida e respectivamente 12 ou 196 de

chance de o paciente estar vivo apesar de a rede ter sugerido o oposto

Observamos razoaacutevel sensibilidade (872) para ambas as funccedilotildees de

ativaccedilatildeo e inadequada especificidade (inferior a 667) ndash com valores de

665 ou 667 ndash para o modelo com tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de um

ano (365 dias) dependendo da funccedilatildeo de ativaccedilatildeo Para estes modelos a

acuraacutecia foi satisfatoacuteria entre 803 e 789 (dependendo da funccedilatildeo de

ativaccedilatildeo) valor preditivo positivo razoaacutevel entre 837 e 820 (dependendo

da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo entre 7275 e 714

(dependendo da funccedilatildeo de ativaccedilatildeo)

Tambeacutem observamos os resultados insatisfatoacuterios nas estimativas com

o tempo de seguimento observado superior a seis anos a partir da data do

iniacutecio dos sintomas com intervalo de corte de dois anos independentemente

da funccedilatildeo de ativaccedilatildeo assim como no tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de

seis meses independentemente da funccedilatildeo de ativaccedilatildeo Da mesma maneira

modelos com tempo de seguimento observado entre dois anos e seis anos

com intervalo de corte de um ano independentemente da funccedilatildeo de ativaccedilatildeo

tanto para a data do iniacutecio dos sintomas quanto para a data da consulta inicial

os resultados foram insatisfatoacuterios

Em siacutentese os resultados dos melhores modelos de redes neurais

evidenciaram

a) boa sensibilidade razoaacutevel especificidade bom valor preditivo

negativo e inadequado valor preditivo positivo para o modelo de rede com

Discussatildeo 64

tempo de sobrevida observado e categorizado superior a seis anos a partir da

data da consulta inicial independentemente da funccedilatildeo de transferecircncia

b) boa sensibilidade inadequada especificidade e razoaacutevel valor

preditivo positivo e valor preditivo negativo para o modelo de rede com tempo

de sobrevida observado e categorizado entre dois anos e seis anos a partir da

data do iniacutecio dos sintomas independentemente da funccedilatildeo de transferecircncia

Poreacutem se considerarmos o mesmo modelo com a data da primeira consulta a

sensibilidade e o valor preditivo positivo foram razoaacuteveis enquanto a

especificidade e o valor preditivo negativo foram inadequados

542 Funccedilatildeo de perda

Para maior rigor metodoloacutegico e levando em consideraccedilatildeo que os

conceitos de sensibilidade e especificidade satildeo aplicaacuteveis principalmente para

variaacuteveis binaacuterias e natildeo para variaacuteveis contiacutenuas o desempenho preditivo da

rede neural foi avaliado pelo emprego da funccedilatildeo de perda para a variaacutevel

contiacutenua tempo de sobrevida (Yuan 2008)

Observamos que os resultados de previsatildeo da sobrevida obtidos pela

funccedilatildeo de perda foram satisfatoacuterios e com variaccedilotildees de desempenho preditivo

que podem alcanccedilar erros de 44 meses ateacute 11 anos para mais ou para

menos para os modelos de rede neurais avaliados Tendo em vista o

pressuposto de que para a funccedilatildeo de perda quanto menor o erro da rede

neural melhor a previsatildeo de sobrevida da rede neural ou quanto maior o erro

da rede neural menor a previsatildeo de sobrevida (Santos 2013)

Cabe salientar que os quatro melhores resultados da funccedilatildeo de perda

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado respectivamente inferior a dois anos (126 dias 95 dias e 13307

dias) e entre dois anos e seis anos (23161 dias e 25906 dias) ambos com

data do iniacutecio dos sintomas independentemente da funccedilatildeo de ativaccedilatildeo

utilizada pelo modelo de rede neural Na sequecircncia os melhores resultados

Discussatildeo 65

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado acima de seis anos (29388 dias e 33255 dias) a partir da data da

primeira consulta independentemente da funccedilatildeo de ativaccedilatildeo e entre dois anos

e seis anos (38931 dias) a partir da data da primeira consulta para a funccedilatildeo

zero based log sigmoid utilizada pela rede neural

Os resultados permitem sugerir que a informaccedilatildeo data do iniacutecio dos

sintomas seja importante para a estimativa dos modelos de rede neural com

sobrevida inferior a seis anos independentemente do tamanho da amostra

543 Sensibilidade e especificidade versus funccedilatildeo de perda

O desempenho preditivo oposto obtido entre os resultados da funccedilatildeo

de perda e os resultados da sensibilidade e especificidade para os modelos de

redes neurais - os modelos de rede neural com as melhores estimativas pela

funccedilatildeo de perda foram os modelos de rede com as piores estimativas pela

sensibilidade e especificidade Eacute de se destacar que a melhor estimativa de

sobrevida obtida pela funccedilatildeo de perda para os modelos de rede neural foi

observada no modelo de rede com o menor nuacutemero de pacientes (n=47)

poreacutem com a informaccedilatildeo data do iniacutecio dos sintomas Tal verificaccedilatildeo reforccedila a

importacircncia da data do iniacutecio dos sintomas para a acuraacutecia da rede neural

55 Implicaccedilotildees cliacutenicas

Haacute na literatura meacutedica corrente o empenho no desenvolvimento de

ferramentas de inteligecircncia artificial como meacutetodo de avaliaccedilatildeo cliacutenica

(Braunwald 2008) Apesar disso natildeo identificamos na literatura trabalhos que

conciliassem as duas teacutecnicas ndash anaacutelise de sobrevida com rede neural ndash para a

previsatildeo da sobrevida em pacientes com insuficiecircncia cardiacuteaca o que

permitiria a hipoacutetese de originalidade para as observaccedilotildees deste trabalho

Discussatildeo 66

Eacute digno de ecircnfase termos identificado que a data do iniacutecio dos

sintomas obtida na anamnese eacute uma ferramenta de estimativa diagnoacutestica

principalmente associada a outras variaacuteveis do exame cliacutenico Suscita-se a

indagaccedilatildeo de esta variaacutevel estar subvalorizada por alguma razatildeo na medida

em que estaacute ausente dos registros cliacutenicos como informaccedilatildeo nuclear ateacute por

sua compreensiacutevel ldquoimprecisatildeordquo bioloacutegica Apesar dessa potencial inexatidatildeo

revelou-se variaacutevel relevante Portanto o empenho em obter com a precisatildeo

possiacutevel a data do iniacutecio dos sintomas pode ser reiterado uacutetil para a avaliaccedilatildeo

de pacientes

Finalizando nossos resultados sugeriram a possibilidade do uso da

rede neural artificial como uma ferramenta suplementar para a orientaccedilatildeo dos

pacientes com insuficiecircncia cardiacuteaca desde que a rede neural seja modelada

pelo tempo de sobrevida observado entre dois anos e seis anos inferior a dois

anos e superior a seis anos e com base em variaacuteveis preditivas de sobrevida

estimadas por meacutetodo estatiacutestico tradicional

Novos estudos em outras casuiacutesticas e serviccedilos podem adicionar experiecircncia

ampliar e aprofundar os resultados ora apresentados

56 Limitaccedilotildees do estudo

Entre as limitaccedilotildees deste trabalho citamos o caraacuteter uni-institucional

retrospectivo o nuacutemero limitado de variaacuteveis a presenccedila de dados faltantes a

ausecircncia de controle da uniformidade de tratamento medicamentoso com suas

particularidades entre elas a aderecircncia a tratamento e a mortalidade avaliada

no Estado de Satildeo Paulo Por outro lado atenuam-se as limitaccedilotildees por se tratar

de estudo em real life conditions no contexto de um Serviccedilo Meacutedico com

grande responsabilidade assistencial no acircmbito de hospital acadecircmico

6 Conclusotildees

Conclusotildees 68

A probabilidade de sobrevida geral desta casuiacutestica de insuficiecircncia

cardiacuteaca de diferentes etiologias no longo prazo foi 68 em cinco anos e 40

em onze anos

A influecircncia dos dados faltantes no prognoacutestico variou conforme a

natureza das variaacuteveis

O emprego de redes neurais categorizadas por tempo de sobrevida

dos pacientes a partir de variaacuteveis identificadas significantes em anaacutelise

estatiacutestica tradicional pode contribuir para identificar pacientes com

insuficiecircncia cardiacuteaca com prognoacutestico potencialmente mais reservado de

modo a contribuir para melhor orientaccedilatildeo da sequecircncia do tratamento na rede

de atenccedilatildeo meacutedica primaacuteria ou secundaacuteria ou em hospital de referecircncia em

nosso caso especiacutefico seria identificar os pacientes que pela condiccedilatildeo cliacutenica

mais grave demandariam recursos tecnoloacutegicos e intervenccedilotildees complexas para

seu tratamento O tempo de evoluccedilatildeo da insuficiecircncia cardiacuteaca obtida pelo

auxiacutelio da histoacuteria cliacutenica modulada pelas demais variaacuteveis cliacutenicas e

laboratoriais contribuiu para a avaliaccedilatildeo prognoacutestica quadros cliacutenicos de

evoluccedilatildeo mais longa podem sugerir pacientes com doenccedila mais estaacutevel

enquanto que tal avaliaccedilatildeo torna-se mais limitada no caso de quadro cliacutenico de

evoluccedilatildeo mais breve

7 Anexos

Anexos 70

Figura 1 - Delineamento do estudo de 2128 pacientes ambulatoriais com diagnoacutestico de insuficiecircncia cardiacuteaca

Dados de 2128 pacientes

consecutivos entre 2003 e 2007 com

diagnoacutestico de insuficiecircncia

cardiacuteaca

variaacuteveis selecionadas para a

rede neural

variaacuteveis demograacuteficas cliacutenicas laboratoriais eletrocardiograacutefica ecocardiograacuteficas medicaccedilotildees

variaacuteveis selecionadas para o modelo de regressatildeo

de riscos proporcionais de Cox

variaacuteveis com maior influecircncia para a

sobrevida

968 pacientes selecionados para a

rede neural (oacutebitos ateacute 2012)

pacientes elegiacuteveis para treinamento da

rede neural

pacientes elegiacuteveis para previsatildeo da

rede neural

modelos de rede neural

para previsatildeo

da sobrevida

Anexos 71

v1

v2

v3

vn 1 2 3 4 5

FONTE adaptado de Fernando J Von Zuben e Romis R F Attux Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubenia353_1s07toacutepico5_07pdf Figura 2 - Arquitetura da rede neural Perceptron de Muacuteltiplas Camadas em que f representa a funccedilatildeo de ativaccedilatildeo ou de transferecircncia natildeo linear definida para o aprendizado-treinamento da rede neural

Variaacuteveis de

entrada

sumf

Variaacutevel de saiacuteda

saiacuteda

Cinco camadas intermediaacuterias de neurocircnios ou unidades

computacionais

Anexos 72

y0

w0

y1 w1 xn

yn wn

Em que

n n-eacutesima variaacutevel de entrada (iteraccedilatildeo)

y0 y1 variaacuteveis de entrada

yn i-eacutesima variaacutevel de entrada

w0 w1 pesos sinaacutepticos ajustaacuteveis

wn peso sinaacuteptico ajustaacutevel conectando a entrada da unidade

agrave saiacuteda da unidade na iteraccedilatildeo n

xn i-eacutesima variaacutevel de saiacuteda da unidade na iteraccedilatildeo n

sum funccedilatildeo de soma

f funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

FONTE adaptado de Neural Networks and Learning Machines por Simon Hayken 1999 Figura 2a Representaccedilatildeo funcional de um neurocircnio da rede neural perceptron de muacuteltiplas camadas

sum f

Anexos 73

Em que propagaccedilatildeo da informaccedilatildeo

retro-propagaccedilatildeo do erro da informaccedilatildeo

FONTE adaptado de Leandro Nunes de Castro Silva 1998 Disponiacutevel em ftpftpdca feeunicampbrpubdocsvonzubentheseslnunes_mestindicepdf Figura 2b Representaccedilatildeo das duas fases de direccedilotildees de propagaccedilatildeo da informaccedilatildeo pelo algoriacutetmo de aprendizado supervisionado ou de retropropagaccedilatildeo do erro ou backpropagation da rede neural perceptron de multiplas camadas e permite o ajuste dos pesos sinaacutepticos

Anexos 74

Figura 3 - Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da funccedilatildeo log sigmoid Ambas satildeo funccedilotildees natildeo lineares de transferecircncia ou de ativaccedilatildeo poreacutem a funccedilatildeo logiacutestica zero based log sigmoid assume o intervalo de variaccedilatildeo entre 0 e 1 e a funccedilatildeo tangente hiperboacutelica preserva a forma sigmoidal e assume valores positivos e negativos (intervalo de variaccedilatildeo entre -1 e 1)

Figura 4 - Representaccedilatildeo esquemaacutetica das cinco fases da rede neural que compreenderam o aprendizadotreinamento da rede a previsatildeo da rede neural a comparaccedilatildeo dos melhores modelos de previsatildeo da rede neural os reensaios da rede neural incorporando os pacientes que faleceram em 2013 e 2014 e nova comparaccedilatildeo dos melhores modelos reensaiados

Anexos 75

Figura 5 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

com insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das abscissas indicam o

nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da

consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 76

Figura 6 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

de acordo com a etiologia da insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 77

Figura 7 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128

pacientes de acordo com sua idade Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 78

Figura 8 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o sexo Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 79

Figura 9 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a etnia Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 80

Figura 10 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o peso Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 81

Figura 11 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a altura Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 82

Figura 12 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o iacutendice de massa corpoacuterea (IMC) Os nuacutemeros sob o

eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 83

Figura 13 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial sistoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 84

Figura 14 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial diastoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 85

Figura 15 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a classe funcional da New York Heart Association

Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco

no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 86

Figura 16 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a frequecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 87

Figura 17 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com a data do iniacutecio dos sintomas

Anexos 88

Figura 18 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com antecedente de hipertensatildeo arterial Os nuacutemeros sob

o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 89

Figura 19 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de tabagismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 90

Figura 20 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o antecedente de diabetes melito Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 91

Figura 21 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de etilismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 92

Figura 22 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro do aacutetrio esquerdo no ecocardiograma Os

nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no

decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 93

Figura 23 - Probabilidade da sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 94

Figura 24 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 95

Figura 25 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 96

Figura 26 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica do septo interventricular no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 97

Figura 27 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica da parede posterior do

ventriacuteculo esquerdo no ecocardiograma Os nuacutemeros sob o eixo das abcissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 98

Figura 28 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com o riacutetmo cardiacuteaco Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 99

Figura 29 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de hemoglobina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 100

Figura 30 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a glicemia de jejum Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 101

Figura 31 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de creatinina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 102

Figura 32 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de soacutedio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 103

Figura 33 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de potaacutessio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 104

Figura 34 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de colesterol total Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 105

Figura 35 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de HDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 106

Figura 36 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de LDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 107

Figura 37 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de trigliceacuterides Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 108

Figura 38 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de leucoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 109

Figura 39 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de linfoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 110

Figura 40 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de inibidor de enzima conversora da angiotensina (captopril enalapril) ou de bloqueador dos receptores da angiotensina II (losartana) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 111

Figura 41 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de beta-bloqueadores na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 112

Figura 42 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de diureacuteticos (furosemida hidroclorotiazida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 113

Figura 43 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de espironolactona na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 114

Figura 44 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de digoxina na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 115

Figura 45 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 116

Figura 46 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de anticoagulante oral (varfarina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 117

Figura 47 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de estatina (sinvastatina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 118

Figura 48 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de vasodilatador (hidralazina e mononitrato de isossorbida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 119

Figura 49 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2148 pacientes quanto ao uso de bloqueador dos canais de caacutelcio (anlodipina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 120

Figura 50 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiarriacutetmico (amiodarona) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 121

Figura 51 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao nuacutemero de medicamentos em uso na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 122

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Idade (anos) 58 lt 0001

lt 40 200(9) 65

41-65 1325(62) 69

gt65 603(28) 51

Sexo 0025

Masculino 1362(64) 61

Feminino 766(36) 67

Grupo eacutetnico 027

Branca 343(16) 62

Natildeo-branca 131(6) 59

Dado faltante 1654(78) 65

Peso (kg) 694 lt 0001

lt 63 594(28) 57

631 - 749 562(26) 63

gt 75 614(29) 73

Dado faltante 358(17) 58

Altura (cm) 163 0048

lt 159 569(27) 64

159-166 546(26) 65

gt 167 628(30) 65

Dado faltante 385(18) 57

Iacutendice de massa corporal (kgm2)sect 26 lt0001

lt 25 660(31) 56

25-30 697(33) 69

gt 30 378(18) 59

Dado faltante 393(18) 74

Pressatildeo arterial sistoacutelica (mm Hg) 130 lt0001

lt 100 94(4) 38

100-130 927(44) 60

gt130 980(46) 57

Dado faltante 127(6) 69

Anexos 123

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Pressatildeo arterial diastoacutelica (mm Hg) 90 lt0001

lt 80 447(21) 51

80-90 905(43) 66

gt90 646(30) 73

Dado faltante 130(6) 57

Frequecircncia cardiacuteaca (batimentosmin) 80 062

lt 60 68(3) 57

60-100 1586(75) 63

gt100 144(7) 62

Dado faltante 330(16) 60

Duraccedilatildeo dos sintomas (meses) 119 068

lt 12 261(12) 60

gt 12 247(12) 59

Dado faltante 1620 (76) 63

Histoacuteria meacutedica

Hipertensatildeo arterial 1538(72) 65 0049

Normotenso 492(23) 56

Dado faltante 98(5) 65

Consumo de aacutelcool Leve 100(5) 69 084

Moderado 37(2) 65

Intenso 86(4)

Indeterminado 84(4) 69

Ex-etilista 297(14)

Natildeo etilista 1076(51) 62

Dado faltante 448(21)

Fumante lt 20 cigarros 111(5) 60 074

gt 20 cigarros 104(5)

Indeterminado 190(9) 62

Ex-fumante 626(29) 65

Natildeo fumante 859(40) 64

Dado faltante 238(11)

Anexos 124

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Diabetes mellitus 0024

Insulino dependente 99(5) 64

Natildeo insulino dependente 389(18) 59

Natildeo diabeacutetico 1481(70) 65

Dado faltante 159(7) 64

Etiologia da Insuficiecircncia Cardiacuteaca 0001

Cardiomiopatia da Doenccedila de Chagas 333(16) 50

Cardiomiopatia hipertensiva 920(43) 71

Cardiomiopatia isquecircmica 523(25) 55

Cardiomiopatia dilatada 206(10) 69

Cardiomiopatia alcooacutelica 146(7) 66

Classe funcional NYHApara 0001

I 300(14) 72

II 805(38) 64

III 575(27) 56

IV 302(14) 50

Dado faltante 146(7) 59

Ritmo cardiacuteaco no eletrocardiograma 00051

Fibrilaccedilatildeo atrial 294(14) 56

Ritmo sinusal 1561(73) 65

Ritmo de marca-passo 38(2) 68

Outro 7(0) 66

Dado faltante 228(11) 62

Espessura do septo interventricular (mm) 9 lt0001

lt 8 206(10) 57

8-12 1385(65) 68

gt12 109(5) 63

Dado faltante 428(20) 54

Espessura da parede posterior do ventriacuteculo esquerdo (mm) 9 lt0001

lt 8 206(10) 63

8-12 1428(67) 66

gt12 63(3) 54 Dado faltante 431(20) 62

Anexos 125

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos ()

Valor-pŦ

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) 64 lt0001

lt 60 514(24) 74

60-75 938(44) 65

gt 75 224(11) 56

Dado faltante 452(21) 53

Diacircmetro sistoacutelico do ventriacuteculo esquerdo (mm) 56 lt0001

lt 40 110(5) 79

40-55 462(22) 72

gt 55 612(29) 59

Dado faltante 944(44) 60

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo () 31 lt0001

lt 35 1027(48) 60

35-45 449(21) 69

45-55 220(10) 72

gt 55 59(3) 82

Dado faltante 373(18) 53

Diacircmetro do aacutetrio esquerdo (mm) 46 lt0001

lt 40 295(14) 78

gt 40 1375(65) 63

Dado faltante 458(22) 53

Creatinina seacuterica (mgdL) 11 lt0001

lt 13 1469(69) 68

13-26 535(25) 51

gt 26 51(2) 28

Dado faltante 73(3) 53

Soacutedio seacuterico (mEqL) 139 lt0001

lt 136 170(8) 49

gt 136 1852(87) 66

Dado faltante 106(5) 54

Anexos 126

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Potaacutessio seacuterico (mEqL) 46 lt0001

lt 35 31(1) 60

35-50 1646(77) 66

gt 50 345(16) 54

Dado faltante 106(5) 53

Hemoglobina (gdL) 142 lt0001

lt 10 41(2) 43

10-12 190(9) 53

gt 12 1826(86) 65

Dado faltante 71(3) 66

Leucoacutecitos (mm3) 7300 0048

lt 4000 45(2) 33

4000-11000 1791(84) 63

gt 11000 142(7) 56

Dado faltante 150(7) 62

Linfoacutecitos (mm3) 1919 0011

lt 900 14(1) 34

900-3400 301(14) 65

gt 3400 7(0) 71

Dado faltante 1806(85) 62

Colesterol total (mgdL) 188 lt0001

lt 200 881(41) 65

200-240 394(19) 75

gt 240 209(10) 74

Dado faltante 644(30) 53

Trigliceacuterides (mgdL) 112 lt0001

lt 150 1011(48) 65

150-300 397(19) 74

gt 300 71(3) 80

Dado faltante 649(30) 53

Anexos 127

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

HDL - colesterol (mgdL)Ħ 43 lt0001

lt 40 560(26) 68

40-60 681(32) 71

gt 60 207(10) 54

Dado faltante 680(32) 69

LDL- colesterol (mgdL)Ħ 116 lt0001

lt 100 471(22) 60

100-129 451(21) 68

gt 129 521(24) 53

Dado faltante 685(32) 72

Glicose de jejum (mgdL) 100 lt0001

lt 100 843(40) 65

100-126 571(27) 66

gt 126 345(16) 68

Dado faltante 369(17) 53

IECABRAeuro (captopril enalapril losartana)

Com medicaccedilatildeo 1564(73) 62 091

Sem medicaccedilatildeo 302(14) 62

Dado faltante 262(12)

Diureacuteticos (hidroclorotiazida e furosemida)

com medicaccedilatildeo 1548(73) 62 00032

sem medicaccedilatildeo 318(15) 71

Dado faltante 262(12) 66

Antagonista do receptor da aldosterona (espironolactona)

Com medicaccedilatildeo 832(39) 60 032

Sem medicaccedilatildeo 1034(49) 63

Dado faltante 262(12) 65

Digital (digoxina)

com medicaccedilatildeo 1013(48) 62 0077

sem medicaccedilatildeo 853(40) 66

Dado faltante 262(12) 65

Anticoagulante oral (varfarina)

Com medicaccedilatildeo 134(6) 56 043

Sem medicaccedilatildeo 1732(81) 63

Dado faltante 262(12) 65

Anexos 128

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Antiagregante plaquetaacuterio (aspirina) com medicaccedilatildeo 639(30) 60 055

sem medicaccedilatildeo 1227(58) 63

Dado faltante 262(12) 65

Estatina (sinvastatina)

Com medicaccedilatildeo 153(7) 75 007

Sem medicaccedilatildeo 1712(80) 60

Dado faltante 262(12) 63

Bloqueador dos canais de caacutelcio (anlodipina)

com medicaccedilatildeo 42(2) 69 077

sem medicaccedilatildeo 1824(86) 60

Dado faltante 262(12) 62

Vasodilator direto (hidralazina mononitrato de isossorbida)

Com medicaccedilatildeo 63(3) 63 058

Sem medicaccedilatildeo 1802(85) 62

Dado faltante 263(12) 62

Bloqueador adreneacutergico (carvedilol metoprolol atenolol propanolol) com medicaccedilatildeo 706(33) 66 0042

sem medicaccedilatildeo 1160(55) 60

Dado faltante 262(12) 65

Antiarriacutetmico (amiodarona)

Com medicaccedilatildeo 80(4) 54 051

Sem medicaccedilatildeo 1786(84) 62

Dado faltante 262(12) 65

Nuacutemero de medicamentos em uso Φ

1 118(6)

2 272(13)

3 471(22)

4 496(23)

5 349(16)

6 127(6)

7 26(1)

8 2(0)

9 1(0)

Dado faltante 266(12)

Anexos 129

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Nuacutemero de drogas agrupadas em uso ζ 014

lt 3 861(40) 65

gt 3 1001(47) 65

Dado faltante 266(12) 60

sect Peso em kgaltura2

para Classe funcional da New York Heart Association (NYHA) I- nenhuma limitaccedilatildeo II- limitaccedilatildeo a moderados esforccedilos III- limitaccedilatildeo a esforccedilos habituais IV- limitaccedilatildeo em repouso

Ħ HDL- colesterol ou fraccedilatildeo lipoproteica de alta densidade do colesterol LDL- colesterol ou fraccedilatildeo lipoproteica de baixa densidade do colesterol

euro IECA - inibidores da enzima de conversatildeo da angiotensina BRA - bloqueadores dos receptores da angiotensina I

Φ Nuacutemero de medicaccedilotildees em uso pelo paciente e respectivas porcentagens

ζ Nuacutemero de medicaccedilotildees agrupadas em uso pelo paciente e respectivas porcentagens

Ŧ Valor-p (log rank)

Anexos 130

Tabela 2 ndash Variaacuteveis estudas quanto agrave probabilidade de sobrevida (etapa 1)

Variaacutevel Valor-p Valores disponiacuteveis

n

Dados omissos

()

Idade

plt0001 2128 -

Etnia p =0789 474 78

Sexo plt0001 2128 -

Iacutendice de massa corpoacuterea plt0001 1735 19

Pressatildeo Arterial Sistoacutelica plt0001 2001 6

Pressatildeo Arterial Diastoacutelica plt0001 1998 6

Frequecircncia Cardiacuteaca p =0446 1798 16

Etiologia da Insuficiecircncia Cardiacuteaca plt0001 2128 -

Classe Funcional plt0001 1982 7

Hipertensatildeo Arterial plt0001 2030 5

Etilismo p =0602 1680 21

Tabagismo p =0117 1890 11

Diabetes p =0135 1969 7

Ritmo cardiacuteaco p =0105 1893 11

Espessura do septo interventricular p =0083 1332 37

Espessura da parede posterior do ventriacuteculo esquerdo

p =0477 1258 41

Diacircmetro diastoacutelico do ventriacuteculo esquerdo

plt0001 1676 21

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

plt0001 1184 44

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

plt0001 1755 18

Diacircmetro do aacutetrio esquerdo plt0001 1670 22

Soacutedio seacuterico plt0001 2022 5

Potaacutessio seacuterico p =0002 2022 5

Hemoglobina seacuterica p =0008 2057 3

Taxa de leucoacutecitos p =0018 1978 7

Taxa de linfoacutecitos p =0037 322 85

Colesterol total p =0001 1484 30

Trigliceacuterides p =0015 1479 30

HDL - colesterol p =0280 1448 32

LDL - colesterol p =0119 1443 32

Glicemia de jejum p =0051 1759 17

Creatinina seacuterica plt0001 2055 3

Nuacutemero de medicamentos em uso p =0134 1864 12

Iniacutecio dos sintomas p =0564 510 76

valor - p foi resultante do teste da razatildeo de verossimilhanccedilas para cada uma das variaacuteveis os valores

- p inferiores a 10 tornaram a caracteriacutestica correspondente elegiacutevel para inclusatildeo na na segunda etapa do modelo nuacutemero de informaccedilotildees disponiacuteveis para cada variaacutevel a variaacutevel idade mostrou-se significante (p lt 0001) e foi incluiacuteda em todos os ajustes do modelo por ser a sobrevida a resposta do modelo de Cox Em negrito estatildeo as variaacuteveis selecionadas para a etapa 2 do modelo de Cox

Anexos 131

Tabela 3 ndash Uso de tratamento medicamentoso

Medicamento em uso

Grupo Sim

n ()

Natildeo

n ()

Sem informaccedilatildeo

n ()

IECA BRA 1564(73) 302(14) 262(12)

Diureacuteticos 1548(73) 318(15) 262(12)

Espironolactona 832(39) 1034(49) 262(12)

Digoxina 1013(48) 853(40) 262(12)

Anticoagulante oral 134(6) 1732(81) 262(12)

Antiagregante plaquetaacuterio 639(30) 1227(58) 262(12)

Estatina 153(7) 1713(80) 262(12)

Bloqueador dos canais de caacutelcio

42(2) 1824(86) 262(12)

Vasodilatador direto 63(3) 1802(85) 263(12)

Bloqueador alfa-adreneacutergico ou beta-adreneacutergico

706(33) 1160(55) 262(12)

Antiarriacutetmico 80(4) 1786(84) 262(12)

IECA inibidores da enzima conversora da angiotensina (captopril enalapril) BRA bloqueadores dos receptores da angiotensina II (losartana) Diureacuteticos hidroclorotiazida ou furosemida Espironolactona diureacutetico poupador de potaacutessio e antagonista do receptor da aldosterona Anticoagulante oral varfarina Antiagregante plaquetaacuterio aacutecido acetilsaliciacutelico Estatina sinvastatina Bloqueador dos canais de caacutelcio anlodipina Vasodilatdor direto hidralazina e mononitrato diisossorbida Bloqueadores alfa adreneacutergico (carvedilol) e beta-adreneacutergico (metoprolol atenolol e propranolol) Antiarritmico amiodarona

Anexos 132

Tabela 4 - Nuacutemero de medicamentos em uso

Nuacutemero de medicamentos em uso pelos pacientes - n ()

1

n()

2

n()

3

n()

4

n()

5

n()

6

n()

7

n()

8

n()

9 n()

Sem Informaccedilatildeo

n()

118(6) 272(13) 471(22) 496(23) 349(16) 127 (6)

26(1) 2(0) 1(0) 266(12)

nuacutemero de medicamentos em uso pelo paciente entre os diferentes grupos de medicaccedilotildees

Tabela 5 - Variaacuteveis retiradas do modelo de Cox (etapa 2)

Variaacutevel Valor-p

Hipertensatildeo arterial sistecircmica 0790

Hemoglobina 0789

Glicemia de jejum 0751

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

0702

Frequecircncia cardiacuteaca 0568

Sexo 0434

Soacutedio seacuterico 0428

Leucoacutecitos seacuterico 0165

Trigliceacuterides seacuterico 0144

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

0111

Linfoacutecitos seacuterico 0082

apoacutes ajuste do modelo inicial e considerando o valor-p do teste de razatildeo de verossimilhanccedilas para cada uma das variaacuteveis foi realizado novo ajuste sequencial do modelo e as variaacuteveis com valor-p superiores a 5 foram eliminadas

Anexos 133

Tabela 6 - Reavaliaccedilatildeo das variaacuteveis inicialmente excluiacutedas da etapa 2 do modelo de Cox (etapa 3)

Variaacutevel Valor-p

Etnia 0650

Frequecircncia cardiacuteaca 0489

Etilismo 0702

Tabagismo 0536

Diabetes melito 0034

Espessura da parede posterior do ventriacuteculo esquerdo

0546

Ritmo cardiacuteaco 0137

HDL - colesterol 0710

LDL- colesterol 1000

Nuacutemero de medicamentos em uso 0696

Iniacutecio dos sintomas 0784

HDL-colesterol ou lipoproteiacutena de alta densidade LDL-colesterol ou lipoproteiacutena de baixa densidade Resultado do teste da razatildeo de verossimilhanccedila para todas as variaacuteveis Excluiacutedas no primeiro ajuste do modelo (etapa 1) e reavaliaccedilatildeo da importacircncia de cada uma das variaacuteveis apoacutes reintroduzi- las no modelo em conjunto com as variaacuteveis do segundo ajuste do modelo (etapa 2) sect Diabetes melito foi a uacutenica variaacutevel que permaneceu para o modelo final

Tabelas 7 - Variaacuteveis do modelo final de Cox selecionadas para a rede neural

Variaacutevel Valor-p

Idade (anos) lt0001

Iacutendice de massa corpoacuterea (kgm2) lt0001

Pressatildeo arterial diastoacutelica (mmHg) lt0001

Etiologia da insuficiecircncia cardiacuteaca lt0001

Classe funcional (NYHA)Δ lt0001

Espessura do septo interventricular (mm) 0037

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) lt0001

Diacircmetro do aacutetrio esquerdo (mm) 0025

Potaacutessio seacuterico (mEqL) 0015

Colesterol total (mgdL) lt0001

Creatinina (mgdL) lt0001

Diabetes melito 0034

etiologias da insuficiecircncia cardiacuteaca hipertensiva isquecircmica dilatada alcooacutelica e Doenccedila de Chagas Δ classe funcional segundo a New York Heart Association valor - p do teste de razatildeo de verossimilhanccedila do ajuste final do modelo de Cox

Anexos 134

Tabela 8 - Valores de referecircncia para as variaacuteveis com dados faltantes

Variaacutevel Estrateacutegia

1 Estrateacutegia

2 Estrateacutegia

3

Iacutendice de massa corpoacuterea (kgm2) 25 25 26

Pressatildeo arterial diastoacutelica (mm Hg) 80 80 90 Espessura diastoacutelica do septo intraventricular (mm)

8 8 9

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm)

60 60 64

Diacircmetro do aacutetrio esquerdo (mm) 40 40 46 Potaacutessio seacuterico (mEqL) 35 35 46 Colesterol total (mgdL) 160 200 188

Creatinina (mgdL) 09 13 11 Preacute-requisito para o aprendizado da rede neural estrateacutegias para a imputaccedilatildeo de valores nas informaccedilotildees faltantes valores de referecircncia da normalidade valores superiores da normalidade para as variaacuteveis colesterol total e creatinina seacuterica valores de referecircncia da mediana

Anexos 135

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado -treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 1 1

417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 2 2

417 968 Zero Based Log Sigmoid data da consulta 52618

sem limite 3 1

417 968 Tangente Hiperboacutelica data da consulta 70731

sem limite 4 1 Teste RN 1 118 240 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 20100

sem limite 5 1 Cardiopatia dilatada 36 70 Zero Based Log Sigmoid data da consulta 100275

sem limite 6 1 Cardiopatia hipertensiva 168 379 Zero Based Log Sigmoid data da consulta 88500

sem limite 7 1 Cardiopatia alcooacutelica 28 57 Zero Based Log Sigmoid data da consulta 81429

sem limite 8 1 Cardiopatia isquemica 106 263 Zero Based Log Sigmoid data da consulta 36109

sem limite 9 1 Cardiopatia doenccedila Chagas 8 188 Zero Based Log Sigmoid data da consulta 40044

sem limite 10 1 sexo 417 968 Zero Based Log Sigmoid data da consulta 57836

sem limite 11 1 sexo e FEλ 25 417 968 Zero Based Log Sigmoid data da consulta 73544

sem limite 12 1 sexo e FEλ 55 417 968 Zero Based Log Sigmoid data da consulta 102308

2 lt sobrevida lt 6 13 1

200 402 Zero Based Log Sigmoid data da consulta 3199

2 lt sobrevida lt 6 14 1 22 a 52 anos 121 206 Zero Based Log Sigmoid data da consulta 88000

1 lt sobrevida lt 6 15 1 22 a 52 anos 83 162 Zero Based Log Sigmoid data da consulta 5185

1 lt sobrevida lt 6 16 1 13 lt CrΦ

lt 26 72 184 Zero Based Log Sigmoid data da consulta 6200

1 lt sobrevida lt 6 17 1 200 lt TCΨ

lt 239 61 245 Zero Based Log Sigmoid data da consulta 7068

1 lt sobrevida lt 6 18 1 60 lt DDVEε lt 75 160 374 Zero Based Log Sigmoid data da consulta 6360

1 lt sobrevida lt 6 19 1 200ltTCΨlt239 e 60ltDDVE

εlt75 163 34 Zero Based Log Sigmoid data da consulta 5284

Anexos 136

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado- treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede neural

() Aprendizado

(TAA) Previsatildeo

(TAP)

2 lt sobrevida lt 6 20 1

50 98 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2260

2 lt sobrevida lt 6 21 1

200 402 Tangente Hiperboacutelica data da consulta 4801

2 lt sobrevida lt 6 22 1

50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

0 lt sobrevida lt 2 23 1

118 383 Tangente Hiperboacutelica data da consulta 42244

sobrevida gt 6 24 1

101 186 Tangente Hiperboacutelica data da consulta 1277

0 lt sobrevida lt 2 25 1

118 383 Zero Based Log Sigmoid data da consulta 52725

sobrevida gt 6 26 1

101 186 Zero Based Log Sigmoid data da consulta 1137

0 lt sobrevida lt 2 27 1

22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

sobrevida gt 6 28 1

46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

0 lt sobrevida lt 2 29 1

22 47 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 3381

sobrevida gt 6 30 1

46 93 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2413

15 lt sobrevida lt 85 31 1

317 632 Zero Based Log Sigmoid data da consulta 7478

sobrevida gt 2 32 1

298 584 Zero Based Log Sigmoid data da consulta 5660

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

λ valor de referecircncia para a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo (capacidade funcional) ao ecocardiograma

Φ valores de referecircncia para a dosagem da creatinina seacuterica Ψ valores de referecircncia para a dosagem seacuterica do colesterol total

ε valores de referecircncia para o diacircmetro diastoacutelico do ventriacuteculo esquerdo ao ecocardiograma

Anexos 137

Tabela 91 - Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1)

Tempo de sobrevida

observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizadotreinamento da

rede ou limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 33 3 30000τ 00001

ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 34 1 20000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 55141

sem limite 35 1 10000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 54241

sem limite 36 1 00010 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 69427

sem limite 37 1 00020 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 70479

2 lt sobrevida lt 6 38 1 Cardiopatia dilatada 18 38 Zero Based Log Sigmoid data da consulta 2667

2 lt sobrevida lt 6 39 1 Cardiopatia hipertensiva 80 161 Zero Based Log Sigmoid data da consulta 2948

2 lt sobrevida lt 6 40 1 Cardiopatia alcooacutelica 18 29 Zero Based Log Sigmoid data da consulta 2952

2 lt sobrevida lt 6 41 1 Cardiopatia isquemica 48 101 Zero Based Log Sigmoid data da consulta 2705

2 lt sobrevida lt 6 42 1 Cardiopatia da doenccedila de Chagas

37 73 Zero Based Log Sigmoid data da consulta 2191

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

τ nuacutemero de ciclos maacuteximos ou iteraccedilotildees estipuladas para o aprendizado-treinamento da rede neural

ζ erro delta estipulado para o aprendizado-treinamento da rede neural

Anexos 138

Tabela 10 - Comparaccedilatildeo das redes neurais categorizadas pelo tempo de sobrevida observado seleccedilatildeo dos melhores modelos de rede neural

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

23 118 383 Tangente Hiperboacutelica data da consulta 42244

25 118 383 Zero Based Log

Sigmoid data da consulta 52725

27 22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

29 22 47 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 3381

tempo de seguimento ou tempo de sobrevida observado inferior a 2 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

13 200 402 Zero Based Log

Sigmoid data da consulta 3199

21 200 402 Tangente Hiperboacutelica data da consulta 4801

20 50 98 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2260

22 50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

tempo de seguimento ou tempo de sobrevida observado entre 2 e 6 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

24 101 186 Tangente Hiperboacutelica data da consulta 1277

26 101 186 Zero Based Log

Sigmoid data da consulta 1137

28 46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

30 46 93 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2413

tempo de seguimento ou tempo de sobrevida observado superior a 6 anos

em todos os testes das redes neurais foram utilizados valores normais para o dado

faltante

Anexos 139

Tabela 11 - Modelos de redes neurais para previsatildeo da sobrevida nos pacientes vivos ateacute 2012 (fase 2)

Aprendizado da rede neural (pacientes falecidos ateacute 2012)

Previsatildeo de sobrevida da rede neural

(pacientes vivos ateacute 2012)

Modelo de rede neural

TAA

Erro real da rede

neural ()

Sobrevida (tempo

decorrido)

Funccedilatildeo de

transferecircncia

Tempo de sobrevida observado

(anos)

Previsatildeo da rede neural

(PREV) λ

TAP

Sobrevida hipoteacutetica

Erro hipoteacutetico da rede neural

()

13 200 3199 (DO-DPC)Ψ zero based

log sigmoid 2 a 6 PREV01 300 (DUR-

DPC) Φ

3847

20 50 2260 (DO - DIS) ζ zero based

log sigmoid 2 a 6 PREV02 51 (DUR-DIS)

Φ

3933

22 50 2054 (DO - DIS) ζ tangente

hiperboacutelica 2 a 6 PREV03 51 (DUR-DIS)

Φ

3323

24 101 1277 (DO-DPC)Ψ tangente

hiperboacutelica superior a

6 PREV04 636 (DUR-

DPC) Φ

2071

26 101 1137 (DO-DPC)Ψ zero based

log sigmoid superior a

6 PREV05 636 (DUR-

DPC) Φ

2150

27 22 3529 (DO - DIS) ζ tangente

hiperboacutelica 0 a 2 PREV06 24 (DUR-DIS)

Φ

6372

29 22 3381 (DO - DIS) ζ zero based

log sigmoid 0 a 2 PREV07 24 (DUR-DIS)

Φ

8547

28 46 3029 (DO - DIS) ζ tangente

hiperboacutelica superior a

6 PREV08 199 (DUR-DIS)

Φ

4323

30 46 2413 (DO - DIS) ζ zero based

log sigmoid superior a

6 PREV09 199 (DUR-DIS)

Φ

4867

TAA tamanho da amostra para aprendizado da rede neural

TAP tamanho da amostra para a previsatildeo da rede neural

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da

rede neural com os pacientes falecidos ateacute 2012

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou do uacuteltimo contato com o

paciente e o dado disponiacutevel (data da primeira consulta ou data do iniacutecio dos sintomas)

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

ζ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Anexos 140

Tabela 12 - Modelos de redes neurais comparaacuteveis erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Modelo de rede neural

Previsatildeo da rede neural (PREV) λ

Nuacutemero de pacientes

para comparaccedilatildeo

Erro de previsatildeo hipoteacutetico de

sobrevida pela rede neural

(vivos ateacute 2012) ()

Erro de previsatildeo da sobrevida pela rede

neural real (falecidos em 2013)

()

13 PREV 01 19 3562 4755 20 PREV 02 2 1155 4037 22 PREV 03 2 4095 5614 24 PREV04 36 2120 1880 26 PREV 05 36 1848 1948

corresponde ao modelo de rede utilizada no aprendizado com os melhores resultados na previsatildeo da sobrevida λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 141

Tabela 13 - Modelo de rede neural 13 individual e comparaacutevel erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 13 (aprendizado falecidos ateacute 2012) e PREV01 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

13 200 (DOndashDPC)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira

consulta

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-

DPC) Φ

Sobrevida hipoteacutetica da rede neural

PREV 01λ

(vivos em 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural comparado

com erro real (falecidos em

2013) ()

127 1330 1258 543 3769 6663

180 1434 1797 2535 3526 4902

407 1302 1716 3179 3490 5083

675 2063 1795 1299 3630 5055

878 1736 1261 2734 3509 6405

1086 859 1265 4722 3429 6312

1194 1218 1798 4760 3532 4910

1341 1172 1794 5306 3297 4559

1685 1061 1803 6994 3259 4468

2204 950 1795 8899 2971 3957

2669 1997 1761 1182 2477 2891

2962 1357 1427 529 2659 4635

3687 1886 1255 3345 2499 5017

3837 1834 1221 3341 2451 2396

3838 1603 1792 1177 2356 3204

3855 1108 1794 6194 2640 7789

3862 1726 548 6825 2479 2780

3892 1745 1720 144 2382 4547

3997 1013 1255 3980 2302 4766

3562 DP2498

4755 DP1384

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro relativo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 142

Tabela 14 - Modelo de rede neural 20 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 20 (aprendizado falecidos ateacute 2012) e PREV02 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

20 50 (DO-DIS)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede neural PREV 02

λ

(vivos ateacute 2012)

(em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos ateacute 2012)

()

Sobrevida

real (falecidos em

2013)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1329 2310 2659 5002

3997 2008 1595 680 2302 3072

1155 DP 1249

4037 DP 1365

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural

para os pacientes vivos ateacute 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede

comparada com a porcentagem do erro real de sobrevida dos pacientes que faleceram em 2013

Anexos 143

Tabela 15- Modelo de rede neural 22 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 22 (aprendizado falecidos ateacute 2012) e PREV03 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

22 50 (DO- DIS) Ψ

tangente hiperboacutelica

2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do

caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede

neural PREV 03

λ

(vivos ateacute 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1166 3220 2659 5615

3997 2008 1010 4970 2302 5614

4095 DP 1237 5614 DP 001

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro de previsatildeo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 144

Tabela 16 ndash Modelo de rede neural 24 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 24 (aprendizado falecidos em 2012) e PREV04 (previsatildeo vivos em 2012)

Modelo de rede neural

δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

24 101 (DO-DPC) Ψ

tangente hiperboacutelica

superior a 6 anos

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

Nuacutemero do caso

Sobrevida calculada VIVO (DUR-DPC)

Φ

(em dias)

Sobrevida hipoteacutetica da rede neural PREV 04

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico da rede neural

(vivos ateacute 2012) ()

Sobrevida real

(falecidos em 2013) (em dias)

Erro da rede neural comparado com

erro real (falecidos em 2013)

()

115 3558 3495 176 3586 252

156 3552 3239 882 3630 1077

157 3615 3548 184 3705 259

267 3437 2302 3303 3755 387

442 2496 2445 206 3573 3157

475 3681 3527 418 3700 466

702 3281 2756 1600 3544 2223

848 3362 2628 2183 3474 2435

949 3108 3309 646 3339 09

1015 3410 2166 3648 3449 3719

1166 2931 3399 1597 3423 069

1269 2693 3183 1820 3461 802

1272 3277 3482 627 3343 417

1408 3346 2435 2721 3427 2893

1453 3281 3232 151 3473 69

1460 3285 4047 2319 3330 2152

1477 3480 2236 3574 3485 3583

1490 2902 3332 1480 3244 269

1511 2612 3052 1685 3423 1083

1513 2589 3239 2510 3399 471

1525 3425 2702 2110 3429 2118

1538 2963 4069 3734 3312 2286

1686 3059 3821 2492 3284 1635

1754 3214 2612 1873 3284 2045

2083 2938 2264 2293 2964 236

2477 2828 4067 4381 2973 3647

2481 2467 4062 6464 2780 461

2526 2559 3548 3865 2799 2676

2612 2626 3485 3271 2894 2041

2621 2534 2224 1224 2802 2063

2641 2915 3548 2171 2934 2091

2714 2737 3486 2738 2810 2407

2789 2726 3442 2628 2753 2504

2815 2938 3016 264 2943 246

2871 2884 2237 2242 2904 2295 3475 2514 3231 2852 2547 2685

2120 DP 1396

1880 DP 1239

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da rimeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural meacutedia e desvio-padratildeo (DP) das

porcentagens do erro hipoteacutetico de previsatildeo da rede neural ara os pacientes vivos ateacute 2012 meacutedia desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 145

Tabela 17 - Modelo de rede neural 26 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 26 (aprendizado oacutebito em 2012) e PREV05 (previsatildeo vivos em 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

26 101 (DO-DPC) Ψ

zero based log sigmoid

superior a 6 anos

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

115 3558

3902 966 3586 881

156 3552

2656 2522 3630 2682

157 3615

3408 573 3705 802

267 3437

2655 2275 3755 2929

442 2496

2514 074 3573 2963

475 3681

2694 2681 3700 2718

702 3281

2841 134 3544 1983

848 3362

3307 163 3474 480

949 3108

2318 2541 3339 3057

1015 3410

2189 358 3449 3653

1166 2931

4085 3937 3423 1934

1269 2693

2367 1221 3461 3162

1272 3277

2669 1854 3343 2015

1408 3346

3006 1015 3427 1228

1453 3281

2430 2595 3473 3004

1460 3285

4095 2465 3330 2297

1477 3480

2147 3832 3485 3841

1490 2902

2571 1142 3244 2076

1511 2612

2241 1419 3423 3452

1513 2589

3044 1757 3399 1044

1525 3425

2770 1913 3429 1922

1538 2963

3743 2631 3312 1300

1686 3059

2747 1021 3284 1636

1754 3214

2590 1940 3284 2112

2083 2938

2805 452 2964 536

2477 2828

3974 4052 2973 3366

2481 2467

4055 6439 2780 4588

2526 2559

3027 1828 2799 813

2612 2626

2090 2043 2894 2779

2621 2534 2947 1629 2802 517

2641 2915 2247 2293 2934 2343

2714 2737 2488 908 2810 1144

2789 2726 2727 003 2753 095

Anexos 146

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

2871 2884 2831 183 2904 251

3475 2514 2432 327 2547 452

1848 DP 1354

1948 DP 1167

δ modelo de rede neural utilizada no aprendizado da rede Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013 Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos em 2012

Anexos 147

Tabela 18 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2013 (Reensaio 1) fase 4

Modelo de rede neural 24 (falecidos ateacute 2012)

Modelo de rede neural 24 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1277

145

269

1376

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Modelo de rede neural 26 (falecidos ateacute 2012)

Modelo de rede neural 26 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo

da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1137

145

269

1230

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Anexos 148

Tabela 19 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2014 (Reensaio 2) fase 4

Modelo de rede neural 24

(falecidos ateacute 2012)

Modelo de rede neural 24

Reensaio1 (falecidos em

2013)

Modelo de rede neural 24

Reensaio 2 (falecidos em

2014)

TAA TAP

sect

Erro de previsatildeo de sobrevida da rede neural

()

TAA TAeuro Erro de

previsatildeo real da rede neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida

da rede neural ()

101

186

1277

145

269

1376

175

319

1733

corresponde aos pacientes falecidos em 2012 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a falecer em 2013 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer em 2014 sem dados faltantes sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde agrave somatoacuteria do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer 2013 pound corresponde ao somatoacuterio do total de oacutebitos 2013 e o total de pacientes que vieram a falecer em 2014

Modelo de rede neural 26

(falecidos ateacute 2012)

Modelo de rede neural 26

Reensaio1 (falecidos em 2013)

Modelo de rede neural 26

Reensaio 2 (falecidos em 2014)

TAA TAP sect Erro de

previsatildeo de sobrevida da rede neural

()

TAA TAPeuro Erro de

previsatildeo real da rede

neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida da

rede neural ()

101

186

1137

145

269

1230

175

319

1488

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2012 e os pacientes que vieram a falecer

em 2013 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer

em 2014 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer

em 2013

pound corresponde ao somatoacuterio do total de oacutebitos ateacute 2013 e o total de pacientes que vieram a falecer

em 2014

Anexos 149

Tabela 20 - Comparaccedilatildeo da previsatildeo de sobrevida entre o modelo inicial da rede neural 24 e reensaio 1 fase 4

PREV 04 λ (vivos em 2012)

REENSAIO 1 do modelo de rede neural 24 (falecidos em 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Erro de previsatildeo real rede neural ()

115 3586 3495 176 3709 344

156 3630 3239 882 3041 1623

157 3705 3548 184 3469 637

267 3755 2302 3303 3549 549

442 3573 2445 206 3568 013

475 3700 3527 418 3370 892

702 3544 2756 16 3727 515

848 3474 2628 2183 3547 211

949 3339 3309 646 3505 496

1015 3449 2166 3648 3637 544

1166 3423 3399 1597 3555 386

1269 3461 3183 182 3378 240

1272 3343 3482 627 3286 171

1408 3427 2435 2721 3403 070

1453 3473 3232 151 3458 044

1460 3330 4047 2319 4024 2083

1477 3485 2236 3574 3498 038

1490 3244 3332 148 3511 823

1511 3423 3052 1685 3225 579

1513 3399 3239 251 3564 484

1525 3429 2702 211 3527 284

1538 3312 4069 3734 3422 332

1686 3284 3821 2492 3304 060

1754 3284 2612 1873 3324 120

2083 2964 2264 2293 2501 1564

2477 2973 4067 4381 3026 155

2481 2780 4062 6464 2827 169

2526 2799 3548 3865 3264 1660

2612 2894 3485 3271 3989 3784

2621 2802 2224 1224 2545 917

2641 2934 3548 2171 2659 937

2714 2810 3486 2738 2329 1712

2789 2753 3442 2628 2490 955

2815 2943 3016 264 3200 873

2871 2904 2237 2242 3558 2253

3475 2547 3231 2852 3568 4008

2120 DP 1396

848 DP 961

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo

(DP) das porcentagens do erro real de previsatildeo do reensaio 1 para o modelo de rede neural 24

Anexos 150

Tabela 21 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 e reensaio 1 fase 4

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (oacutebitos 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Sobrevida da rede neural ()

115 3586 3902 966 3520 184

156 3630 2656 2522 2618 2787

157 3705 3408 573 3568 371

267 3755 2655 2275 3787 084

442 3573 2514 074 3326 691

475 3700 2694 2681 2654 2827

702 3544 2841 1340 3400 406

848 3474 3307 163 3467 020

949 3339 2318 2541 3418 236

1015 3449 2189 3580 3621 499

1166 3423 4085 3937 2635 2303

1269 3461 2367 1221 2628 2405

1272 3343 2669 1854 2688 1960

1408 3427 3006 1015 3269 460

1453 3473 2430 2595 2596 2524

1460 3330 4095 2465 2653 2033

1477 3485 2147 3832 3408 221

1490 3244 2571 1142 2711 1642

1511 3423 2241 1419 2617 2354

1513 3399 3044 1757 3340 175

1525 3429 2770 1913 3093 979

1538 3312 3743 2631 2651 1995

1686 3284 2747 1021 2665 1886

1754 3284 2590 1940 2798 1480

2083 2964 2805 452 2695 906

2477 2973 3974 4052 2622 1182

2481 2780 4055 6439 2873 334

2526 2799 3027 1828 2627 614

2612 2894 2090 2043 3243 1204

2621 2802 2947 1629 2645 562

2641 2934 2247 2293 2654 954

2714 2810 2488 908 2943 474

2789 2753 2727 003 2567 677

2815 2943 2663 935 2620 1096

2871 2904 2831 183 2550 1219

3475 2547 2432 327 2731 724

1848 DP 1410

1124 DP 851

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia das porcentagens e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo do reensaio 1 para o modelo de rede neural 26

Anexos 151

Tabela 22 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 24 reensaio 1 e reensaio 2 fase 5

PREV 04 λ

(vivos ateacute 2012) REENSAIO 1 do modelo de rede neural 24 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 24

(aprendizado 2013 e 2014)

Nuacutemero do

caso

Sobrevida real (em dias)

Sobrevida da rede neural

(em dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural ()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3495 176 3709 344 3241 963

156 3630 3239 882 3041 1623 2523 3049

157 3705 3548 184 3469 637 3513 518

267 3755 2302 3303 3549 549 3513 644

442 3573 2445 206 3568 013 2523 2938

475 3700 3527 418 3370 892 3442 698

702 3544 2756 16 3727 515 2968 1625

848 3474 2628 2183 3547 211 3616 408

949 3339 3309 646 3505 496 3513 521

1015 3449 2166 3648 3637 544 3508 171

1166 3423 3399 1597 3555 386 3363 175

1269 3461 3183 182 3378 240 3628 483

1272 3343 3482 627 3286 171 2867 1424

1408 3427 2435 2721 3403 070 3184 710

1453 3473 3232 151 3458 044 3572 284

1460 3330 4047 2319 4024 2083 3058 817

1477 3485 2236 3574 3498 038 3513 081

1490 3244 3332 148 3511 823 3370 388

1511 3423 3052 1685 3225 579 3096 955

1513 3399 3239 251 3564 484 3130 791

1525 3429 2702 211 3527 284 3518 261

1538 3312 4069 3734 3422 332 3347 106

1686 3284 3821 2492 3304 060 3141 435

1754 3284 2612 1873 3324 120 3014 822

2083 2964 2264 2293 2501 1564 3157 652

2477 2973 4067 4381 3026 155 2404 1913

2481 2780 4062 6464 2827 169 2697 300

2526 2799 3548 3865 3264 1660 2524 983

2612 2894 3485 3271 3989 3784 3183 999

2621 2802 2224 1224 2545 917 3447 2303

2641 2934 3548 2171 2659 937 3334 1365

2714 2810 3486 2738 2329 1712 2523 1020

2789 2753 3442 2628 2490 955 2404 1267

2815 2943 3016 264 3200 873 2208 2497

2871 2904 2237 2242 3558 2253 2871 113

3475 2547 3231 2852 3568 4008 2524 092

2120

DP 1396

848

DP 961

910

DP 787

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-

-padratildeo das porcentagens (DP) do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1

(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo da rede neural para

os pacientes do reensaio 2 (oacutebitos incorporados ateacute 2014) λ PREV modelo de previsatildeo da rede neural para os

pacientes vivos associado ao modelo de aprendizado da rede

Anexos 152

Tabela 23 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 o reensaio 1 e o reensaio 2 fase 5

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 26 (aprendizado

2013 e 2014)

Nuacutemero do

caso

Sobrevida real

(em dias)

Sobrevida da rede neural (em

dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3902 966 3520 184 3274 870

156 3630 2656 2522 2618 2787 2750 2425

157 3705 3408 573 3568 371 3347 968

267 3755 2655 2275 3787 084 3708 126

442 3573 2514 074 3326 691 3740 467

475 3700 2694 2681 2654 2827 2751 2565

702 3544 2841 1340 3400 406 3207 952

848 3474 3307 163 3467 020 2989 1395

949 3339 2318 2541 3418 236 3552 637

1015 3449 2189 3580 3621 499 3352 282

1166 3423 4085 3937 2635 2303 3287 397

1269 3461 2367 1221 2628 2405 2915 1579

1272 3343 2669 1854 2688 1960 3045 892

1408 3427 3006 1015 3269 460 3299 373

1453 3473 2430 2595 2596 2524 2722 2163

1460 3330 4095 2465 2653 2033 4369 3120

1477 3485 2147 3832 3408 221 3472 038

1490 3244 2571 1142 2711 1642 3742 1534

1511 3423 2241 1419 2617 2354 3180 710

1513 3399 3044 1757 3340 175 3054 1015

1525 3429 2770 1913 3093 979 2763 1941

1538 3312 3743 2631 2651 1995 2845 1409

1686 3284 2747 1021 2665 1886 2767 1576

1754 3284 2590 1940 2798 1480 2830 1381

2083 2964 2805 452 2695 906 2813 508

2477 2973 3974 5052 2622 1182 3080 359 2481 2780 4055 6439 2873 334 2980 721

2526 2799 3027 1828 2627 614 3034 838

2612 2894 2090 2043 3243 1204 4367 5090

2621 2802 2947 1629 2645 562 2920 421

2641 2934 2247 2293 2654 954 3095 549

2714 2810 2488 908 2943 474 3998 4227

2789 2753 2727 003 2567 677 2492 947

2815 2943 2663 935 2620 1096 2722 749

2871 2904 2831 183 2550 1219 2887 059

3475 2547 2432 327 2731 724 3103 2183

1848 DP 1410

112 4 DP 851

126 DP 1127

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-padratildeo das porcentagens do erro Hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) das porcentagens Do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 2 (oacutebitos incorporadosateacute 2014) λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associados ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 153

Tabela 24 - Sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo dos melhores modelos de rede neural

Pacientes com oacutebitos confirmados ateacute 2012 Pacientes com oacutebitos natildeo confirmados ateacute 2012 Criteacuterio para o modelo de rede neural (RN)

Intervalo de corte (dias)

Modelo da rede neural

Total de oacutebitos

Verdadeiro Positivo (VP)

Falso Negativo (FN)

Sensibilidade da rede neural

ζ

Modelo de Previsatildeo da RN (Prev)

Total de pacientes vivos

Verdadeiro Negativo (VN)

Falso Positivo (FP)

Especificidade da rede neural δ

Acuraacutecia da rede neural

ξ

Valor Preditivo Positivo (VPP)

π

Valor Preditivo Negativo (VPN)

φ

sobrevida de 2 a 6 anos Log Sig DO-DPC 730 (2 anos) RN13 402 338 64 841 PREV01 300 226 74 753 803 820 779

sobrevida de 2 a 6 anos Log Sig DO-DPC 365 (1 ano) RN13 402 226 176 562 PREV01 300 139 161 463 520 584 441

sobrevida de 2 a 6 anos Log Sig DO-DIS 730 (2 anos) RN20 98 88 10 898 PREV02 51 39 12 765 852 880 796

sobrevida de 2 a 6 anos Log Sig DO-DIS 365 RN20 98 71 27 724 PREV02 51 23 28 451 631 717 460

sobrevida de 2 a 6 anos Tag h DO-DIS 730 (2 anos) RN22 98 88 10 898 PREV03 51 37 14 725 839 863 787

sobrevida de 2 a 6 anos Tag h DO-DIS 365 (1 ano) RN22 98 75 23 765 PREV03 51 22 29 431 651 721 489

sobrevida inferior a 2 anos Tag h DO-DIS 180 (6 meses) RN27 47 33 14 702 PREV06 24 9 15 375 592 688 391

sobrevida inferior a 2 anos Tag h DO-DIS 365 (1 ano) RN27 47 41 6 872 PREV06 24 16 8 667 803 837 727

sobrevida inferior a 2 anos Log Sig DO-DIS 180 (6 meses) RN29 47 33 14 702 PREV07 24 7 17 292 563 660 333

sobrevida inferior a 2 anos Log Sig DO-DIS 365 (1 ano) RN29 47 41 6 872 PREV07 24 15 9 625 789 820 714

sobrevida superior a 6 anos Tag h DO-DPC 730 (2 anos) RN24 186 135 51 726 PREV04 636 355 281 558 596 325 874

sobrevida superior a 6 anos Tag h DO-DPC 1095 (3 anos) RN24 186 173 13 930 PREV04 636 493 143 775 810 547 974

sobrevida superior 6 anos Log Sig DO-DPC 730 (2 anos) RN26 186 135 51 726 PREV05 636 348 288 547 588 319 872

sobrevida superior 6 anos Log Sig DO-DPC 1095 (3 anos) RN26 186 173 13 930 PREV05 636 486 150 764 802 536 974

sobrevida superior 6 anos Tag h DO-DIS 730 (2 anos) RN28 93 63 30 677 PREV08 199 60 139 302 421 312 667

sobrevida superior 6 anos Log Sig DO-DIS 730 (2 anos) RN30 93 63 30 677 PREV09 199 51 148 256 390 299 630

ε Os caacutelculos de sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo para cada modelo de dados da rede neural foram baseados no padratildeo ouro a partir de dois grupos distintos pacientes

falecidos ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural (RN) pacientes sobreviventes ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural para a previsatildeo da sobrevida (PREV) para estes pacientes foi considerada a data da uacuteltima revisatildeo como a data hipoteacutetica de oacutebito para o calculo da sobrevida DO data de oacutebito do paciente DIS data do iniacutecio dos sintomas DPC data da primeira consulta Tag h funccedilatildeo de transferecircncia ou ativaccedilatildeo tangente hiperboacutelica Log Sig funccedilatildeo de transferecircncia ou ativaccedilatildeo zero based log sigmoid funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural ζ Sensibilidade da rede neural = VP (VP + FN) δ Especificidade da rede neural = VN (VN + FP) ξ Acuraacutecia da rede neural = (VP + VN) (VP+FP+VN+FN) π Valor preditivo positivo da rede neural = VP (VP + FP) φ Valor preditivo negativo da rede neural = VN (VN + FN)

Anexos 154

Tabela 25 ndash Avaliaccedilatildeo dos melhores modelos de rede neural com o emprego da funccedilatildeo de perda

Caracteriacutesticas do modelo de rede neural Modelo de rede neural (RN)

Tamanho da

amostra (TAP) φ

Erro meacutedio estimado com a

funccedilatildeo de perdapara

(dias)

Erro meacutedio estimado com a funccedilatildeo de perda quadraacutetica (dias)

sobrevida de 2 a 6 anos Log Sig sect

(DO - DPC) RN13 402 38931 25453684

sobrevida de 2 a 6 anos Log Sig sect

(DO - DIS) RN20 98 25906 18176135

sobrevida de 2 a 6 anos Tag hip sect

(DO - DIS) RN22 98 23161 18081308

sobrevida superior a 6 anos Tag hip sect (DO - DPC) RN24 186 33255 27277589

sobrevida superior a 6 anos Log Sig sect

(DO - DPC) RN26 186 29388 334004

sobrevida inferior a 2 anos Tag hip sect

(DO - DIS) RN28 47 13307 5598847

sobrevida inferior a 2 anos Log Sig sect (DO - DIS)

RN30 47 12695 5223339

sect funccedilatildeo de ativaccedilatildeo ou transferecircncia tangente hiperboacutelica (Tag hip) ou zero based log sigmoid (Log Sig) funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural

DO data do oacutebito DPC data da consulta inicial DIS data do iniacutecio dos sintomas

φ TAP tamanho da amostra de treinamento ou previsatildeo

para Funccedilatildeo de perda absoluta = somatoacuteria (|sobrevida real-sobrevida estimada|) de cada paciente nuacutemero de pacientes

8 Referecircncias Bibliograacuteficas

Referecircncias Bibliograacuteficas 156

Aaronson KD Schwartz JS Chen TM Wong Kl Goin JE Mancini DM Development and prospective validation of a clinical index to predict survival in ambulatory patients referred for cardiac transplant evaluation Circulation 1997 Jun 95(12)2660-7 Abdul-Rahim AH MacIsaac RL Jhund P Petrie MC Lees KR McMurray JJV On behalf the VICCTA-Heart Failure Collaborators Efficacy and safety of digoxin in patients with heart failure and reduced ejection fraction according to diabetes status An analysis of the Digitalis Investigation Group (DIG) trial Int J Cardiol 2016 Feb209310-316 doi101016jijcard201602074 Abebe TB Gebreyohannes EA Bhagavathula AS Tefera YG Abegaz TM Anemia in severe heart failure patients does it predict prognosis BMC Cardiovasc Disord 2017 Sep17(1)248 doi101186s12872-017-0680-5 Abraham WT Fonarow GC Albert NM Stough WG Gheorghiade M Greenberg BH et al OPTIMIZE-HF Investigators and Coordinators Predictors of in-hospital mortality in patients hospitalized for heart failure insights from the Organized Program to Initiate Lifesaving Treatment in Hospitalized Patients with Heart Failure (OPTIMIZE-HF) J Am Coll Cardiol 2008 Jul52(5)347-56 doi 01016jjacc200804028 Acanfora D Gheorghiade M Trojano L Furgi G Pasini E Picone C et al Relative lymphocyte count a prognostic indicator of mortality in elderly patients with congestive heart failure Am Heart J 2001 Jul 142(1)167-73 PMID11431674 Addetia K Michel C Holcroft CA Sheppard R Rudski LG Early improvement in serial echocardiographic studies in heart failure patients predicts long term survival-a pilot study J Card Fail 2015 Jun21(6)470-8 doi 101016 jcardfail 201504002 Afsarmanesh N Horwich TB Fonarow GC Total cholesterol levels and mortality risk in nonischemic systolic heart failure Am Heart J 2006 Dec152(6)1077-83 doi10 1016jahj200606015 Ahmed FE Artificial neural networks for diagnosis and survival prediction in colon cancer Mol Cancer 2005 Aug429 doi1011861476-4598-4-29 Ahmed A Rich MW Love TE Lloyd-Jones DM Aban IB Colucci WS et al Digoxin and reduction in mortality and hospitalization in heart failure a comprehensive post hoc analysis of the DIG trial Eur Heart J 2006a Jan 27(2)178-86 doi101093eurheartjehi687 Ahmed A Aronow WS Fleg JL Predictors of mortality and hospitalization in women with heart failure in the Digitalis Investigation Group trial Am J Ther 2006 b Jul-Ago 13(4) 325-31 PMID16858168 Ahmed A Zannad F Love TE Tallaj J Gheorghiade M Ekundayo OJ Pitt B A propensity-matched study of the association of low serum potassium levels and mortality in chronic heart failure Eur Heart J 2007 Jun28 (11)1334-43 doi10 1093eurheartjehm091

Referecircncias Bibliograacuteficas 157

Alla F Brianccedilon S Juilliegravere Y Mertes PM Villemot JP Zannad F Differential clinical prognostic classifications in dilated and ischemic advanced heart failure the EPICAL study Am Heart J 2000 May139(5)895-904 doi101016S0002-8703(00)90023-1 Albuquerque DC Neto JD Bacal F Rohde LE Bernardez-Pereira S Berwanger O et al Investigadores Estudo BREATHE I Brazilian registry of heart failure - Clinical aspects care quality and hospitalization outcomes Arq Bras Cardiol 2015 Jun104(6)433-42 Erratum in Correction [Arq Bras Cardiol 2015] doi 10 5935 abc20150031 Ambroacutesio PE Redes neurais artificiais no apoio ao diagnoacutestico diferencial de lesotildees intersticiais pulmonares [dissertaccedilatildeo] Ribeiratildeo Preto Universidade de Satildeo Paulo Faculdade de Filosofia Ciecircncias e Letras 2002 Disponiacutevel em wwwtesesuspbrtesesdisponiveis5959135tde-26102002-155559Dissertacaopdf Anand I McMurray JJ Whitmore J Warren M Pham A McCamish MA et al Anemia and its relationship to clinical outcome in heart failure Circulation 2004 Jul110(2)149-54 doi10116101CIR00001342797957173 Anand IS Kuskowski MA Rector TS Florea VG Glazer RD Hester A et al Anemia and change in hemoglobin over time related to mortality and morbidity in patients with chronic heart failure results from Val-HeFT Circulation 2005 Aug112(8)1121-7 doi101161 CIRCULATIONAHA104512988 Anand IS Anemia and chronic heart failure implications and treatment options J Am Coll Cardiol 2008 Aug52(7)501-11 doi101016jjacc200804044 Anker SD Ponikowski P Varney S Chua TP Clark AL Webb-Peploe KM et al Wasting as independent risk factor for mortality in chronic heart failure Lancet1997 Apr349(9058)1050-3 doi 10 1016S0140-6736(96)07015-8 Anker SD Negassa A Coats AJ Afzal R Poole-Wilson PA Cohn JN et al Prognostic importance of weight loss in chronic heart failure and the effect of treatment with angiotensin ndash converting - enzyme inhibitors an observational study Lancet 2003 Mar361(9363)1077-83 doi101016S0140-6736(03)12892-9 Assunccedilatildeo F Estrateacutegias para tratamento de variaacuteveis com dados faltantes durante o desenvolvimento de modelos preditivos [mestrado] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2012 doi1011606D712010tde-21062010-100432 Recuperado em 2017-01-18 de wwwtesesuspbr Astion ML Wilding P The application of backpropagation neural networks to problems in pathology and laboratory medicine Arch Pathol Lab Med1992 Oct 116(10)995-1001 PMID1417451 Barker WH Mullooly JP Getchell W Changing incidence and survival for heart failure in a well-defined older population 1970-1974 and 1990-1994 Circulation 2006 Fev113(6)799-805 doi101161CIRCULATIONAHA104492133

Referecircncias Bibliograacuteficas 158

Bartosch-Haumlrlid A Andersson B Aho U Nilsson J Andersson R Artificial neural networks in pancreatic disease Br J Surg 2008 Jul95(7)817-26 doi101002 bjs 6239 Baxt WG Use of an artificial neural network for the diagnosis of myocardial infarction Ann Intern Med 1991 Jan115(11)843-8 PMID 1952470 Erratum in Ann Intern Med 1992116(1)94 doi1073260003-4819-115-11-843 Baxt WG Application of artificial neural networks to clinical medicine Lancet 1995 Oct 346(8983)1135-8 PMID 7475607 Baxt WG Skora J Prospective validation of artificial neural network trained to identify acute myocardial infarction Lancet 1996 Jan347(8993)12-5 PMID 8531540 Bestetti RB Dalbo CM Freitas OC Teno LA Castilho OT Oliveira JS Noninvasive predictors of mortality for patients with Chagasrsquo heart disease a multivariate stepwise logistic regression study Cardiology 1994 Nov84(4-5)261-7 doi1011590001 76409 Bestetti RB Muccillo G Clinical course of Chagasrsquoheart disease a comparison with dilated cardiomyopathy Int J Cardiol 1997 Jul60(2)187-93 PIMD 9226290 Bestetti RB Otaviano AP Cardinalli-Neto Rocha BF Theodoropoulos TA Cordeiro JA Effects of B-Blockers on outcome of patients with Chagasrsquo cardiomyopathy with chronic heart failure Int J Cardiol 2011 Sep115205-208 doi101016jijcard 201005033 Bestetti RB Daniel RAF The treatment of chronic heart failure secondary to Chagas cardiomyopathy in the contemporary era International Cardiovascular Forum Journal 2016vol719-25 doi1017987icfjv7i0217 Bielecka-Dabrowa A Mikhailidis DP Jones L Rysz J Aronow WS Banach M The meaning of hypokalemia in heart failure Int J Cardiol 2012 Jun158(1) 12-7 doi 10 1016jijcard201106121 Bocchi EA Cruz F Guimaratildees G Pinho Moreira LF Issa VS Ayub-Ferreira SM et al Long-term prospective randomized controlled study using repetitive education at six-month intervals and monitoring for adherence in heart failure outpatients the REMADHE trial Circ Heart Fail 2008 Jul1(2)115-124 doi 101161CIRCHEARTFAILURE107744870 Bocchi EA Marcondes-Braga FG Ayub-Ferreira SM Rohde LE Oliveira WA Almeida DR et al Sociedade Brasileira de Cardiologia III Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica Arq Bras Cardiol 200993 (1supl1)1-71 doi101590S0066-782X2009002000001

Referecircncias Bibliograacuteficas 159

Bocchi EA Marcondes-Braga FG Bacal F Ferraz AS Albuquerque D Rodrigues D et al Sociedade Brasileira de Cardiologia Atualizaccedilatildeo da Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica-2012 Arq Bras Cardiol 2012 Jan 98(1 supl 1)1- 33 Bocchi EA Arias A Verdejo H Diez M Goacutemez E Castro P Interamerican Society of Cardiology The reality of heart failure in Latin America J Am Coll Cardiol 2013 Sep62(11)949-58 doi101016jjacc201306013 Bocchi EA Bestetti RB Scanavacca MI Neto EC Issa VS Chronic Chagas heart disease management From etiology to cardiomyopathy treatment J Am Coll Cardiol 2017 Sep70(12)1510-24 doi101016jjacc201708004 Boumlhm M Swedberg K Komajda M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Heart rate as a risk factor in chronic heart failure (SHIFT) the association between heart rate and outcomes in a randomised placebo -controlled trial Lancet 2010 Sep376(9744) 886-94 doi101016S0140-6736(10) 61259-7 Braunwald E Biomarkers in heart failure N Engl J Med 2008 May 358(20) 2148-59 doi101056NEJMra0800239 Burnett H Earley A Voors AA Senni M McMurray JJ Deschaseaux C et al Thirty years of evidence on the efficacy of drug treatments for chronic heart failure with reduced ejection fraction a network meta-analysis Circ Heart Fail 2017 Jan10 (1)pii e003529 doi 101161CIRCHEARTFAILURE116003529 Buskard T Stevenson M Frize M Solven F Estimation of ventilation length of stay and mortality using artificial neural networks Conf Proc Electrical and Computer Engineering 1994 Canada September 25-28 1994 IEEEXplore 2002 doi 101109CCECE1994405854 Bustamante-Teixeira MT Faerstein E Latorre MR Teacutecnica de anaacutelise de sobrevida Cad Sauacutede Puacuteblica 2002 May-Jun Rio de Janeiro18(3)579-594 doi101590S 0102-311X2002000300008 Carlo CH Cardoso JN Ochia ME Oliveira Junior MT Ramires JA Pereira-Barretto AC Temporal variation in the prognosis and treatment of advanced heart failure - before and after 2000 Arq Bras Cardiol 2014 May102(5)495-504 PMID 24759950 Castro LN Anaacutelise e siacutentese de estrateacutegias de aprendizado para redes neurais artificiais [dissertaccedilatildeo] Campinas Universidade Estadual de Campinas Faculdade de Engenharia Eleacutetrica e de Computaccedilatildeo 1998 Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubentheseslnunes_ mestindicepdf

Referecircncias Bibliograacuteficas 160

Castro FCC de Castro MC Redes Neurais Artificiais Pontifiacutecia Universidade Catoacutelica do Rio Grande do Sul Capiacutetulo 2 Processos de aprendizado [citado 10 Nov 2016] p1-23 Disponiacutevel em wwwpolitecnica pucrsbr~decastro pdf RNA_C2pdf Charach G Grosskopf I Roth A Afek A Wexler D Sheps D et al Usefulness of total lymphocyte count as predictor of outcome in patients with chronic heart failure Am J Cardiol 2011 May 107 (9) 1353-6 doi101016jamjcard201012049 Chizzola PR Mansur AJ da Luz PL Bellotti G Compliance with pharmacological treatment in outpatients from a Brazilian cardiology referral center Sao Paulo Med J 1996 Sep-Oct114(5)1259-64 doi101590S1516-31801996000500004 Christ M Klima T Grimm W Mueller HH Maisch B Prognostic significance of serum cholesterol levels in patients with idiopathic dilated cardiomyopathy Eur Heart J 2006 Mar27(6)691-9 doi101093eurheartjehi195 Cintron G Jonhson G Francis G Cobb F Cohn JN Prognostic significance of serial changes in left ventricular ejection fraction in patients with congestive heart failure The V-HeFT VA Cooperative Studies Group Circulation 1993 Jun87(6Suppl)VI17-23 PMID 8500235 Cohn JN Archibald DG Ziesche S Franciosa JA Harston WE Tristani FE et al Effect of vasodilator therapy on mortality in chronic congestive heart failure Results of a Veterans Administration Cooperative Study N Engl J Med 1986 Jun314 (24) 1547-52 doi101056NEJM198606123142404 Cohn JN Archibald DG Francis GS Ziesche S Franciosa JA Harston WE et al Veterans Administration Cooperative Study on Vasodilator Therapy of Heart Failure Influence of prerandomization variables on the reduction of mortality by treatment with hydralazine and isosorbide dinitrate Circulation 1987 May75(5 Pt 2)IV49-54 PMID 3552302 Cohn JN Rector TS Prognosis of congestive heart failure and predictors of mortality Am J Cardiol 1988 Jul62(2)25A-30A doi 101016 S0002-9149(88) 80081-X Cox DR Regression Models and Life-Tables J R Stat Soc Series B Stat Methodol Vol 34 No 2 (1972) p187-220 Cowie MR Wood DA Coats AJ Thompson SG Suresh V Poole-Wilson PA et al Survival of patients with a new diagnosis of heart failure a population based study Heart 2000 May83(5)505-10 doi101136heart 835505 Cross SS Harrison RF Kennedy RL Introduction to neural networks Lancet 1995 Oct346(8982)1075-9 PMID7564791

Referecircncias Bibliograacuteficas 161

Das A Ben-Menachem T Farooq FT Cooper GS Chak A Sivak MV Jr et al Artificial neural network as a predictive instrument in patients with acute nonvariceal upper gastrointestinal hemorrhage Gastroenterology 2008 Jan134 (1)65-74 doi101053jgastro200710037 Damman K Valente MA Voors AA OConnor CM van Veldhuisen DJ Hillege HL Renal impairment worsening renal function and outcome in patients with heart failure an updated meta-analysis Eur Heart J 2014 Fev35(7)455-69 doi 101093 eurheartjeht386 Davos CH Doehner W Rauchhaus M Cicoira M Francis DP Coats AJ et al Body mass and survival in patients with chronic heart failure without cachexia The importance of obesity J Cardiac Fail 2003 Fev9(1)29-35 doi10 1054 jcaf20034 Diaz A Bourassa MG Guertin MC Tardif JC Long-term prognostic value of resting heart rate in patients with suspected or proven coronary artery disease Eur Heart J 2005 Mar26(10)967-74 doi101093eurheartjehi190 Doehner W Critical appraisal of the obesity paradox in cardiovascular disease how to manage patients with overweight in heart failure Heart Fail Rev 2014 Sep 19(5)637-44 doi101007s10741-014-9425-z Dries DL Exner DV Domanski MJ Greenberg B Stevenson LW The prognostic implications of renal insufficiency in asymptomatic and symptomatic patients with left ventricular systolic dysfunction J Am Coll Cardiol 2000 Mar35(3)681-9 doi10 1016S0735-1097(99)00608-7 Ennett CM Frize M Walker CR Influence of missing values on artificial neural network performance Stud Health Technol Inform 200184(Pt 1)449-53 doi 10 3233978-1-60750-928-8-449 Ennett CM Frize M Charette E Improvement and automation of artificial neural networks to estimate medical outcomes Med Eng Phys 2004 May26(4)321-328 doi101016jmedengphy200309005 Ennett CM Frize M Wlaker R Imputation of missing values by integrating neural networks and case-based reasoning Conf Proc IEEE Eng Med Biol Soc 200820084337-41 Proferida na 30th Annual International IEEE EMBS Conference Vancouver British Columbia Canada August 20-24 2008 doi101109 IEMBS 20084650170 Espinosa R Carrasco HA Belandria F Fuenmayor AM Molina C Gonzaacutelez R et al Life expectancy analysis in patients with Chagasrsquo disease prognosis after one decade (1973-1983) Int J Cardiol 1985 May8(1)45-56 PMID 3997291 Ezekowitz JA McAlister FA Armstrong PW Anaemia is common in heart failiure and is associated with poor outcomes insights from a cohort of 12065 patients with new-onset heart failure Circulation 2003 Jan107(2)223-225 doi101161 01 CIR00 00 0526 2251963FC

Referecircncias Bibliograacuteficas 162

Fogel DB Wasson EC 3rd Boughton EM Evolving neural networks for detecting breast cacircncer Cancer Lett 1995 Sep96(1)49-53 PMID 7553607 Fonarow GC Adams KF Jr Abraham WT Yancy CW Boscardin WJ ADHERE Scientific Advisory Committee Study Group and Investigators Risk stratification for in-hospital mortality in acutely decompensated heart failure classification and regression tree analysis JAMA 2005 Feb293(5)572-80 doi 101001 jama 2935572 Fonarow GC Srikanthan P Costanzo MR Cintron GB Lopatin M ADHERE Scientific Advisory Committee and Investigators An obesity paradox in acute heart failure analysis of body mass index and inhospital mortality for 108927 patients in the Acute Decompensated Heart Failure National Registry Am Heart J 2007a Jan153(1)74-81 doi101016jahj200609007 Fonarow GC Heywood JT Heidenreich PA Lopatin M Yancy CW ADHERE Scientific Advisory Committee and Investigators Temporal trends in clinical characteristics treatments and outcomes for heart failure hospitalizations 2002 to 2004 findings from Acute Decompensated Heart Failure National Registry (ADHERE) Am Heart J 2007b Jun153(6)1021-8 doi101016jahj200703012 Franke J Zugck C Hochadel M Hack A Frankenstein L Zhao JD et al Etiology-specific assessment of predictors of long-term survival in chronic systolic heart failure Int J Cardiol Heart Vasc 2015 Feb761-68 doi101016jijcha 2015 01015e Collection 2015 Jun 1 Freitas HFG Prognoacutestico em portadores de insuficiecircncia cardiacuteaca encaminhados para avaliaccedilatildeo de tratamento ciruacutergico [tese] Satildeo Paulo Universidade de Satildeo Paulo Faculdade de Medicina 2002 doi1011606 T52002tde-19082014-100741 Disponiacutevel em http wwwtesesuspbr Freitas HFG Chizzola PR Paes AT Lima AC Mansur AJ Risk stratification in a Brazilian hospital - based cohort of 1220 outpatients with heart failure role of Chagasheart disease Int J Cardiol 2005 Jul102(2)239-47 doi101016jijcard 2004 05025 Freitas HFG Barbosa EA Rosa FHFP Lima ACP Mansur AJ Association of HDL cholesterol and triglycerides with mortality in patients with heart failure Braz J Med Biol Res 2009 May42(5)420-425 doi101590S0100-879X2009000500004 Frize M Ennett CM Charette E Automated optimization of neural networks in estimating medical outcomes Proc 3rd IEEE ITAB-ITIS Conference Information Technology Applications in Biomedicine and International Telemedical Information Society 2000168-73 Frize M Ennett CM Stevenson M Trigg HC Clinical decision support systems for intensive care units using artificial neural networks Med Eng Phys 2001 23217-25 doiorg101016S1350-4533(01)00041-8

Referecircncias Bibliograacuteficas 163

Gerber Y Weston SA Redfield MM Chamberlain AM Manemann SM Jiang R et al A contemporary appraisal of the heart failure epidemic in Olmsted County Minnesota 2000 to 2010 JAMA Intern Med 2015 Jun 175(6)996-1004 doi101001jamainternmed20150924 Gheorghiade M Filippatos G Reassessing treatment of acute heart failure syndromes the ADHERE Registry Eur Heart J Suppl 2005 Apr7(suppl B)B13-B19 doi101093eurheartjsui008 Gheorghiade M Patel K Filippatos G Anker SD van Veldhuisen DJ Cleland JG et al Effect of oral digoxin in high-risk heart failure patients a pre-specified subgroup analysis of the DIG trial Eur J Heart Fail 2013 May15(5)551-9 doi101093eurjhfhft010 Godoy HL Silveira JA Segalla E Almeida DR Hospitalization and Mortality rates for heart failure in public hosptitals in Satildeo Paulo Arq Bras Cariol 2011 Nov97(5)402-7 doi101590S0066-782X2011005000096 Go AS Yang J Ackerson LM Lepper K Robbins S Massie BM et al Hemoglobin level chronic kidney disease and the risks of death and hospitalization in adults with chronic heart failure the Anaemia in Chronic Heart Failure Outcomes and Resource Utilization (ANCHOR) Study Circulation 2006 Jun113(23)2713-3 doi101161CIRCULATIONAHA105577577 Gradman A Deedwania P Cody R Massie B Packer M Pitt Bet al Predictors of total mortality and sudden death in mild to moderate heart failure Captopril-Digoxin Study Group J Am Coll Cardiol 1989 Sep14564-570 PMID 2768707 Grossi E How artificial intelligence tools can be used to assess individual patient risk in cardiovascular disease problems with the current methods BMC Cardiovasc Disord 2006 May620 doi1011861471-2261-6-20 Guidi G Pettenati MC Melillo P Iadanza E A machine learning system to improve heart failure patient assistance IEEE J Bioimed Health Inform 2014 Nov18(6)1750-6 doi101109JBHI20142337752 Guimaratildees AM Mathias IM Dias AH Ferrari JW Cazelatto Junior CDO Modulo de validaccedilatildeo cruzada para treinamento de redes neurais artificiais com algoritmos back propagation e resilient propagation Publ UEPG Exact Earth Sci Agr Sci Eng Ponta Grossa 14 (1) 17-24 abr 2008 doi 105212 Publ Exatasv 14i1 017024 Disponiacutevel em httpdxdoiorg105212Publ Exatasv14i1017024 Haykin S Neural Networks A Comprehensive Foundation Chapter Multilayer preceptrons p178 New Jersey Prentice-Hall Inc 1999[cited 2009 ] Available from httpcdnpreterhumannetneuralnetworks

Referecircncias Bibliograacuteficas 164

Hecht-Nielsen R Theory of the backpropagation neural network Proceedings of the international joint conference on neural networks 1 p593-611 June 1989 doi101016B978-0-12-741252-8500108 Hjalmarson A Goldstein S Fagerberg B Wedel H Waagstein F Kjekshus Jet al Effects of controlled -release metoprolol on total mortality hospitalizations and well-being in patients with heart failure the Metoprolol CRXL Randomized Intervention Trial in congestive heart failure (MERIT-HF) MERIT-HF Study Group JAMA 2000 Mar 283 (10) 1295-302 doi 101001jama283101295 Horwich TB Fonarow GC Hamilton MA MacLellan WR Woo MA Tillisch JH The relationship between obesity and mortality in patients with heart failure J Am Coll Cardiol 2001 Sep38(3)789-95 PMID 11527635 Horwich TB Hamilton MA Maclellan WR Fonarow GC Low serum total cholesterol is associated with marked increase in mortality in advanced heart failure J Card Fail 2002 Aug8(4)216-24 PMID 12397569 Horwich TB Hernandez AF Dai D Yancy CW Fonarow GC Cholesterol levels and in-hospital mortality in patients with acute decompensated heart failure Am Heart J 2008 Dec156(6)1170-6 doi101016jahj200807004 Huehnergarth KV Mozaffarian D Sullivan MD Crane BA Wilkinson CW Lawler RL et al Usefulness of relative lymphocyte count as an independent predictor of deathurgent transplant in heart failure Am J Cardiol 2005 Jun95(12)1492-5 doi101016jamjcard200502022 Hunt SA Baker DW Chin MH Cinquegrani MP Feldman AM Francis GS et al ACCAHA guidelines for the evaluation and management of chronic heart failure in the adult executive summary a report of the American College of CardiologyAmerican Heart Association Task Force on Practice Guidelines (Committee to Revise the 1995 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2001 Dec38(7)2101-13 doi101016S0735-1097(01)01683-7 Hunt SA American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) ACCAHA 2005 guideline update for the diagnosis and management of chronic heart failure in the adult a report of the American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2005 Sep46(6)e1-82 Erratum in J Am Coll Cardiol 2006 Apr47(7)1503-1505 doi101016jjacc200508022 Hsiao SH Chiou KR Left atrial expansion index predicts all-cause mortality and heart failure admissions in dyspnoea Eur J Heart Fail 2013 Nov15(11)1245-52 doi101093eurjhfhft087

Referecircncias Bibliograacuteficas 165

Issa VS Amaral AF Cruz FD Ferreira SM Guimaratildees GV Chizzola PR et al B-blocker therapy and mortality of patients with Chagas cardiomyopathy a sub analysis of the REMADHE prospective trial Circ Heart Fail 2010 Jan3(1)82-88 doi101161CIRCHEARTFAILURE109882035 James PA Oparil S Carter BL Cushman WC Dennison-Himmelfarb C Handler J et al 2014 Evidence-based guideline for the management of high blood pressure in adults report from the Panel Members appointed to the eighth joint national committee (JNC 8) JAMA 2014 Feb 311(5)507-520 doi101001jama2013284427 Kaambwa B Bryan S Billingham L Do the methods used to analyse missing data really matter An examination of data from an observational study of Intermediate Care patients BMC Res Notes 2012 Jun5330 doi1011861756-0500-5-330 Kajimoto K Minami Y Sato N Takano T Investigators of the Acute Decompensated Heart Failure Syndromes (ATTEND) registry Serum sodium concentration blood urea nitrogen and outcomes in patients hospitalized for acute decompensated heart failure Int J Cardiol 2016 Nov222195-201 doi 10 1016jijcard201607255 Kalantar-Zadeh K Block G Horwich T Fonarow GC Reverse epidemiology of conventional cardiovascular risk factors in patients with chronic heart failure J Am Coll Cardiol 2004 Apr43(8)1439-44 doi101016jjacc200311039 Kang J Park JJ Cho YJ Oh IY Park HA Lee SE et al Predictors and prognosis value of worsening renal function during admission in HFpEF versus HFrEF data from the KorAHF J Am Heart Assoc 2018 Mar7(6)piie007910 doi101161JAHA117007910 Kannel WB Epidemiology and prevention of cardiac failure Framingham Study insights Eur Heart J 1987 Sep8 Suppl F23-6 PMID 3665963 doi101093 eurheartj 8 suppl_F23 Kaplan EL Meier P Nonparametric estimation from incomplete observations J Am Stat Assoc 1958 Jun53(282)457-481 doi 10 23072281868 Kaufman R Azevedo VMP Xavier RMA Geller M Chaves RBM Castier MB Evolution of heart failure-related hospital admissions and mortality rates a 12-year analysis Int J Cardiovasc Sci 2015 Sep28(4)276-28 doi 1059352359-480220150040 Kenchaiah S Evans JC Levy D Wilson PW Benjamin EJ Larson MG et al Obesity and the risk of heart failure N Engl J Med 2002 Aug 347 (5)305-13 doi101056NEJMoa020245 Kenchaiah S Vasan RS Heart Failure in Women--Insights from the Framingham Heart Study Cardiovasc Drugs Ther 2015 Aug29(4)377-90 doi 101007s10557-015-6599-0

Referecircncias Bibliograacuteficas 166

Keogh AM Baron DW HickieJB Prognostic guides in patients with idiopathic or ischemic dilated cardiomyopathy assessed for cardiac transplantation Am J Cardiol1990 Apr65(13)903-8 PMID2138849 Khan MG Cardiac drug therapy 8th ed Humana Press 2015 p31[cited 2015] Available from httprudiaptfileswordpresscom201711cardiac-drug-therapy-8th-ed-2015-pdf Kjekshus J Apetrei E Barrios V Boumlhm M Cleland JGF Cornel JH et al CORONA Group Rosuvastatin in older patients with systolic heart failure N Engl J Med 2007 Nov 357(22)2248-61 doi101056NEJMoa0706201 Klein L OConnor CM Leimberger JD Gattis-Stough W Pintildea IL Felker GM et al OPTIME-CHF Investigators Lower serum sodium is associated with increased short-term mortality in hospitalized patients with worsening heart failure results from the Outcomes of a Prospective Trial of Intravenous Milrinone for Exacerbations of Chronic Heart Failure (OPTIME-CHF) study Circulation 2005 May111(19)2454-60 doi101161 01CIR 0000165065 82609 3D Krittanawong C Zhang H Wang Z Aydar M Kitai T Artificial intelligence in precision cardiovascular medicine J Am Coll Cardiol 2017 May69(21)2657-2664 doi101016jjacc201703571 Krumholz HM Seeman TE Merrill SS Mendes de Leon CF Vaccarino V Silverman DI et al Lack of association between cholesterol and coronary heart disease mortality and morbidity and all-cause mortality in persons older than 70 years JAMA 1994 Nov272(17)1335-40 doi 101001jama 1994 03520170045034 Kyriakou M Kiff PF Prognosis of the comorbid heart failure and anaemia a systematic review Clin Trials Regul Sci Cardiol 2016 Jul 1612 -21 doi101016jctrsc201601008 Lang RM Bierig M Devereux RB Flachskampf FA Foster E Pellikka PA et al Recommendations for chamber quantification a report from the American Society of Echocardiography`s guidelines and standards committee and the chamber quantification writing group developed in conjunction with the European Association of Echocardiography a branch of the European Society of Cardiology J Am Soc Echocardiogr 2005 Dec181440-1463 doi101016jctrsc 201601008 Lee DS Austin PC Rouleau JL Liu PP Naimark D Tu JV Predicting mortality among patients hospitalized for heart failure derivation and validation of a clinical model JAMA 2003 Nov290(19)2581-7doi101001jama290192581 Lee WH Packer M Prognostic importance of serum sodium concentration and its modification by converting-enzyme inhibition in patients with severe chronic heart failure Circulation 1986 Fev73(2)257-67 PMID3002660

Referecircncias Bibliograacuteficas 167

Levy WC Mozaffarian D Linker DT Sutradhar SC Anker SD Cropp AB et al The Seattle Heart Failure Model prediction of survival in heart failure Circulation 2006 Mar113(11)1424-33 doi 101161 CIRCULATIONAHA 105584102 Lewis EF Moye LA Rouleau JL Sacks FM Arnold JM Warnica JW et al CARE Study Predictors of late development of heart failure in stable survivors of myocardial infarction the CARE study J Am Coll Cardiol 2003 Oct42(8)1446-53 PMID 14563590 Likoff MJ Chandler SL Kay HR Clinical determinants of mortality in chronic congestive heart failure secondary to idiopathic dilated or to ischemic cardiomyopathy Am J Cardiol 1987 Mar59(6)634-8 PMID 3825904 Lisboa PJ A review of evidence of health benefit from artificial neural networks in medical intervention Neural Netw 2002 Jan15(1)11-39 PMID11958484 Lisboa PJ Taktak AFG The use of an artificial neural network in decision support in cancer a systematic review Neural Netw 2006 May19(4)408-15 doi101016j neunet200510007 Little RJ DrsquoAgostino R Cohen M Dickersin K Emerson SS Farrar JT et al The prevention and treatment of missing data in clinical trials N Engl J Med 2012 Oct 367(14) 1355-1360 doi101056NEJMsr1203730 Lundin M Lundin J Burke HB Toikkanen S Pylkkaumlnen L Joensuu H Artificial neural networks applied to survival prediction in breast cancer Oncology 1999 Nov57(4)281-6 doi101159000012061 MacIntyre K Capewell S Stewart S Chalmers JW Boyd J Finlayson A et al Evidence of improving prognosis in heart failure trends in case fatality in 66547 patients hospitalized between 1986 and 1995 Circulation 2000 Sep102(10)1126-31 PMID 10973841 Mahmood SS Levy D Vasan RS Wang TJ The Framingham Heart Study and the epidemiology of cardiovascular diseases a historical perspective Lancet 2014 Mar 383(9921)999ndash1008 doi 101016S0140-6736(13)61752-3 McKee PA Castelli WP McNamara PM Kanel WB The natural history of congestive heart failure the Framingham study N Engl J Med 1971 Dec 285 (26) 1441-1446 doi101056NEJM197112232852601 McManus DD Shah SJ Fabi MR Rosen A Whooley MA Schiller NB Prognostic value of left ventricular end-systolic volume index as a predictor of heart failure hospitalization in stable coronary artery disease data from the Heart and Soul Study J Am Soc Echocardiogr 2009 Fev22(2)190-7 doi 101016jecho200811005

Referecircncias Bibliograacuteficas 168

McMurray JJ Packer M Desai AS Gong J Lefkowitz MP Rizkala AR et al PARADIGM-HF Investigators and Committees Angiotensin-neprilysin inhibition versus enalapril in heart failure N Engl J Med 2014 Sep 371(11)993-1004 doi 101056NEJMoa 1409077 Mady C Cardoso RH Barretto AC da Luz PL Bellotti G Pileggi F Survival and predictors of survival in patients with congestive heart failure due to Chagasrsquo cardiomyopathy Circulation 1994 Dec90(6)3098-3102 doi 10116101CIR9063098 Maraldi C Volpato S Cesari M Onder G Pedone C Woodman RC et al Investigators of the Gruppo Italiano di Farmacoepidemiologia nellrsquoAnziano Study Anemia physical disability and survival in older patients with heart failure J Card Fail 2006 Sep12(7)533-9 doi101016 jcardfail 2006 05002 Marccedilula M Cuoco MAR Yamada ATY De Paula RS UemuraRT Barretto ACP Mansur AJ Comparison of prognostic variables between two cohorts of outpatients with heart failure in the last two decades Paris European Heart Jo0urnal (Abstract Supplement) (2011)32459 Marccedilula M de Souza Buto MF Madaloso BA Nunes RA Cuoco MA de Paula RS et al Lymphocyte count and prognosis in patients with heart failure Int J Cardiol 2015 Jun18860-2 doi 10 1016 j ijcard 201504043 Maron BJ Towbin JA Thiene G Antzelevitch C Corrado D Arnett D et al American Heart Association Council on Clinical Cardiology Heart Failure and Transplantation Committee Quality of Care and Outcomes Research and Functional Genomics and Translational Biology Interdisciplinary Working Groups Council on Epidemiology and Prevention Circulation 2006 Apr 113(14)1807-16 doi 101161 CIRCULATIONAHA 10617428 Merlo M Pyxaras SA Pinamonti B Barbati G Di Lenarda A Sinagra G Prevalence and prognostic significance of left ventricular reverse remodeling in dilated cardiomyopathy receiving tailored medical treatment J Am Coll Cardiol 2011Mar57(13)1468-76 doi101016jjacc201011030 Miller DD Brown EW Artificial intelligence in medical practice The question to the answer Am J Med 2018 Fev131(2)129ndash133 doi 101016 jamjmed201710 03 5 Milo-Cotter O Cotter G Weatherley BD Adams KF Kaluski E Uriel N et al Hyponatraemia in acute heart failure is a marker of increased mortality but not when associated with hyperglycaemia Eur J Heart Fail 2008 Jan10(2)196-200 doi101016jejheart200801008 Moutinho MA Colucci FA Alcoforado V Tavares LR Rachid MB Rosa ML et al Heart failure with preserved ejection fraction and systolic dysfunction in the community Arq Bras Cardiol 2008 Fev90 (2)132-7 doi101590S0066-782X2008000200011

Referecircncias Bibliograacuteficas 169

Myers J de Souza CR Borghi-Silva A Guazzi M Chase P Bensimhon Det al A neural network approach to predicting outcomes in heart failure using cardiopulmonary exercise testing Int J Cardiol 2014 Feb171(2)265-9 doi 101016jijcard 2013 12031 Nadruz W Jr Gioli-Pereira L Bernardez-Pereira S Marcondes-Braga FG Fernandes-Silva MM Silvestre OM et al Temporal trends in the contribution of Chagas cardiomyopathy to mortality among patients with heart failure Heart 2018 Sep104(18)1522-1528 doi 101136heartjnl-2017-312869 Neuro XL Predictor OLSOFT Software Development Available from http wwwNeuroXLcom adquirido em 2011-3-14 New York Heart Association Criteria Committee New York Heart Association Inc Diseases of the Heart and Blood Vessels Nomenclature and Criteria for diagnosis 6th ed Boston Little Brown and Co 1964 p114 [cited 1964] Available from httpwwwheartorgenhealth-topicsheart-failurewhat-is-heart-failureclasses-of-heart-failure Nieminen MS Harjola VP Hochadel M Drexler H Komajda M Brutsaert D et al Gender related diferences in patients presenting with acute heart failure Results from Euro Heart Failure Survey II Eur J Heart Fail 2008 Feb10(2)140-8 doi10 1016jejheart 200712012 Nunes LN Kluumlck MM Fachel JMG Uso da imputaccedilatildeo muacuteltipla de dados faltantes

uma simulaccedilatildeo utilizando dados epidemioloacutegicos Cad Sauacutede Puacuteblica Rio de

Janeiro 200925(2)268-278 [citado18 jan 2017] Disponiacutevel em httpdxdoiorg10

1590SO102-311X2009000200005

Nunes LN Meacutetodos de imputaccedilatildeo de dados aplicados na aacuterea da sauacutede

[dissertaccedilatildeo] Rio Grande do Sul Universidade Federal do Rio Grande do Sul

Instituto de Epidemiologia 2011 [citado 01 jan 2018] Disponiacutevel em

httphdlhandlenet10183 11422

Nunes MC Rocha MO Ribeiro AL Colosimo EA Rezende RA Carmo GA et al Right ventricular dysfunction is an independent predictor of survival in patients with dilated chronic Chagas cardiomyopathy Int J Cardiol 2008 Jul 127 (3)372-9 doi101016jijcard200706012 Nunes MC Dones W Morillo CA Encina JJ Ribeiro AL Council on Chagas Disease

of the Interamerican Society of Cardiology Chagas disease an overview of clinical

and epidemiological aspects J Am Coll Cardiol 2013 Aug 62 (9)767-76 doi 10

1016jjacc201305046

Ogava MH Redes neurais em anaacutelise de sobrevivecircncia uma aplicaccedilatildeo na aacuterea de relacionamento com clientes [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 D45 2007tde-26082007-225003

Referecircncias Bibliograacuteficas 170

Ogulata SN Sahin C Erol R Neural network-bases computer-aided diagnosis in classification of primary generalized epilepsy by EEG signals J Med Syst 2009 Apr33(2)107-12 PMID 19397095 Okoshi MP Capalbo RV Romeiro FG Okoshi K Cardiac Cachexia perspectives for prevention and treatment Arq Bras Cardiol 2017 Jan 108(1)74-80 doi 105935 abc20160142 Oliveira JW Valecircncia DM Medeiros PG Marccedilula M Risk-adjusted monitoring of time to event in the presence of long-term survivors Biom J 2016 Nov 58(6)1485-1505 doi101002 bimj 201500094 Ortiz J Ghefter CGM Silva CE Sabbatini RME One-year mortality prognosis in heart failure a neural network approach based on echocardiographic data J Am Coll Cardiol 1995a Dec26(7)1586-93 doi1010160735-1097(95)00385-1 Ortiz J Sabbatini RME Ghefter CGM Silva CES Uso de redes neurais artificiais na avaliaccedilatildeo da sobrevida na insuficiecircncia cardiacuteaca Arq Bras Cardiol 1995b Jan64(1)87-90 PMID 7669018 Packer M Coats AJ Fowler MB Katus H Mohacsi P Rouleau JL et al Carvedilol prospective randomized cumulative survival study group N Engl J Med 2001 May344(22)1651-8 doi 101056NEJM200105313442201 Paes TA Uso de modelos com fraccedilatildeo de cura na anaacutelise de dados de sobrevivecircncia com omissatildeo nas covariaacuteveis [tese] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 T45 2007tde-22072007-134749 Palazzuoli A Lombardi C Ruocco G Padeletti M Nuti R Metra M et al Chronic kidney disease and worsening renal function in acute heart failure different phenotypes with similar prognostic impact Eur Heart J Acute Cardiovasc Care 2016 Dec5(8)534-548 doi1011772048872615589511 Papik K Molnar B Schaefer R Dombovarl Z Tulassay Z Feher J Application of neural networks in medicine - a review Med Sci Monit 19984(3)538-546 [cited 1997 dec 30] Available from httppdfssemanticscholarorg2da18cb0287042e27ded932f9 Pereira Barretto AC Nobre MRC Wajngarten M Canesin MF Ballas D Serro-Azul JB Heart failure in a large tertiary hospital of Satildeo Paulo Arq Bras Cardiol 1998 Jul71(1)15-20 doi101590S0066-782X1998000700004 Pereira Barretto AC Nobre MRC Lancarotte I Scipioni AR Ramires JAF Do cardiologists at a University Hospital adopt the guidelines for the treatment of heart failure Arq Bras Cardiol 2001 Jul77(1)30-60 PMID11500745

Referecircncias Bibliograacuteficas 171

Peto R Peto J Asymptotically efficient rank invariant test procedures J R Stat Soc Ser A1972135(2)185-207 Pfeffer MA Swedberg K Granger CB Held P McMurray JJ Michelson EL et al CHARM Investigators and Committees Effects of candesartan on mortality and morbidity in patients with chronic heart failure the CHARM-Overall programme Lancet 2003 Sep 362(9386)759-66 PMID13678868 Pimentel R Couto M Laszczyńska O Friotildees F Bettencourt P Azevedo A Prognostic value of worsening renal function in outpatients with chronic heart failure Eur J Intern Med 2014 Sep25(7)662-8 doi101016jejim201406002 Pitt B Zannad F Remme WJ Cody R Castaigne A Perez A et al The effect of

spironolactone on morbidity and mortality in patients with severe heart failure N Engl

J Med 1999 Sep341709-17 doi 101056NEJM199909023411001

Pitt B Remme WJ Zannad F Neaton J Martinez F Roniker B et al Eplerenone a

selective aldosterone blocker in patients with left ventricular dysfunction after

myocardial infarction N Engl J Med 2003 May3481309-21 doi

101056NEJMmMoa030207

Pocock SJ Wang D Pfeffer MA Yusuf S McMurray JJ Swedberg KB et al Predictors of mortality and morbidity in patients with chronic heart failure Eur Heart J 2006 Jan27(1)65-75 doi101093eurheartjehi555 Ponikowski P Voors AA Anker SD Bueno H Cleland JGF Coats AJS et al 2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure The Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC) Developed with the special contribution of the Heart Failure Association (HFA) of the ESC Eur J Heart Fail 2016 Jul18891-975 doi101002ejhf592 [cited 2016 jul 14] Available from httpeurheartj oxford journalsorg doi10 1093 eur heartj ehw128 Poole-Wilson PA Uretsky BF Thygesen K Cleland JG Massie BM Rydeacuten L Atlas Study Group Assessment of treatment with lisinopril and survival Mode of death in heart failure findings from the ATLAS trial Heart 2003 Jan89(1)42-8 PMID12482789 Rassi AJr Rassi A Little WC Xavier SS Rassi SG Rassi AG et al Development and validation of a risk score for predicting death in Chagasacute heart disease N Engl J Med 2006 Aug 355(8)799-808 doi101056NEJMoa053241 Rassi AJr Rassi A Rassi SG Predictors of mortality in chronic Chagas disease a systematic review of observational studies Circulation 2007 Mar 115(9)1101-8 doi101161CIRCULATIONAHA106627265 Rassi AJr Rassi A Marin-Neto Chagas disease Lancet 2010 Apr3751388-402 doi101016S0140-6736(10)60061-X

Referecircncias Bibliograacuteficas 172

Rauchhaus M Clark AL Doehner W Davos C Bolger A Sharma R et al The relationship between cholesterol and survival in patients with chronic heart failure J Am Coll Cardiol 2003 Dec42(11)1933-40 PMID14662255 Remme WJ Swedberg K Task force for the diagnosis and treatment of chronic heart failure European Society of Cardiology Guidelines for the diagnosis and treatment of chronic heart failure Eur Heart J 2001 Sep22(17)1527-60 doi 10 1053 euhj20012783 Erratum in Eur Heart J 200122(23)2217-8 Rohde LE Clausell N Ribeiro JP Goldraich L Netto R William Dec G et al Health outcomes in decompensated congestive heart failure a comparison of tertiary hospitals in Brazil and United States Int J Cardiol 2005 Jun102(1)71-7 doi101016jijcard200404006 Roger VL Weston SA Redfield MM Hellermann-Homan JP Killian J Yawn BP et al Trends in heart failure incidence and survival in a community-based population JAMA 2004Jul292(3)344-50 doi101001jama2923344 Roger VL Epidemiology of heart failure Circ Res 2013 Aug113(6)646-59 doi 101161CIRCRESAHA113300268 Rossignol P Meacutenard J Fay R Gustafsson F Pitt B Zannad F Eplerenone survival benefits in heart failure patients post-myocardial infarction are independent from its diuretic and potassium-sparing effects Insights from an EPHESUS (Eplerenone Post-Acute Myocardial Infarction Heart Failure Efficacy and Survival Study) substudy J Am Coll Cardiol 2011 Nov58(19)1958-66 doi 101016jjacc201104049 Sacks CA Jarcho JA Curfman GD Paradigm shifts in heart-failure therapy-a timeline N Engl J Med 2014 Sep371(11)989-91 doi 101056 NEJMp 1410241 Sanchez ECM Controle por aprendizado acelerado e neuro-fuzzi de sistemas servo-hidraacuteulicos de alta frequecircncia [dissertaccedilatildeo] Rio de Janeiro Pontifiacutecia Universidade Catoacutelica do Rio de Janeiro Engenharia Mecacircnica 2009 Certificado Digital nordm0721406CA Disponiacutevel em www2dbdpuc-riobrpergamumtesesabertas 0721406_09_cap_03pdf Santos TM Avaliaccedilatildeo do desempenho de modelos preditivos no contexto de anaacutelise de sobrevivecircncia [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo doi 1011606D452013tde-03092013-111337 [citado 2017 jan 11]Disponiacutevel em httpwwwtesesuspbr Scott R Artificial intelligence its use in medical diagnosis J Nucl Med 1993 Mar34(3)510-4 PMID8441047 Senni M Tribouilloy CM Rodeheffer RJ Jacobsen SJ Evans JM Bailey KR et al Congestive heart failure in the community trends in incidence and survival in a 10-year period Arch Intern Med 1999 Jan159(1)29-34 PMID 98923 27

Referecircncias Bibliograacuteficas 173

Senni M Redfield MM Heart failure with preserved systolic function A different natural history J Am Coll Cardiol 2001 Nov38(5)1277-82 PMID11691495 Senni M Santilli G Parrella P De Maria R Alari G Berzuini C et al A novel prognostic index to determine the impact of cardiac conditions and co-morbidities on one-year outcome in patients with heart failure Am J Cardiol 2006 Oct98(8)1076-82 doi101016 jamjcard 200605031 Shah KS Xu H Matsouaka RA Bhatt DL Heidenreich PA Hernandez AF et al Heart failure with preserved borderline and reduced ejection fraction 5-year outcomes J Am Coll Cardiol 2017Nov70 (20)2476-2486 doi101016jjacc201708074 Silva LA Hernandez EDM Rangayyan MR Classification of breast masses using a committee machine of artificial neural networks J Eletron Imaging 2008 Jan-Fev17 (1)1-10 Biblioteca Digital da Produccedilatildeo Intelectual - BDPI Universidade de Satildeo Paulo [cited 18 mar 2008] Available from httpproducao uspbrhandleBDPI14703 Silva CP Bacal F Pires PV Mangini S Issa VS Moreira SF et al Heart failure profile at the beta blockers Arq BrasCardiol 2007 Apr88475-9 doi101590S0066 - 782X20070004000 018 Silverberg DS Wexler D Blum M Keren G Sheps D Leibovitch E et al The use of subcutaneous erythropoietin and intravenous iron for the treatment of the anemia of severe resistant congestive heart failure improves cardiac and renal function and functional cardiac class and markedly reduces hospitalizations J Am Coll Cardiol 2000 Jun35(7)1737-44 PMID10841219 Sinha RK Aggarwal Y Das BN Backpropagation artificial neural network detects change in electro-encephalogram power spectra of syncopic patients J Med Syst 2007 Feb31(1)63-8 PubMed PMID17283923 Steinberg BA Fang JC Long-term outcomes of acute heart failure Where are we now J Am Coll Cardiol 2017 Nov70(20)2487-2489 doi 101016 jjacc 201708075 Swedberg K Cleland J Dargie H Drexler H Follath F Komajda M et al Task Force for the diagnosis and treatment of chronic heart failure of the european society of cardiology Eur Heart J 2005 Mai26(11)1115-40 doi 101093 eurheartj ehi204 Swedberg K Komajda M Boumlhm M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Ivabradine and outcomes in chronic heart failure (SHIFT) a randomised placebo-controlled study Lancet 2010 Sep376(9744)875-85 doi 101016S0140-6736(10)61198-1 Erratum in Lancet 2010376(9757)1988 Lajnscak M [corrected to Lainscak M] Rabanedo I Roldan [corrected to Rabadaacuten I Roldan] Leva M [corrected to Ieva M]

Referecircncias Bibliograacuteficas 174

Tang YD Katz SD The prevalence of anemia in chronic heart failure and its impact on the clinical outcomes Heart Fail Rev 2008 Dec13(4)387-92 doi 10 1007s 10741-008-9089-7 Theodoropoulos TA Bestetti RB Otaviano AP Cordeiro JA Rodrigues VC Silva AC Predictors of all-cause mortality in chronic Chagas heart disease in the current era of heartfailure therapy Int J Cardiol 2008 Aug128(1)22-9 doi 101016jijcard 200711 057 Tourassi GD Floyd CE Sostman HD Coleman RE Artificial neural network for diagnosis of acute pulmonary embolism effect of case and observer selection Radiology 1995 Mar194(3)889-93 doi101148radiology19437862997 Uthamalingam S Patvardhan EA Subramanian S Ahmed W Martin W Daley M et al Utility of the neutrophil to lymphocyte ratio in predicting long- term outcomes in acute decompensated heart failure Am J Cardiol 2011 Fev 107 (3) 433-8 doi10 1016jamjcard201009039 Vardeny O Wu DH Desai A Rossignol P Zannad F Pitt B et al RALES Investigators Influence of baseline and worsening renal function on efficacy of spironolactone in patients with severe heart failure insights from RALES (Randomized Aldactone Evaluation Study) J Am Coll Cardiol 2012 Nov60(20)2082-9 doi101016jjacc201207048 Vasan RS Larson MG Leip EP Evans JC ODonnell CJ Kannel WB et al Impact of high-normal blood pressure on the risk of cardiovascular disease N Engl J Med 2001 Nov345(18)1291-7 doi101056NEJMoa003417 Veloso LG de Oliveira MT Jr Munhoz RT Morgado PC Ramires JA Barretto AC Nutritional repercussion in advanced heart failure and its value in prognostic assessment Arq Bras Cardiol 2005 Jun84(6)480-5 doiS0066-782X2005000 600009 Volpato S Zuliani G Guralnik JM Palmieri E Fellin R The inverse association between age and cholesterol level among older patients the role of poor health status Gerontology 2001a Jan-Fev47(1)36-45 doi 101159000052768 Volpato S Leveille SG Corti MC Harris TB Guralnik JM The value of serum albumin and high-density lipoprotein cholesterol in defining mortality risk in older persons with low serum cholesterol J Am Geriatr Soc 2001b Sep49(9)1142-7 PMID11559371 Von Zubben FJ Attux RRF Perceptron de muacuteltiplas camadas IA353-Profs Fernando J Von Zuben amp Romis RFAttux DCAFEECUnicamp amp DECOM FEECUnicampToacutepico 5 [citado 2001] Disponiacutevel em ftpftpdcafeeunicampbrpubdocs vonzubenia353_1s07topico5_07pdf

Referecircncias Bibliograacuteficas 175

Waikar SS Mount DB Curhan GC Mortality after hospitalization with mild moderate and severe hyponatremia Am J Med 2009 Sep122(9)857-65 doi 101016j amjmed 200901027 Ware JH Harrihgton D Hunter DJ DrsquoAgostino Sr Missing data N Engl J Med 2012 Oct367(14)1353-1354 PIMC 3771340 Wilding P Morgan MA Grygotis AE Shoffner MA Rosato EF Application of backpropagation neural networks to diagnosis of breast and ovarian cancer Cancer Lett 1994 Mar 1577(2-3)145-53 PMID 8168061 WHO Expert Committee on Physical Status the use and Interpretation of Anthropometry (1993 Geneva Switzerland) amp World Health Organization (1995) Physical status the use of and interpretation of anthropometry report of a WHO expert committee Geneva World Health Organization[cited 1995] Available from httpwww whointirishandle1066537003 World Health Organization (WHO) ICD-10 Version 2010 ndash International Classification of Diseases 10 th revision [cited 2010] Available from http appswhoint classifications icd10browse2010en Yuan Y Prediction performance of survival models [tese] Canada University of Waterloo Ontario 2008 [cited 2008]Available fromhttpuwspaceuwaterloocabitstream100 1239741thesispdf Zannad F Garcia AA Anker SD Armstrong PW Calvo G Cleland JG et al Clinical outcome endpoints in heart failure trials a European Society of Cardiology Heart Failure Association consensus document Eur J Heart Fail 2013 Oct15(10)1082-94 doi101093eurjhfhft095 Zugck C Kruumlger C Kell R Koumlrber S Schellberg D Kuumlbler W et al Risk stratification in middle-aged patients with congestive heart failureprospective comparison of the Heart Failure Survival Score (HFSS) and a simplified two-variable model Eur J Heart Fail 2001 Oct3(5)577-85 PMID 11595606

Page 2: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao

Dedicatoacuteria

Dedicatoacuteria

Agrave minha irmatilde Adriana e ao meu irmatildeo Arnaldo

gratidatildeo e reconhecimento que excelem a fraternidade

Agradecimentos

Agradecimentos

Ao Prof Dr Antonio Carlos Pereira Barretto que nos iniciou para a

investigaccedilatildeo cliacutenica de modo inspirador estimulando-nos incessantemente no

desenvolvimento do presente trabalho

Agrave Comissatildeo de Poacutes-Graduaccedilatildeo da Disciplina de Cardiologia que

amparou a iniciativa para a conclusatildeo de um trabalho desenvolvido no decorrer

de pelo menos treze anos ora apresentado na forma de tese

Ao orientador Prof Dr Alfredo Joseacute Mansur pela orientaccedilatildeo nas

diferentes etapas do trabalho e nas produtivas interaccedilotildees interdisciplinares no

decorrer da investigaccedilatildeo

Ao Centro de Estatiacutestica Aplicada do Instituto de Matemaacutetica e

Estatiacutestica da Universidade de Satildeo Paulo nas pessoas do Prof Dr Antonio

Carlos Pedroso de Lima Profa Dra Lucia Pereira Barroso Profa Dra Gisela

Tunes da Silva pelo conviacutevio competente dedicado e edificante durante todas

as etapas deste trabalho Agradecimento especial ao Dr Tiago Mendonccedila dos

Santos pelo auxiacutelio no cocircmputo da funccedilatildeo de perda

Agrave Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) nas

pessoas da Dra Bernadette Cunha Waldvogel Monica La Porte Teixeira e

Lilian Cristina Correia Morais pelo inestimaacutevel auxiacutelio no estudo de sobrevida

Agrave empresa Arion Tecnologia Ltda na pessoa de seu Diretor de

Pesquisa e Desenvolvimento Arnaldo Marccedilula Jr e da Diretora Administrativa

Adriana Marccedilula mestre em Fiacutesico-quiacutemica pelo Instituto de Quiacutemica da

Universidade de Satildeo Paulo pelo apoio logiacutestico e liberaccedilatildeo de horas de

trabalho dedicadas agrave presente pesquisa

Ao Prof Dr Marco Antonio Gutierrez Diretor da Divisatildeo de Informaacutetica

do Instituto do Coraccedilatildeo pelas contribuiccedilotildees metodoloacutegicas que auxiliaram a

consolidar a aplicaccedilatildeo da rede neural

Agradecimentos

Aos meacutedicos da Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo do HC FMUSP pelo conviacutevio em ambiente cientificamente

estimulante voltado para o cultivo das dimensotildees de ensino e pesquisa a partir

da responsabilidade institucional de assistecircncia aos pacientes

Agrave biomeacutedica Sra Marcia Nunes Figueira e ao engenheiro eletroteacutecnico

Marcelo Marccedilula pela revisatildeo e ediccedilatildeo dos graacuteficos apresentados neste

trabalho

Ao Serviccedilo de Arquivo Meacutedico e Estatiacutestico na pessoa do Sr Wallace

Fernandes colegas e colaboradores pelo dedicado e competente auxiacutelio na

consulta a dados de arquivo

Agrave Secretaria da Comissatildeo de Poacutes-Graduaccedilatildeo na pessoa da Sra Neusa

Rodrigues Dini e sua equipe de assessoras pelo empenho receptivo nos

encaminhamentos necessaacuterios a um projeto desta natureza

Agrave Profa Marise Cukier pela revisatildeo e correccedilatildeo gramatical deste

trabalho

Agrave Sra Sandra Miranda Souza assistente administrativa da Unidade

Cliacutenica de Ambulatoacuterio Geral do Instituto do Coraccedilatildeo do HC FMUSP pela

devotada eficiente e cordial contribuiccedilatildeo cotidiana durante o desenvolvimento

do trabalho

Epiacutegrafe

Epiacutegrafe

Πάντες ἄνθρωποι τοῦ εἰδέναι ὀρέγονται φύσει

Todos os homens aspiram por natureza ao conhecimento

(Aristoacuteteles Metafiacutesica)

Alles Interesse meiner Vernunft (das spekulative sowohl als das praktische) vereinigt sich in folgenden drei Fragen

1 Was kann ich wissen 2 Was soll ich tun 3 Was darf ich hoffen

Todo o interesse da minha razatildeo (tanto especulativa como praacutetica) concentra-se nas seguintes trecircs interrogaccedilotildees

1 Que posso saber 2 Que devo fazer 3 Que me eacute permitido esperar (Emanuel Kant Criacutetica da Razatildeo Pura)

This warp seemed necessity and here thought I with my own hand I ply my own shuttle and weave my own destiny into these unalterable threads

A urdidura parecia a Necessidade e aqui pensei com as minhas proacuteprias matildeos guio a lanccediladeira e teccedilo meu proacuteprio destino nestes fios inalteraacuteveis

(Herman Melville Moby Dick)

Normatizaccedilatildeo adotada

Normatizaccedilatildeo adotada

Esta tese estaacute de acordo com as seguintes normas em vigor no momento de sua publicaccedilatildeo Referecircncias adaptado de International Committee of Medical Journals Editors (Vancouver) Universidade de Satildeo Paulo Faculdade de Medicina Divisatildeo de Biblioteca e Documentaccedilatildeo Guia de apresentaccedilatildeo de dissertaccedilotildees teses e monografias Elaborado por Anneliese Carneiro da Cunha Maria Julia de ALFreddi Maria FCrestana Marinalva de Souza Aragatildeo Suely Campos Cardoso Valeacuteria Vilhena 3ordf ed Satildeo Paulo Divisatildeo de Biblioteca e Documentaccedilatildeo 2011 Abreviatura dos tiacutetulos e perioacutedicos de acordo com List of Journals Indexed in Index Medicus

Sumaacuterio

Sumaacuterio

Lista de figuras

Lista de tabelas

Resumo

Abstract

1 INTRODUCcedilAtildeO 1

2 OBJETIVO 7

21 Objetivos primaacuterios 8

22 Objetivos secundaacuterios 8

3 MEacuteTODOS 9

31 Delineamento do estudo 10

32 Avaliaccedilatildeo cliacutenica 10

33 Criteacuterios diagnoacutesticos 11

34 Criteacuterios de inclusatildeo 11

35 Criteacuterios de exclusatildeo 12

36 Casuiacutestica 12

37 Variaacuteveis estudadas 12

371 Demograacuteficas 12

372 Cliacutenicas 13

373 Eletrocardiograacuteficas 13

374 Ecocardiograacuteficas 13

375 Laboratoriais 13

376 Medicamentos em uso na consulta inicial 14

38 Mortalidade 14

39 Anaacutelise dos dados 14

391 Anaacutelise estatiacutestica 15

3911 Anaacutelise descritiva e exploratoacuteria 15

3912 Anaacutelise inferencial 15

392 Rede neural 16

3921 Escolha da arquitetura da rede neural 17

3922 Aprendizado-treinamento da rede neural 19

3923 Avaliaccedilatildeo dos melhores modelos de rede neural 21

310 Aspectos eacuteticos 22

4 RESULTADOS 23

41 Anaacutelise estatiacutestica 24

411 Anaacutelise descritiva e exploratoacuteria 24

412 Anaacutelise inferencial 27

42 Rede neural 29

Sumaacuterio

421 Escolha da arquitetura da rede neural 29

422 Aprendizado-treinamento da rede neural 29

4221 Amostragem aleatoacuteria 30

4222 Fases do estudo da casuiacutestica 30

42221 Primeira fase ndash aprendizado-treinamento da rede neural 30

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar a sobrevida 33

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede neural 33

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural 35

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede neural 37

43 Avaliaccedilatildeo dos melhores modelos da rede neural 39

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo valor preditivo negativo da rede neural 39

432 Funccedilatildeo de perda da rede neural 40

5 DISCUSSAtildeO 42

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes 43

511 Casuiacutestica 43

512 Idade 44

513 Sexo 44

514 Antecedentes 45

515 Etiologia 45

516 Iacutendice de massa corpoacuterea 46

517 Frequecircncia cardiacuteaca 46

518 Pressatildeo arterial sistoacutelica e diastoacutelica 46

519 Classe funcional 47

5110 Tempo decorrido ateacute o desfecho 47

5111 Variaacuteveis ecocardiograacuteficas 48

5112 Variaacuteveis laboratoriais 49

5113 Medicamentos em uso 50

5114 Mortalidade 51

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica 51

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede neural 56

Sumaacuterio

531 Amostras aleatoacuterias 56

532 Data do iniacutecio dos sintomas 57

533 Tempos de evoluccedilatildeo 58

534 Variaacuteveis faltantes 60

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em geral 60

536 Funccedilotildees de transferecircncia 61

537 Treinamento excessivo (overfitting) 61

538 Estudo em cinco fases 62

54 Avaliaccedilatildeo dos melhores modelos de rede neural 62

541 Sensibilidade especificidade valor preditivo positivo e valor preditivo negativo 62

542 Funccedilatildeo de perda 64

543 Sensibilidade e especificidade versus funccedilatildeo de perda 65

55 Implicaccedilotildees cliacutenicas 65

56 Limitaccedilotildees do estudo 66

6 CONCLUSOcircES 67

7 ANEXOS 69

8 REFEREcircNCIAS BIBLIOGRAacuteFICAS 153

Listas

Lista de figuras

Figura 1 Representaccedilatildeo esquemaacutetica do delineamento do estudo 70

Figura 2 Arquitetura da rede neural perceptron muacuteltiplas camadas 71

Figura 2a Representaccedilatildeo do modelo natildeo linear de um neurocircnio

artificial 72

Figura 2b Ilustraccedilatildeo das direccedilotildees de propagaccedilatildeo do sinal e do erro da

informaccedilatildeo 73

Figura 3 Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da

funccedilatildeo zero based log sigmoid 74

Figura 4 Representaccedilatildeo esquemaacutetica das fases da rede neural 74

Figura 5 Probabilidade de sobrevida estimada (Kaplan-Meier)

geral 75

Figura 6 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etiologia da insuficiecircncia cardiacuteaca 76

Figura 7 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave idade 77

Figura 8 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao sexo 78

Figura 9 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etnia 79

Figura 10 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao peso 80

Figura 11 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave altura 81

Figura 12 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iacutendice de massa corpoacuterea 82

Figura 13 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial sistoacutelica 83

Figura 14 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial diastoacutelica 84

Figura 15 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave classe funcional 85

Figura 16 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

agrave frequecircncia cardiacuteaca 86

Figura 17 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iniacutecio dos sintomas 87

Figura 18 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de hipertensatildeo arterial 88

Figura 19 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de tabagismo 89

Figura 20 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de diabetes 90

Figura 21 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de etilismo 91

Figura 22 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro do aacutetrio esquerdo no ecocardiograma 92

Figura 23 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma 93

Figura 24 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma 94

Figura 25 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no ecocardiograma 95

Figura 26 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica do septo interventricular no

ecocardiograma 96

Figura 27 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica da parede posterior do ventriacuteculo

esquerdo no ecocardiograma 97

Figura 28 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao ritmo cardiacuteaco 98

Figura 29 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto a

taxa de hemoglobina 99

Figura 30 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

glicemia de jejum 100

Lista de figuras

Figura 31 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de creatinina seacuterica 101

Figura 32 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de soacutedio seacuterico 102

Figura 33 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de potaacutessio seacuterico 103

Figura 34 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de colesterol total 104

Figura 35 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de HDL- colesterol 105

Figura 36 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de LDL-colesterol 106

Figura 37 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de trigliceacuterides 107

Figura 38 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de leucoacutecitos 108

Figura 39 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de linfoacutecitos 109

Figura 40 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso dos inibidores da enzima conversora da angiotensina

e bloqueadores dos receptores da angiotensina II 110

Figura 41 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueadores adreneacutergicos 111

Figura 42 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de diureacuteticos 112

Figura 43 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de espironolactona 113

Figura 44 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de digoxina 114

Figura 45 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de antiagregante plaquetaacuterio

115

Figura 46 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

ao uso de anticoagulante 116

Figura 47 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de sinvastatina 117

Figura 48 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de vasodilatador direto 118

Figura 49 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueador do canal de caacutelcio 119

Figura 50 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de amiodarona 120

Figura 51 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao nuacutemero de medicamentos em uso 121

Lista de tabelas

Tabela 1 Caracteriacutesticas demograacuteficas e cliacutenicas dos pacienteshelliphelliphellip 122

Tabela 2 Variaacuteveis estudadas quanto agrave probabilidade de sobrevida

(etapa 1) 129

Tabela 3 Uso de tratamento medicamentosohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 130

Tabela 4 Nuacutemero de medicamentos em uso 131

Tabela 5 Variaacuteveis retiradas do modelo de Cox (etapa 2)helliphelliphelliphelliphelliphellip 131

Tabela 6 Reavaliaccedilatildeo das variaacuteveis excluiacutedas da etapa 2 do modelo

de Cox (etapa 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 7 Variaacuteveis do modelo final de Cox selecionadas para a rede

neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 8 Valores de referecircncia para as variaacuteveis com dados faltantes 133

Tabela 9 Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1) 134

Tabela 91 Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1) 135

Tabela 10 Comparaccedilatildeo das redes neurais categorizadas pelo tempo de

sobrevida observado seleccedilatildeo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 136

Tabela 11 Modelos de redes neurais para previsatildeo da sobrevida dos

pacientes vivos ateacute 2012 (fase 2)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 137

Tabela 12 Modelos de redes neurais comparaacuteveis erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)helliphelliphellip 138

Tabela 13 Modelo de rede neural 13 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 139

Tabela 14 Modelo de rede neural 20 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 140

Tabela 15 Modelo de rede neural 22 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 141

Tabela 16 Modelo de rede neural 24 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 142

Tabela 17 Modelo de rede neural 26 individual e comparaacutevel erro

Lista de tabelas

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip

143

Tabela 18 Reensaio da rede neural com pacientes que vieram a falecer

em 2013 (reensaio 1) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 145

Tabela 19 Reensaio da rede neural com pacientes que vieram a falecer

em 2014 (reensaio 2) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 146

Tabela 20 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 147

Tabela 21 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 148

Tabela 22 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 149

Tabela 23 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 150

Tabela 24 Sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 151

Tabela 25 Avaliaccedilatildeo dos melhores modelos de rede neural com o

emprego da funccedilatildeo de perdahelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 152

Resumo

Resumo

Marccedilula M Avaliaccedilatildeo prognoacutestica em pacientes com insuficiecircncia

cardiacuteaca com o emprego de redes neurais artificiais [tese] Satildeo Paulo

Faculdade de Medicina Universidade de Satildeo Paulo 2018

Fundamentos ndash Identificar pacientes ambulatoriais que necessitam de

recursos terciaacuterios de hospital de referecircncia voltado para a praacutetica cardioloacutegica

eacute inerente agrave responsabilidade assistencial Compete reconhecer pacientes sob

maior risco de prognoacutestico desfavoraacutevel o que pode ser feito pelo emprego de

meacutetodos estatiacutesticos tradicionais Com o mesmo fito as redes neurais tecircm sido

objeto de interesse Formulamos a hipoacutetese de que as redes neurais

alimentadas a partir de variaacuteveis selecionadas com o emprego de estatiacutestica

tradicional pudessem contribuir para a avaliaccedilatildeo prognoacutestica de pacientes com

insuficiecircncia cardiacuteaca

Objetivos ndash Avaliar o prognoacutestico de pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca com o emprego de meacutetodos da estatiacutestica de

sobrevivecircncia associada com a rede neural artificial

Delineamento ndash Estudo de coorte retrospectiva a partir de dados assistenciais

de pacientes que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

identificaccedilatildeo das variaacuteveis associadas ao prognoacutestico com o emprego da

estatiacutestica tradicional e alimentaccedilatildeo da rede neural perceptron de muacuteltiplas

camadas (Neuro XL Predictor - OLSOFT Software Development) com essas

variaacuteveis

Local ndash Ambulatoacuterio cardioloacutegico com alto volume de atendimentos voltado

para pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital acadecircmico de

referecircncia terciaacuterio

Participantes ndash 2128 pacientes consecutivos que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca de 2 de julho de 2003 a 2 de julho de 2007

Desfecho ndash oacutebito por qualquer causa

Anaacutelise de dados ndash Agrave anaacutelise descritiva e exploratoacuteria seguiu-se a avaliaccedilatildeo

da probabilidade de sobrevida pelo meacutetodo de Kaplan Meier seguida de

anaacutelise inferencial com o emprego do teste de log-rank e do modelo de riscos

proporcionais de Cox Identificadas as variaacuteveis associadas ao prognoacutestico de

sobrevida foi desenvolvida a rede neural nas diferentes fases de aprendizado-

Resumo

treinamento e com o recurso do algoritmo de treinamento backpropagation A

rede neural foi desenvolvida em cinco fases fase 1 ndash aprendizado-treinamento

(n=968 oacutebitos com informaccedilatildeo completa) fase 2 ndash avaliaccedilatildeo e aplicaccedilatildeo

(pacientes vivos ateacute 2012) fase 3 ndash comparaccedilatildeo da previsatildeo de sobrevida com

o emprego rede ( pacientes vivos ateacute 2012) com a sobrevida observada fase 4

ndash reensaios para aprendizados com novos desfechos (oacutebitos em 2013 e 2014)

fase 5 ndash avaliaccedilatildeo do aprendizado da rede na fase 4 (pacientes vivos e

falecidos)

A acuraacutecia a sensibilidade a especificidade o valor preditivo positivo e o valor

preditivo negativo dos melhores modelos na previsatildeo da sobrevida obtidas com

a rede neural foram avaliados considerando as duas funccedilotildees de ativaccedilatildeo

(tangente hiperboacutelica e zero-based log sigmoid) Para tanto foi preciso

determinar intervalos de corte definidos por criteacuterio cliacutenico de razoabilidade de

expectativa do tempo de sobrevida e acerto calculado pela rede A estimativa

da previsibilidade e do erro tambeacutem foi avaliada com o emprego da funccedilatildeo de

perda

Resultados ndash A anaacutelise estatiacutestica (n=2128 pacientes) revelou as seguintes

variaacuteveis associadas ao prognoacutestico idade (plt0001) iacutendice de massa

corpoacuterea (plt0001) pressatildeo arterial diastoacutelica (plt0001) etiologia da

insuficiecircncia cardiacuteaca (plt0001) classe funcional (plt0001) espessura do

septo interventricular (p=0037) diacircmetro diastoacutelico do ventriacuteculo esquerdo

(plt0001) diacircmetro do aacutetrio esquerdo (p=0025) potaacutessio seacuterico (p=0015)

colesterol total (plt0001) creatinina (plt0001) e a presenccedila de diabetes melito

(p=0034)

Os modelos de redes neurais com melhor previsibilidade foram obtidos pela

categorizaccedilatildeo do tempo de sobrevida inferior a 2 anos entre 2 anos e 6 anos

e superior a 6 anos

Nos pacientes com tempo de sobrevida observado superior a 6 anos a partir

da consulta inicial com intervalo de corte de 3 anos a estimativa feita com o

emprego da rede neural demonstrou sensibilidade 930 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade 764 ou 775 (dependendo da funccedilatildeo

de ativaccedilatildeo) valor preditivo negativo 974 (com ambas as funccedilotildees de

Resumo

ativaccedilatildeo) e valor preditivo positivo 536 ou 547 (dependendo da funccedilatildeo de

ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de 2 anos

obtivemos sensibilidade 898 (com ambas as funccedilotildees de ativaccedilatildeo)

especificidade 725 ou 765 valor preditivo positivo 863 ou 880 e valor

preditivo negativo 787 ou 796 (dependendo da funccedilatildeo de ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado inferior a 2 anos a partir da

data do iniacutecio dos sintomas com intervalo de corte de 1 ano a estimativa com

o emprego da rede neural demonstrou sensibilidade 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade de 625 ou 667 (dependendo da

funccedilatildeo de ativaccedilatildeo) valor preditivo positivo 820 ou 837 (dependendo da

funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo 714 ou 727 (dependendo da

funccedilatildeo de ativaccedilatildeo)

O erro da previsatildeo de sobrevida com o emprego da rede neural estimado com

o auxiacutelio da funccedilatildeo de perda variou de 44 meses ateacute 11 anos

Conclusotildees - O emprego da rede neural alimentada por variaacuteveis

selecionadas com o emprego de estatiacutestica de sobrevivecircncia tradicional pode

ser meacutetodo profiacutecuo na avaliaccedilatildeo prognoacutestica de pacientes com insuficiecircncia

cardiacuteaca

A previsibilidade de estimativa de sobrevida alcanccedilada com o uso de rede

neural foi menor nos pacientes com quadros cliacutenicos de menor tempo de

evoluccedilatildeo comparativamente aos pacientes com maior tempo de evoluccedilatildeo no

primeiro caso permitiria sugerir quadros mais instaacuteveis em relaccedilatildeo aos casos

mais estaacuteveis isto eacute aqueles com tempo de evoluccedilatildeo maior

Descritores insuficiecircncia cardiacuteaca cardiomiopatia assistecircncia ambulatorial

anaacutelise de sobrevivecircncia rede neural prognoacutestico

Abstract

Abstract

Marccedilula M Prognostic evaluation of patients with heart failure with the use

of artificial neural networks [thesis] Satildeo Paulo ldquoFaculdade de Medicina

Universidade de Satildeo Paulordquo 2018

Background ndash Identifying outpatients who need tertiary resources of a referral

cardiology hospital includes recognizing those at higher risk of unfavorable

prognosis Studies aimed at this objective may be accomplished with traditional

statistics Neural networks have been studied as a promising tool in the

assessment of patientsacute prognosis We hypothesized that the neural networks

developed with variables selected through traditional statistics might contribute

to the prognostic evaluation of patients with heart failure

Objectives ndash To evaluate the prognosis of patients with heart failure using

methods of survival statistics combined with the resources of artificial neural

networks

Design ndash Retrospective cohort study from a database of patients previously

diagnosed with heart failure identification of variables associated with

prognosis using traditional statistics development of a neural network

perceptron of multiple layers (Neuro XL Predictor - OLSOFT Software

Development) with these variables

Setting ndash outpatient clinic from an academic tertiary cardiology center

Participants ndash 2128 consecutive patients who received the diagnosis of heart

failure between July 2 2003 and July 2 2007

Outcomes ndash death for any cause

Data analysis ndash Statistical evaluation was performed for descriptive and

exploratory analysis and was followed by Kaplan Meier survival probability and

inferential analysis using the log-rank test and the Cox proportional hazards

model to identify the variables associated with prognosis Variables thus

selected were then input for the neural network in the different stages of

learning-training with the backpropagation algorithm The neural network was

developed in 5 phases phase 1 - learning training (n = 968 deaths with

complete information) phase 2 - evaluation and application (patients alive until

2012) phase 3 - comparison of the predicted versus the observed survival

Abstract

using the network (patients alive until 2012) phase 4 - re-tests for learning with

new outcomes (deaths in 2013 and 2014) phase 5 - assessment of network

learning in phase 4 (living and deceased patients)

The accuracy sensitivity specificity positive predictive value and negative

predictive value of the best models in the prediction of survival obtained with the

neural network were evaluated taking into account the two activation functions

(hyperbolic tangent and zero-based log sigmoid) and the cut-off intervals

defined by clinical criteria of reasonableness of expected survival time and the

estimated estimate by the network The estimation of predictability and error

was also evaluated using the loss function

Results ndash Statistical analysis (n = 2128 patients) revealed the following

variables associated with prognosis age (p lt0001) body mass index (p

lt0001) diastolic blood pressure (p lt0001) heart failure etiology (P lt0001)

functional class (p lt0001) interventricular septum thickness (p = 0037) left

ventricular diastolic diameter (p lt0001) left atrial diameter (p = 0025) serum

potassium level total cholesterol (p lt0001) serum creatinine level (p lt0001)

and the presence of diabetes mellitus (p = 0034)

The models of neural networks with better predictability were obtained with the

categorization of the survival time of less than 2 years between 2 and 6 years

and over 6 years

In patients with a survival time of more than 6 years from the initial consultation

with a cut-off interval of 3 years (or 1095 days) the estimate using the neural

network showed sensitivity 930 (with both activation functions) specificity of

764 or 775 (depending on the activation function) negative predictive

value 974 (with both activation functions) and positive predictive value 536

or 547 (depending on the function of activation)

In patients with a survival time of 2 to 6 years from the onset of symptoms with

a cut-off interval of 2 years (or 730 days) we obtained 898 sensitivity (with

both activation functions) specificity 725 or 765 positive predictive value

863 or 880 and negative predictive value 787 or 796 (depending on

the activation function)

In patients with a survival time of less than 2 years from the onset of symptoms

with a cut-off interval of 1 year (or 365 days) the estimate using the neural

Abstract

network showed a sensitivity of 872 (with both activation functions)

specificity of 625 or 667 (depending on the activation function) positive

predictive value 820 or 837 (depending on the activation function) and

negative predictive value 714 or 727 (depending on the activation

function)

The error of survival prediction with the use of the estimated neural network with

the aid of the function of absolute loss ranged from 44 months to 11 years

Conclusions ndash The use of selected variables input in the neural network with

the use aid of traditional survival statistics may be a useful method for the

prognostic evaluation of patients with heart failure Estimates were less

accurate in patients with a shorter duration of symptoms relative to those with

symptoms for a long time in the first case it would suggest more unstable

disease relative to those with more stable disease namely with symptoms for a

long time

Descriptors heart failure cardiomyopathy ambulatory care survival analysis

neural networks prognosis

1 Introduccedilatildeo

Introduccedilatildeo 2

A atuaccedilatildeo em ambulatoacuterio meacutedico cardioloacutegico com alto volume de

atendimentos a pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital

acadecircmico de referecircncia terciaacuterio (940048 consultas de 1988 a 2017) traz agrave

atividade cotidiana a responsabilidade de avaliar e distinguir pacientes com

maior necessidade cliacutenica de receber tratamento que utilize as competecircncias e

a tecnologia disponiacuteveis em hospital de referecircncia recursos que tecircm entre

suas caracteriacutesticas o fato de serem limitados

Portanto eacute necessaacuterio continuamente estudar e aprimorar a avaliaccedilatildeo

cliacutenica para orientar a terapecircutica no longo prazo em recursos da comunidade

ou em centros de atenccedilatildeo terciaacuteria Esta responsabilidade diz respeito

tambeacutem aos pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca atendidos em

ambulatoacuterio cardioloacutegico de hospital acadecircmico de referecircncia

O conhecimento da probabilidade de sobrevida no longo prazo como

meacutetodo de avaliaccedilatildeo do prognoacutestico eacute de interesse para essa orientaccedilatildeo a

menor sobrevida seria indicador de maior gravidade da condiccedilatildeo A sobrevida

pode ser avaliada por diferentes meacutetodos (Oliveira et al 2016) Decorre

tambeacutem a identificaccedilatildeo de variaacuteveis associadas com a sobrevida (Marccedilula et

al 2011)

A probabilidade de sobrevida foi avaliada previamente em casuiacutestica no

proacuteprio Serviccedilo (Freitas et al 2005) em 1220 pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca sintomaacutetica tratados entre 1991 e 2000 e foi estimada

apoacutes um ano de acompanhamento aproximadamente em 60 o que revalida

dados publicados de sobrevida estimada entre 40 e 70 (Mady et al 1994

Pereira Barretto et al 1998 Carlo et al 2014 Bocchi et al 2017)

A etiologia cardiopatia da doenccedila de Chagas foi o fator mais relevante

associado com a mortalidade (risco relativo 297) quando comparada com

cardiomiopatia dilatada idiopaacutetica (risco relativo 227) cardiopatia isquecircmica

(risco relativo 253) cardiopatia hipertensiva (risco relativo 273) aleacutem de

outras variaacuteveis como diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma (risco relativo 116) e fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(risco relativo 095) na ventriculografia por radioisoacutetopo (Freitas et al 2005) A

Introduccedilatildeo 3

observaccedilatildeo do pior prognoacutestico dos pacientes com insuficiecircncia cardiacuteaca por

doenccedila de Chagas se harmoniza com dados publicados em outras

investigaccedilotildees (Espinosa et al 1985 Mady et al 1994 Bestetti et al 1997

Bestetti Daniel 2016 Pereira-Barretto et al 1998 Carlo et al 2014 Rassi et

al 2010 Bocchi 2012 2013 2017) que nas formas mais severas da doenccedila

revelaram mortalidade de 80 a 100 em um ano de seguimento (Mady et al

1994 Theodoropoulos et al 2008)

Uma questatildeo intrincada nesse estudo (Freitas et al 2005) realizado

em condiccedilotildees que a literatura denomina ldquovida realrdquo (ldquoreal life conditionsrdquo em

oposiccedilatildeo a ldquoprotocol conditionsrdquo situaccedilatildeo de variaacuteveis controladas) foi lidar

com dados faltantes e objeto de pesquisa especiacutefica (Paes 2007)

Aleacutem do tratamento medicamentoso os processos de transformaccedilatildeo

inerentes agrave praacutetica cliacutenica abrangem caracteriacutesticas dos pacientes inclusive no

acesso agraves oportunidades de tratamento progresso na experiecircncia cliacutenica seja

em ferramentas diagnoacutesticas seja na terapecircutica com a natural consequecircncia

na sobrevida em longo prazo (Pitt et al 1999 2003 Bocchi et al 2008 Issa et

al 2010 Bestetti et al 2011 Carlo et al 2014) Portanto a necessidade de

reavaliaccedilatildeo perioacutedica do prognoacutestico dos pacientes eacute inerente agrave praacutetica meacutedica

Aleacutem dos recursos metodoloacutegicos da estatiacutestica de sobrevivecircncia a

experiecircncia preacutevia com pesquisadores de estatiacutestica estimulou a associaccedilatildeo de

meacutetodos estatiacutesticos pelo uso de redes neurais (Ogava 2007) Aleacutem disso

uma experiecircncia pioneira em nosso meio foi conduzida haacute duas deacutecadas com

casuiacutestica pequena (95 pacientes) fora do ambiente do Sistema Uacutenico de

Sauacutede (Ortiz et al 1995a) De fato o uso de redes neurais artificiais na anaacutelise

de dados cliacutenicos de pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca foi

apresentado como um meacutetodo que deve ser investigado (Braunwald 2008)

As redes neurais artificiais tecircm sido progressivamente utilizadas na

praacutetica cliacutenica (Lisboa Taktak 2006) e a potencial contribuiccedilatildeo da aplicaccedilatildeo

da rede neural no diagnoacutestico e prognoacutestico de vaacuterias doenccedilas inclusive tem

se tornado objeto de interesse e investigaccedilatildeo na aacuterea da Cardiologia (Lisboa

2002)

Rede neural artificial foi conceituada como ldquoestrutura de

processamento de informaccedilatildeo distribuiacuteda em paralelo e constituiacuteda por

Introduccedilatildeo 4

elementos de processamento ligados por canais de sinal unidirecionais

denominados conexotildees em que cada elemento de processamento possui uma

uacutenica conexatildeo de saiacuteda que se ramifica em tantas quantas as conexotildees

colaterais desejadasrdquo (Hecht-Nielsen 1989) Entre as caracteriacutesticas potenciais

da rede neural haacute o caraacuteter adaptativo treinaacutevel capaz de armazenar e

processar informaccedilotildees por associaccedilatildeo e adquirir conhecimento pela

experiecircncia por meio de exemplos ou da proacutepria aplicaccedilatildeo (Sanchez 2009)

A arquitetura de rede neural mais utilizada e estudada eacute a do tipo

perceptron de muacuteltiplas camadas (Cross Harrison e Kennedy 1995) e o tipo de

treinamento mais frequente utiliza o algoritmo de treinamento supervisionado

ou de retropropagaccedilatildeo do erro (backpropagation) (Scott 1993 Cross et al

1995 Papik et al 1998) Estas redes neurais tecircm por caracteriacutestica a

propagaccedilatildeo positiva (feedforward) ou na mesma direccedilatildeo do erro partindo da

camada de entrada rumo agrave camada de saiacuteda e agrave retropropagaccedilatildeo do erro

(backward) partindo da camada de saiacuteda ateacute a camada de entrada (Castro LN

1998 Sanchez 2009) O algoritmo backpropagation fundamenta-se numa

regra de aprendizado que corrige os erros durante todo o aprendizado e

treinamento da rede neural em todas as camadas partindo da saiacuteda ateacute a

entrada (Haykin 1994)

O processo de aprendizado da rede neural eacute gradual interativo e

iterativo de ajuste dos pesos sinaacutepticos de forma a adequar a rede a um

conjunto de exemplos adaptar o seu comportamento ao longo do tempo e

aperfeiccediloar a resposta a ser obtida (Ambrosio 2002 Castro FCC 2016) Por

sua caracteriacutestica de aprendizado e treinamento a rede neural permite a

melhoria contiacutenua de seu desempenho a partir de exemplos e tem sido

aplicada na aacuterea meacutedica no estudo de diferentes condiccedilotildees (Baxt 1991 1995

1996 Astion Wilding 1992 Widing et al 1994 Tourassi et al 1995 Fogel et

al 1995 Ahmed 2005 Sinha et al 2007 Bartosch-Haumlrlid et al 2008 Silva et

al 2008 Das et al 2008 Ogulata et al 2009)

Estudos que integram anaacutelise estatiacutestica como fundamento para

alimentaccedilatildeo de rede neural satildeo escassos (Ogava 2007)

Em pacientes com insuficiecircncia cardiacuteaca a comparaccedilatildeo entre vaacuterios

meacutetodos computacionais entre eles a rede neural a partir de informaccedilotildees da

Introduccedilatildeo 5

etiologia severidade e evoluccedilatildeo da doenccedila evidenciou melhor desempenho

dos sistemas de suporte (Guidi et al 2014) Por outro lado estudo de

casuiacutestica nacional publicada haacute duas deacutecadas avaliou o prognoacutestico de 95

pacientes com insuficiecircncia cardiacuteaca e fraccedilatildeo de ejeccedilatildeo reduzida em

seguimento de doze meses esta baseou-se em paracircmetros ecocardiograacuteficos

e na idade estimou a acuraacutecia sensibilidade especificidade valor preditivo

positivo e valor negativo respectivamente 67 67 68 28 92 por

anaacutelise discriminatoacuteria linear enquanto pelos valores correspondentes agrave rede

neural artificial foram estimados em 90 71 93 63 e 95 (Ortiz et al

1995b)

Recentes publicaccedilotildees apontaram para o potencial uso da rede neural

no universo da inteligecircncia artificial (neurocomputing machine learning deep

learning) (Krittanawrong et al 2017 Miller e Brown 2018) usando o algoritmo

de aprendizado supervisionado (backpropagation) na anaacutelise de amplas bases

de dados para melhor precisatildeo cardiovascular (Krittanawong et al 2017) Aleacutem

disso a rede neural foi utilizada na prediccedilatildeo da mortalidade em pacientes

submetidos a teste de esforccedilo cardiopulmonar (Myers et al 2014) como

tambeacutem em ampla metanaacutelise que avaliou a eficaacutecia do tratamento em

pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca nos uacuteltimos trinta anos

(Burnet et al 2017)

Como meacutetodo a rede neural artificial tem vantagens e desvantagens

quando comparada aos sistemas de computaccedilatildeo convencionais ou sistemas

baseados em algoritmos (Papik et al 1998)

Entre as vantagens foram citadas a efetividade do meacutetodo na modelagem natildeo

linear de fenocircmenos bioloacutegicos com grande nuacutemero de dados precisatildeo para

inferecircncia preditiva e ajuda na tomada de decisatildeo meacutedica facilidade de

disseminaccedilatildeo do conhecimento pelo meacutetodo (Lisboa et al 2006) capacidade

de utilizar informaccedilotildees incompletas aprendizado por meio de exemplos e

exposiccedilatildeo de padrotildees agrave rede neural (Sanchez 2009)

Tendo em vista a missatildeo assistencial no atendimento de pacientes com

diagnoacutestico de insuficiecircncia cardiacuteaca recebidos para avaliaccedilatildeo diagnoacutestico e

orientaccedilatildeo de tratamento em unidade ambulatorial de hospital de referecircncia

voltado para pacientes do Sistema Uacutenico de Sauacutede situaccedilatildeo na qual se

Introduccedilatildeo 6

esmera a aplicaccedilatildeo mais judiciosa possiacutevel dos recursos instalados requer-se

a atualizaccedilatildeo constante dos dados prognoacutesticos para a melhor orientaccedilatildeo

Estudos satildeo necessaacuterios para reunir recursos de teacutecnicas estatiacutesticas

tradicionais como tambeacutem para empregar redes neurais e sua potencial

capacidade de aprendizado possibilitando mudanccedilas nas casuiacutesticas

brasileiras lastreadas no tempo

Destarte planejamos o presente estudo para avaliar o emprego da

estatiacutestica tradicional como etapa de seleccedilatildeo de variaacuteveis para a aplicaccedilatildeo da

rede neural artificial na avaliaccedilatildeo prognoacutestica de pacientes para esmerar na

distinccedilatildeo de pacientes de prognoacutestico menos favoraacutevel e com maior

necessidade cliacutenica de tratamentos que utilizem as competecircncias e a

tecnologia geralmente disponiacuteveis apenas em serviccedilos meacutedicos de referecircncia

2 Objetivos

Objetivos 8

21 Objetivos Primaacuterios

Avaliar o prognoacutestico de pacientes com diagnoacutestico de insuficiecircncia

cardiacuteaca pelo emprego de meacutetodos da estatiacutestica de sobrevivecircncia associada

com a rede neural artificial

22 Objetivos Secundaacuterios

Estimar a contribuiccedilatildeo dos dados de exame cliacutenico e laboratorial

obtidos na avaliaccedilatildeo inicial dos pacientes

Estimar o impacto dos dados faltantes na anaacutelise

3 Meacutetodos

Meacutetodos 10

31 Delineamento do estudo

Estudo observacional tipo transversal (coorte retrospectiva) a partir de

base de dados administrativa e assistencial que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca na Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo e foram acompanhados ateacute o desfecho (oacutebito por qualquer causa) ou

ateacute a data do uacuteltimo contato

Dados da mortalidade foram obtidos por meio de consulta a registros

hospitalares contato telefocircnico consulta ao Programa de Aprimoramento das

Informaccedilotildees de Mortalidade no Municiacutepio de Satildeo Paulo (PRO-AIM) ou agrave

Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) (Figura 1)

32 Avaliaccedilatildeo cliacutenica

O exame cliacutenico e a avaliaccedilatildeo laboratorial dos pacientes seguiram a

rotina assistencial da Unidade Os pacientes cerca de 50 encaminhados ao

sistema CROSS (Central de Regulaccedilatildeo de Oferta de Serviccedilos de Sauacutede

Secretaria de Estado da Sauacutede Satildeo Paulo) foram avaliados por meio de

exame cliacutenico incluindo a histoacuteria cliacutenica e o exame fiacutesico eletrocardiograma

em repouso e a radiografia de toacuterax aleacutem de revisatildeo de testes

complementares eventualmente trazidos pelos pacientes A avaliaccedilatildeo

laboratorial complementar no Serviccedilo foi indicada de acordo com a

necessidade cliacutenica dos pacientes dentro da rotina assistencial e a

disponibilidade operacional institucional incluindo avaliaccedilatildeo metaboacutelica

laboratorial ecocardiografia ou outros testes

O tratamento foi recomendado de acordo com a rotina institucional

conforme necessidade cliacutenica e toleracircncia dos pacientes de acordo com a

orientaccedilatildeo do meacutedico responsaacutevel pelo atendimento do paciente aleacutem da

Meacutetodos 11

disponibilidade na dispensaccedilatildeo por farmaacutecia do sistema puacuteblico de atenccedilatildeo

farmacecircutica

33 Criteacuterios diagnoacutesticos

O diagnoacutestico de insuficiecircncia cardiacuteaca foi feito com base nos criteacuterios

de Framingham definido pela presenccedila simultacircnea de no miacutenimo dois

criteacuterios maiores ou um criteacuterio maior e dois menores (McKee et al 1971) Satildeo

criteacuterios maiores dispneia paroxiacutestica noturna turgecircncia jugular crepitaccedilotildees

pulmonares cardiomegalia na radiografia do toacuterax edema agudo de pulmatildeo

terceira bulha cardiacuteaca aumento da pressatildeo venosa central (gt16 cm aacutegua no

aacutetrio direito) refluxo hepatojugular perda de peso maior 45 kg em cinco dias

em resposta ao tratamento Os criteacuterios menores incluem edema de tornozelo

bilateral tosse noturna dispneia aos esforccedilos habituais hepatomegalia

derrame pleural taquicardia (gt120 batimentos por minuto) diminuiccedilatildeo da

capacidade funcional em um terccedilo da maacutexima registrada previamente (Hunt et

al 2001 2005)

O diagnoacutestico etioloacutegico foi feito de acordo com criteacuterios previamente

publicados (Maron et al 2006) Os diagnoacutesticos etioloacutegicos foram revisados

individualmente para este estudo

Os diagnoacutesticos foram categorizados segundo a Classificaccedilatildeo

Internacional de Doenccedilas 10a revisatildeo (World Health Organization 2010)

34 Criteacuterios de inclusatildeo

Foram incluiacutedos no estudo portadores de insuficiecircncia cardiacuteaca em

diferentes classes funcionais da New York Heart Association (New York Heart

Association 1964 Remme et al 2001)

Meacutetodos 12

35 Criteacuterios de exclusatildeo

Foram excluiacutedos do estudo os pacientes com angina instaacutevel infarto do

miocaacuterdio haacute menos de seis meses doenccedila valvar histoacuteria de cirurgia ou

infecccedilatildeo aguda nos trinta dias anteriores agrave consulta meacutedica

36 Casuiacutestica

Foram estudados 2128 pacientes consecutivos de ambos os sexos

com idade acima de 18 anos que depois do exame cliacutenico receberam o

diagnoacutestico de insuficiecircncia cardiacuteaca de diferentes etiologias no periacuteodo de 2

de julho de 2003 a 2 de julho de 2007

No Serviccedilo foram realizadas 113185 consultas ambulatoriais no

periacuteodo de estudo Portanto a casuiacutestica representa 18 do total de consultas

atendidas que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

37 Variaacuteveis estudadas

371 Demograacuteficas

Idade sexo etnia

Meacutetodos 13

372 Cliacutenicas

Duraccedilatildeo dos sintomas etiologia da insuficiecircncia cardiacuteaca classe

funcional peso altura iacutendice de massa corpoacuterea frequecircncia cardiacuteaca pressatildeo

arterial sistoacutelica pressatildeo arterial diastoacutelica e comorbidades (presenccedila de

hipertensatildeo arterial tabagismo diabete melito etilismo)

373 Eletrocardiograacuteficas

Ritmo cardiacuteaco

374 Ecocardiograacuteficas

Diacircmetro do aacutetrio esquerdo diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro sistoacutelico do ventriacuteculo esquerdo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo espessura diastoacutelica do septo interventricular e espessura diastoacutelica

da parede posterior do ventriacuteculo esquerdo

375 Laboratoriais

Taxa de hemoglobina taxa de leucoacutecitos taxa de linfoacutecitos taxa de

glicose em jejum creatinina seacuterica soacutedio seacuterico potaacutessio seacuterico colesterol

total lipoproteiacutena de alta densidade (HDL-colesterol) lipoproteiacutena de baixa

densidade (LDL-colesterol) e trigliceacuterides seacuterico

Meacutetodos 14

376 Medicamentos em uso na consulta inicial

Inibidores da enzima conversora da angiotensina (captopril enalapril) e

bloqueadores dos receptores da angiotensina II (losartana) bloqueadores

adreneacutergicos (carvedilol metoprolol propranolol e atenolol) diureacuteticos

(furosemida hidroclorotiazida espironolactona) digital (digoxina)

antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) anticoagulante oral

(varfarina) estatina (sinvastatina) vasodilatadores (hidralazina e mononitrato

de isossorbida) bloqueadores dos canais de caacutelcio (anlodipina) antiarriacutetmico

(amiodarona) nuacutemero de medicamentos em uso

38 Mortalidade ndash foi considerado desfecho o oacutebito por qualquer causa

39 Anaacutelise dos dados

Foi realizada em duas etapas a) anaacutelise estatiacutestica (n=2128

pacientes) para identificar as variaacuteveis associadas agrave sobrevida cujo tempo de

seguimento ou de sobrevida observado foi o intervalo entre a data da consulta

inicial ou a data do iniacutecio dos sintomas ateacute o uacuteltimo contato com o paciente ou a

data do oacutebito b) aplicaccedilatildeo da rede neural para estimar a sobrevida (n=968

pacientes)

A escolha pela teacutecnica da anaacutelise de sobrevida foi decorrente de sua

caracteriacutestica para identificar e selecionar as variaacuteveis mais importantes na

sobrevida dos pacientes como tambeacutem pelo pressuposto que a presenccedila de

pacientes censurados ou com perda de seguimento ao longo do tempo

representam todos os pacientes sujeitos ao risco de terem o evento de

interesse naquele momento (Bustamante-Teixeira et al 2002)

Meacutetodos 15

391 Anaacutelise estatiacutestica

A anaacutelise estatiacutestica foi realizada nas seguintes etapas anaacutelise

descritiva anaacutelise exploratoacuteria e estimativa da influecircncia das variaacuteveis na

sobrevida

3911 Anaacutelise descritiva e exploratoacuteria

Foram avaliadas as frequecircncias e distribuiccedilotildees das variaacuteveis

demograacuteficas cliacutenicas de exames complementares e de medicaccedilatildeo (tabela 1)

A probabilidade de sobrevida foi avaliada para cada variaacutevel pelo

meacutetodo de Kaplan-Meier (Kaplan Meier 1958) As variaacuteveis foram

categorizadas de acordo com criteacuterios cliacutenicos ou com base nos valores de

referecircncia quando pertinente Dados faltantes foram reunidos em uma

categoria As curvas de probabilidade de sobrevida foram comparadas com o

teste log-rank (Peto 1972) e os valores-p obtidos e informados As variaacuteveis

com plt010 foram selecionadas para a anaacutelise inferencial

Foram selecionadas para a anaacutelise inferencial todas as variaacuteveis com

plt010 e algumas variaacuteveis com pgt010 pela relevacircncia cliacutenica evidenciada em

estudos anteriores (Zugck et al 2001 Acanfora et al 2001 Anand et al

2004 Huehnergarth et al 2005 Maraldi et al 2006 Nieminen et al 2008

Marccedilula et al 2015)

3912 Anaacutelise inferencial

Foi adotado modelo de regressatildeo semiparameacutetrico de riscos

proporcionais de Cox (Cox 1972) para estimar a influecircncia de cada variaacutevel

associada com a probabilidade de sobrevida A comparaccedilatildeo da qualidade dos

Meacutetodos 16

ajustes do modelo foi feita pelo teste de razatildeo de verossimilhanccedila nas

seguintes fases

a) ajuste de modelo univariado tendo como variaacuteveis independentes a

idade e cada uma das variaacuteveis demograacuteficas e cliacutenicas separadamente

Foram selecionadas as variaacuteveis com valores de p lt 010 para a sequecircncia da

anaacutelise

b) as variaacuteveis selecionadas e a idade foram submetidas ao ajuste do

modelo multivariado Nesta fase para cada variaacutevel analisada e sem

informaccedilatildeo foi definida uma categoria de variaacutevel faltante As variaacuteveis com

valor de p gt 005 foram retiradas sequencialmente do modelo Tambeacutem foi

retirada do modelo a variaacutevel em que somente a categoria variaacutevel faltante

apresentou valor de p lt 005 Sendo assim permaneceram para a terceira fase

do modelo as variaacuteveis com valores de p lt 005 e a variaacutevel idade

c) na terceira fase para teste de seguranccedila do modelo com a

finalidade de avaliar se as variaacuteveis previamente retiradas do modelo

contribuiriam ou natildeo de modo significativo para a estimaccedilatildeo da sobrevida

cada uma das variaacuteveis previamente retiradas do modelo na fase inicial foi

reintroduzida no modelo multivariado com as variaacuteveis que na segunda fase

alcanccedilaram valor de p lt 005 Se fosse encontrado p lt 005 esta variaacutevel

permaneceria no modelo

d) as variaacuteveis assim selecionadas foram as variaacuteveis de entrada para

a rede neural artificial

392 Rede neural

Os testes da rede neural foram realizados pelo emprego do programa

Neuro XL Predictor (OLSOFT Software Development) que utiliza a rede neural

perceptron de muacuteltiplas camadas

A rede neural tipo perceptron de muacuteltiplas camadas compreendeu uma

camada de entrada camadas intermediaacuterias (ou ocultas) e uma camada de

Meacutetodos 17

saiacuteda (figura 2) Cada neurocircnio de qualquer das camadas da rede se conectou

a todos os neurocircnios da camada seguinte e o fluxo da informaccedilatildeo foi em uma

uacutenica direccedilatildeo (rede feedforward) da esquerda para a direita ou da camada de

entrada para a camada de saiacuteda (Figura 2a) O treinamento da rede foi feito

pelo emprego do algoritmo de treinamento supervisionado ou de

retropropagaccedilatildeo (backpropagation) que retropropaga o erro (backward) da

informaccedilatildeo da camada de saiacuteda para a camada de entrada (Figura 2b)

A funccedilatildeo de ativaccedilatildeo ou de transferecircncia da rede neural foi uma funccedilatildeo

natildeo linear (Figura 3) Entre as funccedilotildees de natildeo linearidade de ativaccedilatildeo da rede

neural foram testadas a funccedilatildeo zero based log sigmoid (Buskard et al 1994

Lundin et al 1999 Grossi 2006) e a funccedilatildeo tangente hiperboacutelica (Buskard et

al1994 Frize et al 2000 Ennett et al 2001 2004 Grossi 2006) a cada um

dos neurocircnios da rede neural camada a camada

A aplicaccedilatildeo da rede neural foi feita em trecircs etapas aprendizado-

treinamento previsatildeo e agrupamento aleatoacuterio

3921 Escolha da arquitetura da rede neural

De iniacutecio foi avaliada a arquitetura mais adequada para o aprendizado-

treinamento da rede neural mediante realizaccedilatildeo de testes com ateacute 20 camadas

intermediaacuterias de acordo com o ajuste de estimativas Foram investigados

a) nuacutemero de ciclos ndash A definiccedilatildeo do nuacutemero maacuteximo de ciclos ou

iteraccedilotildees para o aprendizado-treinamento da rede neural foi ajustada apoacutes

testes variando o paracircmetro em 30000 20000 e 10000 ciclos mantendo fixos

todos os demais paracircmetros da rede neural (Tabela 91)

b) erro delta ndash A definiccedilatildeo do valor do erro delta para o aprendizado-

treinamento da rede foi estipulado apoacutes testes variando o paracircmetro em

00001 00010 e 00020 do erro delta mantendo fixos todos os demais

paracircmetros envolvidos da rede neural inclusive o nuacutemero maacuteximo de ciclos em

30000 ciclos (tabela 91)

Meacutetodos 18

O nuacutemero maacuteximo de ciclos definido para o aprendizado-treinamento da rede

foi de 30000 etapas ou o valor do erro delta de 00001

c) os pesos sinaacutepticos iniciais ndash A determinaccedilatildeo dos pesos

(ponderaccedilatildeo da contribuiccedilatildeo da variaacutevel na estimaccedilatildeo) das conexotildees

sinaacutepticas foi definida pela proacutepria rede na execuccedilatildeo repetida do algoritmo de

aprendizado-treinamento A partir do peso sinaacuteptico inicial de 03 previamente

definido foi modulado a cada conexatildeo seguindo regra de aprendizado pela

aplicaccedilatildeo do algoritmo de treinamento supervisionado (backpropagation) para

ajustar o erro da variaacutevel de saiacuteda De maneira iterativa a variaacutevel de saiacuteda

estimada na rede foi comparada com a variaacutevel de saiacuteda observada resultando

num sinal de erro que foi retropropagado pela rede para permitir o ajuste dos

pesos (Figura 2b) Esses ciclos foram repetidos ateacute que a rede atribuiu para

cada variaacutevel de entrada uma variaacutevel de saiacuteda com valores estimados de

sobrevida consistentes com os valores observados

d) taxa de aprendizado ndash O paracircmetro denominado taxa de

aprendizado influencia o aprendizado da rede (Sanchez 2009) e foi fixado no

valor limite de 03 para o ajuste limitado da curva de aprendizado-treinamento

da rede neural

e) termo de momentum ndash O paracircmetro da rede neural denominado

termo de momentum interveacutem no aprendizado por aumentar a taxa de

aprendizado (Sanchez 2009) como moderador e foi fixado no valor limite de

03 para o ajuste da curva de aprendizado-treinamento da rede neural

Para definir a abordagem mais adequada para a imputaccedilatildeo nos valores

faltantes foram adotados trecircs criteacuterios distintos para avaliar a mais apropriada

previsatildeo de sobrevida da rede neural

a) valores de referecircncia normais para as variaacuteveis faltantes (Frize et

al 2001 Ennett et al 2001) ndash iacutendice de massa corpoacuterea (World Health

Organization 1995) pressatildeo arterial diastoacutelica (James et al 2014) espessura

diastoacutelica do septo intraventricular diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro do aacutetrio esquerdo (Lang et al 2005) potaacutessio seacuterico colesterol total e

creatinina seacuterica (rotina laboratorial institucional) (Tabela 8)

b) valor superior da normalidade (rotina laboratorial institucional) para

as taxas de colesterol total e creatinina seacuterica (Tabela 8)

Meacutetodos 19

c) valor da mediana das variaacuteveis disponiacuteveis para imputaccedilatildeo nos

valores faltantes (Frize et al 2001 Ennett et al 2001) (Tabela 8)

3922 Aprendizado-treinamento da rede neural

Para definir o mais apropriado tipo de treinamento para a previsatildeo da

sobrevida da rede neural duas teacutecnicas foram avaliadas

a) utilizando amostragem aleatoacuteria ndash trecircs amostras aleatoacuterias de um

terccedilo da casuiacutestica (n=968) foram constituiacutedas para aprendizado-treinamento

validaccedilatildeo e ajuste e aplicaccedilatildeo

b) utilizando a casuiacutestica do estudo (n=968) em cinco fases ndash

aprendizado- treinamento e definiccedilatildeo da rede neural com base nos oacutebitos

identificados ateacute 2012 aplicaccedilatildeo para estimativa de sobrevida ateacute 2012

comparaccedilatildeo de previsotildees com base nos oacutebitos verificados em 2013 reensaios

com oacutebitos identificados ateacute 2014 comparaccedilatildeo da previsatildeo para pacientes que

faleceram em 2013 e 2014 (Figura 4)

Na primeira fase com a finalidade de iniciar o aprendizado-treinamento

da rede neural foi avaliada a amostra dos pacientes com oacutebitos ocorridos ateacute

2012 e informaccedilotildees completas (dados falantes imputados segundo as

abordagens mencionadas) Foram realizados testes com base nas variaacuteveis

indicadas tanto pela anaacutelise estatiacutestica quanto pela relevacircncia cliacutenica tendo

como funccedilatildeo de ativaccedilatildeo zero based log sigmoid e tangente hiperboacutelica (Figura

3)

O tempo de sobrevida observado ateacute o desfecho oacutebito foi estimado a

partir da data do iniacutecio dos sintomas e a partir da data da primeira consulta no

ambulatoacuterio do hospital Com base no tempo meacutedio de seguimento o tempo de

sobrevida observado foi explorado e categorizado com base na experiecircncia

cliacutenica nas variaacuteveis prognoacutesticas referidas na literatura (Cowie et al 2000

Dries et al 2000 Lewis et al 2003 Rauchhaus et al 2003 Freitas et al

2005 Pocock et al 2006 Rassi Jr et al 2007 McManus et al 2009) para

identificar os pacientes com prognoacutestico menos favoraacutevel e obter a melhor

Meacutetodos 20

estimativa da rede (Tabelas 9 91) Variaacuteveis de relevacircncia cliacutenica foram

empregadas (Tabelas 9 e 91)

O erro da estimativa do tempo de sobrevida ateacute o oacutebito nesta fase foi

avaliado por meio do emprego da expressatildeo

erro da previsatildeo =| [(sobrevida prevista ndash sobrevida observada ateacute o oacutebito) x 100 ] |

sobrevida observada ateacute o oacutebito

em que

erro da previsatildeo () ndash erro relativo da previsatildeo da sobrevida com o emprego

da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ateacute o oacutebito ndash tempo de sobrevida dos pacientes ateacute o

oacutebito

Na segunda fase com a finalidade de se obter a previsatildeo da sobrevida

para os sobreviventes ateacute dezembro de 2012 foram realizados nove testes

(Tabela 10) Esta fase avaliou os pacientes com variaacuteveis completas e

incompletas para os modelos de dados da rede neural com respostas inferiores

a 36 Foi calculado o erro relativo da estimativa de oacutebito por meio do

emprego da expressatildeo

erro hipoteacutetico de previsatildeo = | [(sobrevida prevista ndash sobrevida observada) x 100] |

sobrevida observada

em que

erro hipoteacutetico de previsatildeo () ndash erro de estimativa de previsatildeo de sobrevida

com o emprego da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ndash sobrevida observada com base na data do uacuteltimo

contato dos sobreviventes

Na terceira fase foram comparadas as previsotildees com o emprego de

modelos de redes neurais para os sobreviventes ateacute 2012 e que faleceram em

Meacutetodos 21

2013 (Tabela 11) Esta fase comparou o modelo de rede ou os modelos de

dados da rede com respostas inferiores a 41 (Tabelas 12 13 14 15 16 17)

Na quarta fase foram realizados novos testes de aprendizado-treinamento da

rede neural incorporando as atualizaccedilotildees de mortalidade de 2013 (reensaio 1 -

Tabela 18) e 2014 (reensaio 2 - Tabela 19) Esta fase de aprendizado-

treinamento considerou os melhores modelos de rede neural para previsatildeo da

sobrevida

Na quinta fase foram comparados os resultados de previsatildeo da

sobrevida inicial da rede neural a partir dos oacutebitos ocorridos ateacute 2012 com os

reensaios 1 (Tabelas 20 21) e 2 (Tabelas 22 23) atualizando mortalidade

respectivamente de 2013 e 2014

3923 Avaliaccedilatildeo dos melhores modelos de rede neural

A avaliaccedilatildeo dos paracircmetros de variabilidade entre os modelos de rede

neural bem como a sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo (Tabela 24) e a funccedilatildeo de perda (Tabela 25)

dos modelos de dados da rede neural foram calculados

a) Dispersatildeo ou variabilidade dos modelos de rede neural ndash os desvios-

padratildeo em torno da meacutedia geral do erro de previsatildeo da sobrevida dos modelos

de rede neural foram calculados e comparadas as homogeneidades entre os

modelos de rede neural no aprendizado (vivos ateacute 2012) e na previsatildeo

(falecidos em 2013 e 2014) (Tabelas 12 13 14 15 16 17 20 21 22 23)

b) Sensibilidade especificidade acuraacutecia valor preditivo positivo e

valor preditivo negativo dos modelos de rede neural ndash a probabilidade de

previsatildeo para os melhores modelos da rede neural foi calculada para os

intervalos de tempo ou de corte (Martinez et al 2003) em 6 meses 1 ano 2

anos e 3 anos As previsotildees obtidas a partir do emprego da rede neural foram

categorizadas em (Tabela 24)

b1) verdadeiro positivo (VP) ndash previsto o oacutebito que ocorreu

b2) verdadeiro negativo (VN) ndash prevista a sobrevivecircncia que se confirmou

Meacutetodos 22

b3) falso positivo (FP) ndash previsatildeo de sobrevida e ocorreu o oacutebito

b4) falso negativo (FN) ndash previsatildeo de oacutebito que natildeo ocorreu

b5) sensibilidade ndash previsatildeo acertada de oacutebito pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VP (VP + FN)

b6) especificidade ndash previsatildeo acertada de sobrevida pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VN (VN + FP)

b7) acuraacutecia ndash precisatildeo na estimativa de sobrevida O caacutelculo foi feito por meio

do emprego da expressatildeo (VP + VN) (VP + FP + VN + FN)

b8) valor preditivo positivo ndash previsatildeo de oacutebito estimado pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VP (VP + FP)

b9) valor preditivo negativo ndash previsatildeo de sobrevida pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VN (VN + FN)

c) Funccedilatildeo de perda dos modelos de rede neural ndash o desempenho preditivo da

rede neural foi avaliado por meio do emprego da funccedilatildeo de perda aparente

para a variaacutevel contiacutenua tempo de sobrevida (Yuan 2008) que leva em

consideraccedilatildeo a diferenccedila entre a sobrevida prevista pelo emprego da rede

neural e a sobrevida observada em cada caso O resultado foi demonstrado

pela perda meacutedia estimada ou a meacutedia aritmeacutetica simples em valores

absolutos e expresso em dias (Santos 2013) (Tabela 25)

310 Aspectos eacuteticos

O protocolo do estudo foi aprovado pela Comissatildeo de Eacutetica para

Anaacutelise de Projetos de Pesquisa do Hospital das Cliacutenicas da Faculdade de

Medicina da Universidade de Satildeo Paulo (CAAE 34706714100000068)

4 Resultados

Resultados 24

41 Anaacutelise estatiacutestica

Os resultados foram obtidos pela anaacutelise estatiacutestica descritiva e

exploratoacuteria e pela anaacutelise inferencial para o ajuste do modelo estatiacutestico

411 Anaacutelise descritiva e exploratoacuteria

A idade dos pacientes variou de 18 anos a 94 anos (meacutedia 577

desvio- padratildeo 131) 1362 (64) homens e 766 (36) mulheres 1325 (62)

pacientes tinham idade entre 41 anos e 65 anos e 603 (28) pacientes tinham

idade superior a 65 anos A etnia branca foi observada em 343 (16) dos

pacientes e o sobrepeso foi identificado em 697 (33) pacientes A fraccedilatildeo de

ejeccedilatildeo do ventriacuteculo esquerdo foi inferior a 45 em 1476 (69) pacientes As

etiologias predominantes foram as cardiopatias hipertensiva e isquecircmica em

1443 (678) pacientes e a doenccedila de Chagas ocorreu em 333 (16)

pacientes A cardiopatia dilatada e a alcooacutelica ocorreram respectivamente em

206 (10) pacientes e 146 (7) pacientes Na qualidade de pacientes que

procuraram atendimento a condiccedilatildeo funcional era tal que permitia o acesso agrave

consulta deambulando Dos pacientes em tratamento 967 (45) faziam uso da

associaccedilatildeo de trecircs ou quatro medicamentos

Outras caracteriacutesticas cliacutenicas laboratoriais eletrocardiograacuteficas e

ecocardiograacuteficas satildeo apresentadas na tabela 1 A frequecircncia de dados

faltantes eacute apresentada nas tabelas 23 e 4 para cada variaacutevel

Foram identificados 968 (455) oacutebitos ateacute dezembro de 2012

Somaram-se 83 (39) oacutebitos verificados em 2013 e 50 (23) oacutebitos

verificados em 2014 O total de oacutebitos foi 1101 (517)

A curva da probabilidade de sobrevida geral da casuiacutestica eacute

apresentada na figura 5 O tempo meacutedio de acompanhamento dos pacientes foi

596 meses desvio- padratildeo 418 meses (variaccedilatildeo de um dia a 137 meses) e

Resultados 25

aos cinco anos de evoluccedilatildeo 68 dos pacientes da casuiacutestica estavam vivos

Tomando em consideraccedilatildeo a etiologia da insuficiecircncia cardiacuteaca no tempo

meacutedio de acompanhamento 71 dos portadores de cardiopatia hipertensiva

69 dos portadores de cardiopatia dilatada 66 dos portadores de cardiopatia

alcooacutelica 55 dos portadores de cardiopatia isquecircmica e 50 dos portadores

de cardiopatia da doenccedila de Chagas estavam vivos

Nas curvas de probabilidade de sobrevida relativas a cada variaacutevel

estudada os valores faltantes foram agrupados em uma categoria A

comparaccedilatildeo entre as curvas de sobrevida foi feita para as variaacuteveis

categorizadas em faixas de valores de acordo com os valores de referecircncia e

com a categorizaccedilatildeo individual do dado faltante para cada variaacutevel avaliada

(Figuras 6 a 51)

A comparaccedilatildeo entre as curvas de sobrevida revelou diferenccedila

estatisticamente significante (valor - p lt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash idade (plt0001 figura 7)

b) cliacutenicas ndash etiologia da insuficiecircncia cardiacuteaca (plt0001 figura 6) peso

(plt0001 figura 10) altura (p=0048 figura 11) iacutendice de massa corpoacuterea

(plt0001 figura 12) pressatildeo arterial sistoacutelica (plt0001 figura 13) pressatildeo

arterial diastoacutelica (plt0001 figura 14) classe funcional (plt0001 figura 15)

c) ecocardiograacuteficas ndash diacircmetro do aacutetrio esquerdo (plt0001 figura 22)

diacircmetro diastoacutelico do ventriacuteculo esquerdo (plt0001 figura 23) diacircmetro

sistoacutelico do ventriacuteculo esquerdo (plt0001 figura 24) fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo (plt0001 figura 25) espessura diastoacutelica do septo

interventricular (plt0001 figura 26) e espessura diastoacutelica da parede posterior

do ventriacuteculo esquerdo (plt0001 figura 27)

d) laboratoriais ndash hemoglobina seacuterica (plt0001 figura 29) taxa de glicose

seacuterica em jejum (plt0001 figura 30) taxa de creatinina seacuterica (plt0001 figura

31) taxa de soacutedio seacuterico (plt0001 figura 32) taxa de potaacutessio seacuterico (plt0001

figura 33) taxa de colesterol total (plt0001 figura 34) taxa de HDL-colesterol

(plt0001 figura 35) taxa de LDL-colesterol (plt0001 figura 36) e taxa de

trigliceacuterides (plt0001 figura 37)

Resultados 26

A comparaccedilatildeo entre as curvas de sobrevida natildeo revelou diferenccedila

estatisticamente significante (valor-p gt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash sexo (p=0025 figura 8) etnia (p=027 figura 9)

b) cliacutenicas ndash frequecircncia cardiacuteaca (p=062 figura 16) duraccedilatildeo dos sintomas

(p=068 figura 17) e o antecedente de hipertensatildeo arterial (p=0049 figura 18)

tabagismo (p=074 figura 19) diabetes melito (p=0024 figura 20) e etilismo

(p=0024 figura 21)

c) eletrocardiograacuteficas ndash ritmo cardiacuteaco (p=00051 figura 28)

d) laboratoriais ndash taxa de leucoacutecitos (plt0048 figura 38) taxa de linfoacutecitos

(p=0011 figura 39)

e) medicamentos em uso na consulta inicial ndash inibidores da enzima conversora

da angiotensina (captopril enalapril) e bloqueadores dos receptores da

angiotensina II (losartana) (p=091 figura 40) bloqueadores adreneacutergicos

(carvedilol metoprolol propranolol e atenolol) (p=0042 figura 41) diureacuteticos

(furosemida hidroclorotiazida (p=00032 figura 42) espironolactona (p=032

figura 43) digoxina (p=0077 figura 44) antiagregante plaquetaacuterio (aacutecido

acetilsaliciacutelico) (p=055 figura 45) anticoagulante oral (varfarina) (p=043

figura 46) estatina (sinvastatina) (p=007 figura 47) vasodilatadores

(hidralazina e mononitrato de isossorbida) (p=058 figura 48) bloqueador dos

canais de caacutelcio (anlodipina) (p=077 figura 49) antiarriacutetmico (amiodarona)

(p=051 figura 50) nuacutemero de medicamentos em uso (p=014 figura 51)

De 33 variaacuteveis reunidas inicialmente para a sequecircncia de anaacutelise pelo

emprego do modelo de riscos proporcionais de Cox avaliamos os valores

disponiacuteveis de todas as variaacuteveis cliacutenicas laboratoriais ecocardiograacuteficas

(Tabela 2) bem como dos medicamentos agrupados por classe farmacoloacutegica

(Tabela 3) e do nuacutemero de medicamentos em uso na consulta inicial (Tabela

4)

Resultados 27

412 Anaacutelise inferencial

Para a etapa seguinte de anaacutelise inferencial as variaacuteveis foram

selecionadas com base no valor p lt 010 ou pela especial relevacircncia cliacutenica

(Tabela 2) que discrimina as variaacuteveis com p lt 0001 mais etnia diabetes

melito frequecircncia cardiacuteaca hipertensatildeo arterial etilismo tabagismo ritmo

cardiacuteaco espessura diastoacutelica do septo interventricular espessura diastoacutelica da

parede posterior glicemia de jejum hemoglobina potaacutessio seacuterico leucoacutecitos

linfoacutecitos lipoproteiacutena de alta (HDL-colesterol) e baixa (LDL-colesterol)

densidade trigliceacuterides nuacutemero de medicamentos em uso na consulta inicial e

data do iniacutecio dos sintomas

Nesta primeira etapa da anaacutelise apenas as variaacuteveis com dados

vaacutelidos foram utilizadas no modelo ou seja a categoria individual de dado

faltante para cada variaacutevel natildeo foi utilizada (Tabela 2) Na segunda etapa a

categoria dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis

natildeo associadas com o prognoacutestico (Tabela 5) Na terceira etapa as variaacuteveis

natildeo significativas foram reintroduzidas testadas uma a uma no modelo e

tiveram sua significacircncia recalculada para confirmar que natildeo estariacuteamos

perdendo a relevacircncia cliacutenica (Tabela 6)

Os niacuteveis descritivos (valor-p) para as 32 variaacuteveis foram obtidos pelo

teste de razatildeo de verossimilhanccedila para os modelos ajustados com cada

variaacutevel separadamente controlando idade definindo a influecircncia de cada

variaacutevel na probabilidade de sobrevivecircncia (Tabela 2)

A variaacutevel iniacutecio dos sintomas foi dicotomizada em um periacuteodo inferior a

doze meses e superior ou igual a doze meses mas natildeo se revelou significativa

(valor p=068) para o prognoacutestico e foi retirada do modelo

As variaacuteveis com valor-p lt 010 ou relevacircncia cliacutenica foram

selecionadas para a segunda etapa da anaacutelise inferencial (Tabela 2)

Apoacutes novo ajuste sequencial do modelo e considerando o valor-p gt

005 obtido do teste de razatildeo de verossimilhanccedila as variaacuteveis hipertensatildeo

Resultados 28

arterial sistecircmica hemoglobina seacuterica glicemia de jejum fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo frequecircncia cardiacuteaca sexo soacutedio seacuterico taxa de

leucoacutecitos trigliceacuterides diacircmetro sistoacutelico do ventriacuteculo esquerdo e taxa de

linfoacutecitos natildeo revelaram diferenccedila significativa para a sobrevida e foram

retiradas do modelo (Tabela 5)

Entre as variaacuteveis com valor-plt005 a saber idade iacutendice de massa

corpoacuterea pressatildeo arterial sistoacutelica pressatildeo arterial diastoacutelica etiologia da

insuficiecircncia cardiacuteaca classe funcional espessura do septo interventricular

diacircmetro diastoacutelico do ventriacuteculo esquerdo diacircmetro do aacutetrio esquerdo

potaacutessio seacuterico colesterol total e creatinina observou-se que para a variaacutevel

pressatildeo arterial sistecircmica somente a categoria de dados faltantes revelou

significacircncia para a sobrevida e por este motivo foi retirada do modelo

Para reavaliar o ajuste do modelo as variaacuteveis retiradas do primeiro

ajuste do modelo multivariado em razatildeo de valor-pgt005 foram reintroduzidas

uma a uma no modelo e sua significacircncia foi calculada com base no teste da

razatildeo de verossimilhanccedila A variaacutevel iniacutecio dos sintomas foi dicotomizada em

um periacuteodo inferior a doze meses e superior ou igual a doze meses mas natildeo

se revelou significativa (valor-p=078) para o prognoacutestico e foi retirada do

modelo A variaacutevel antecedente pessoal de diabetes melito foi a uacutenica que se

revelou com importacircncia para a sobrevida (Tabela 6)

Assim foram selecionadas as variaacuteveis idade iacutendice de massa

corpoacuterea pressatildeo arterial diastoacutelica etiologia da insuficiecircncia cardiacuteaca classe

funcional espessura do septo interventricular diacircmetro diastoacutelico do ventriacuteculo

esquerdo diacircmetro do aacutetrio esquerdo potaacutessio seacuterico colesterol total

creatinina e a presenccedila de diabetes melito como as variaacuteveis relacionadas com

a sobrevida (Tabela 7) e selecionadas para a alimentaccedilatildeo da rede neural

Resultados 29

42 Rede neural

421 Escolha da arquitetura da rede neural

Os resultados da rede neural sugeriram que a arquitetura da rede

neural com cinco camadas intermediaacuterias 30000 ciclos e erro delta de 00001

revelou-se a mais adequada (Tabela 91)

Os dados que observamos permitem sugerir que natildeo houve diferenccedila

entre os dois tipos de funccedilatildeo de ativaccedilatildeo de natildeo linearidade que foram

utilizados ndash zero based log sigmoid e tangente hiperboacutelica ndash para a previsatildeo da

sobrevida pela rede neural (Tabela 9 e 91)

Entre as diferentes abordagens utilizadas para a imputaccedilatildeo nos valores

faltantes ndash valor da normalidade valor superior da normalidade valor da

mediana ndash observamos que a rede neural natildeo revelou resultado adequado na

previsatildeo da sobrevida (Tabela 9 e 91)

As 12 variaacuteveis selecionadas para o aprendizado-treinamento da rede

neural foram submetidas agrave interaccedilatildeo muacutetua nas cinco camadas para o ajuste

da rede

422 Aprendizado-treinamento da rede neural

Os resultados que definiram o tipo de treinamento mais apropriado

para a previsatildeo da sobrevida da rede neural foram obtidos pela teacutecnica da

amostragem aleatoacuteria e pela teacutecnica da utilizaccedilatildeo da casuiacutestica do estudo em

cinco fases

Resultados 30

4221 Amostragem aleatoacuteria

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em 322 pacientes selecionados aleatoriamente No

segundo terccedilo de pacientes (n = 322) o erro relativo da previsatildeo de sobrevida

da rede neural foi de 33685 Se comparada com a porcentagem de erro da

previsatildeo da rede neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do

tempo de sobrevida observado para os mesmos 322 pacientes o erro de

previsatildeo da rede foi de 36388

No teste realizado no terceiro terccedilo (n=324) dos pacientes agrupados

aleatoriamente o erro relativo da previsatildeo de sobrevida da rede neural foi

54419 Se comparado com a porcentagem de erro da previsatildeo da rede

neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do tempo de

sobrevida o erro de previsatildeo foi 61880

Em siacutentese pelos testes da rede neural com agrupamento aleatoacuterio o

aprendizado-treinamento da rede neural natildeo foi apropriado

4222 Fases do estudo da casuiacutestica

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em cinco fases

42221 Primeira fase ndash aprendizado-treinamento da rede neural

Para efeito de teste foi considerada a amostra dos pacientes com

oacutebitos ocorridos ateacute 2012 e a rede foi tambeacutem alimentada com outras variaacuteveis

que natildeo as 12 selecionadas pela anaacutelise estatiacutestica

Resultados 31

As variaacuteveis sexo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo de 25 e

55 creatinina seacuterica nos valores de 13 e 26 mgdL colesterol total nos

valores de 200 mgdL e 239 mgdL diacircmetro diastoacutelico do ventriacuteculo esquerdo

nos valores de 60 mm e 75 mm e a associaccedilatildeo das variaacuteveis colesterol total

nos valores de 200 mgdL e 239 mgdL e diacircmetro diastoacutelico do ventriacuteculo

esquerdo nos valores de 60 mm e 75 mm foram consideradas para o

aprendizado-treinamento da rede por serem variaacuteveis significativas no

prognoacutestico de alguns estudos (Gradman et al 1989 Dries et al 2000 Senni

et al 2001 Lee DS et al 2003 Levy et al 2006 Pocock et al 2006

Abraham et al 2008 Anand et al 2008 Roger et al 2013 Mahmood et al

2014 Kenchaiah et al 2015) portanto limitadoras para os testes da rede

neural (Tabelas 9 e 91) Natildeo houve melhora da capacidade de previsatildeo da

sobrevida pela rede (Tabelas 9 e 91)

O tempo de sobrevida observado foi trabalhado sem categorizaccedilatildeo e

com a classificaccedilatildeo em seis categorias do tempo de seguimento tomando

tambeacutem como base o seu tempo meacutedio ateacute 2 anos entre 1 ano e 6 anos entre

2 anos e 6 anos entre 15 ano e 85 anos acima de 2 anos e acima de 6 anos

Os resultados da modelagem da rede neural tomando em consideraccedilatildeo

o tempo de sobrevida observado estrateacutegia para imputaccedilatildeo no caso de dados

faltantes criteacuterios para variaacuteveis cliacutenicas funccedilatildeo de transferecircncia ou de

ativaccedilatildeo e informaccedilatildeo da data inicial disponiacutevel para estimar a sobrevida (data

do iniacutecio dos sintomas ou a data primeira consulta) estatildeo apresentados nas

tabelas 9 e 91

Os resultados obtidos foram

a) quando avaliadas diferentes estrateacutegias ndash o erro de previsatildeo da

sobrevida variou entre 201 (rede neural 4) e 102308 (rede neural 12)

dependendo da data disponiacutevel para estimar a sobrevida da funccedilatildeo de

transferecircncia dos valores de imputaccedilatildeo para os dados faltantes e das variaacuteveis

clinicamente relevantes (Tabelas 9 e 91) Portanto os resultados foram

inadequados para prever a sobrevida

b) quando avaliadas diferentes categorizaccedilotildees do tempo de sobrevida

observado ndash o erro de previsatildeo da sobrevida variou entre 3199 (rede neural

13) e 880 (rede neural 14) para a estrateacutegia um de imputaccedilatildeo para os dados

Resultados 32

faltantes funccedilatildeo de transferecircncia zero based log sigmoid a partir da data da

primeira consulta e diferentes variaacuteveis cliacutenicas significativas (Tabela 9) Os

resultados foram inadequados para prever a sobrevida exceto para a

categorizaccedilatildeo do tempo de evoluccedilatildeo entre 2 anos e 6 anos sem nenhuma

variaacutevel cliacutenica (3199 rede neural 13)

Pela categorizaccedilatildeo do tempo de sobrevida observado entre 1 ano e 6

anos a inclusatildeo de variaacuteveis cliacutenicas significativas com a funccedilatildeo de

transferecircncia zero based log sigmoid a partir da data da primeira consulta e

valores de imputaccedilatildeo para os dados faltantes baseados na estrateacutegia 1 (Tabela

9) fez o erro de estimativa variar entre 5185 (rede neural 15) e 7068 (rede

neural 17) Os resultados foram considerados inadequados para prever a

sobrevida

c) o resultado de previsatildeo da sobrevida variou entre o limite maacuteximo de

4801 (rede neural 24) e miacutenimo de 1137 (rede neural 26) quando as

categorizaccedilotildees do tempo de sobrevida observado tomaram como referecircncia o

tempo meacutedio de seguimento dos pacientes (49 anos) dependendo da data

disponiacutevel para estimar a sobrevida e da funccedilatildeo de transferecircncia (Tabela 9) Os

resultados foram considerados mais adequados para prever a sobrevida

d) a inclusatildeo da etiologia na categorizaccedilatildeo do tempo de sobrevida

observado entre 2 anos e 6 anos resultou numa previsatildeo da rede neural entre

2191 (rede neural 42) a 2952 (rede neural 40) (Tabelas 9 e 91) O

resultado foi considerado mais adequado para prever a sobrevida para a

cardiopatia da doenccedila de Chagas (2191 rede neural 42) e natildeo acrescentou

capacidade estimativa para as outras etiologias

O teste com vaacuterias categorizaccedilotildees do tempo de sobrevida observado

revelou que os melhores resultados de previsatildeo da sobrevida foram obtidos

pelo modelo de rede definida por tempo de sobrevida observado acima de 6

anos a partir da data da primeira consulta com estimativa de sobrevida de

1277 (funccedilatildeo de ativaccedilatildeo ndash tangente hiperboacutelica rede neural 24) ou 1137

(funccedilatildeo de ativaccedilatildeo ndash zero based log sigmoid rede neural 26) e com tempo

de sobrevida observado entre 2 anos e 6 anos a partir da data do iniacutecio dos

sintomas com estimativa de sobrevida de 2054 (funccedilatildeo de ativaccedilatildeo ndash

Resultados 33

tangente hiperboacutelica rede neural 22) ou 2260 (funccedilatildeo de ativaccedilatildeo ndash zero

based log sigmoid rede neural 20) (Tabelas 9 e 91)

Os resultados dos testes que definiram os melhores modelos de dados

da rede neural em estimar a sobrevida estatildeo representados na tabela 10

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar

a sobrevida

Nos pacientes sobreviventes ateacute dezembro de 2012 os resultados de

previsatildeo da sobrevida satildeo apresentados na tabela 11

Os erros de previsatildeo pelo emprego da rede neural foram superiores

aos obtidos na previsatildeo da primeira fase Ainda assim foram adequados para

prever a sobrevida principalmente no modelo de rede com tempo de sobrevida

observada superior a 6 anos

Os melhores modelos de previsatildeo da sobrevida foram aqueles com

tempo de sobrevida observado superior a 6 anos e que consideraram como

data disponiacutevel para estimar a sobrevida a data da primeira consulta tanto para

tangente hiperboacutelica (2071) quanto para funccedilatildeo zero based log sigmoide

(2150)

Os melhores resultados da rede neural observados nesta fase

coincidiram com os melhores resultados revelados pela rede neural na primeira

fase do aprendizado da rede

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede

neural

Os resultados da previsatildeo de sobrevida sugeridos pela rede neural

estatildeo apresentados na tabela 12 o erro de estimativa da rede variou de acordo

com o modelo de dados da rede neural A comparaccedilatildeo dos erros (previsto pela

rede neural versus observado na evoluccedilatildeo) para cada paciente estaacute

Resultados 34

representada nas tabelas 13 14 15 16 e 17 (estimativas individuais) Os

resultados obtidos foram

a) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n = 19 sobreviventes) da rede comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 3562 (desvio-

padratildeo 2498) para 4755 (desvio-padratildeo 1384) com homogeneidade dos

erros de previsatildeo maior (menor desvio-padratildeo)

Poreacutem individualmente os erros de previsatildeo da comparaccedilatildeo com o

real foram superiores a 44 em 7368 (14 pacientes) do total de pacientes da

amostra e inferiores a 40 em 2632 (5 pacientes) do total de pacientes para

este modelo de dados da rede neural (Tabela 13)

b) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data de iniacutecio dos sintomas e funccedilatildeo zero based log sigmoid ndash a

meacutedia dos erros de previsatildeo (n = 2 sobreviventes) comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 1155 para

4037 com discreta diferenccedila na homogeneidade dos erros de previsatildeo

respectivamente desvios-padratildeo 1249 e 1365 Para os dois pacientes deste

modelo de dados da rede neural os resultados de 5002 e 3072 de

sobrevida natildeo permitiram avaliar da precisatildeo da rede neural (Tabela 14)

c) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

dos erros de previsatildeo (n=2 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 4095 (desvio-padratildeo

1237) para 5614 (desvio-padratildeo 001) com homogeneidade dos erros de

previsatildeo maior (desvio-padratildeo menor) Para os dois pacientes deste modelo de

dados da rede neural os resultados de previsatildeo da sobrevida de 5615 e

5614 natildeo permitiram avaliar a precisatildeo da rede neural (Tabela 15)

d) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia dos

erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros de

previsatildeo dos falecidos em 2013 diminuiu de 2120 (desvio-padratildeo 1396)

para 1880 (desvio-padratildeo 1239) com a dispersatildeo em torno da meacutedia do

Resultados 35

erro de previsatildeo mais homogecircneo (desvio-padratildeo menor) Os resultados

individuais para este modelo de dados da rede neural dos erros de previsatildeo

da comparaccedilatildeo com o real variaram de 069 a 387 Os resultados

superiores a 26 de erro previsatildeo da sobrevida foram observados em 10

pacientes (2778) do total de pacientes da amostra e foram inferiores a 25

em 26 pacientes (7222 ) Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 11 (Tabela 16)

e) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 1848 (desvio-padratildeo

1354) para 1948 (desvio-padratildeo 1167) com maior homogeneidade (menor

desvio-padratildeo) Os resultados individuais dos erros de previsatildeo da comparaccedilatildeo

com o real variaram de 095 a 4588 Os resultados superiores a 26 de

erro de previsatildeo da sobrevida foram observados em 13 pacientes (3611) e

inferiores a 25 em 23 pacientes (6389) do total de pacientes para este

modelo de dados da rede Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 13 (Tabela 17)

A anaacutelise dos resultados de previsatildeo da sobrevida pela rede neural

sugere que os modelos de redes neurais com tempo de sobrevida observada

superior a seis anos considerando a data da primeira consulta tanto para a

funccedilatildeo tangente hiperboacutelica quanto para a funccedilatildeo zero based log sigmoid

apresentaram maior precisatildeo na estimativa da sobrevida

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural

Foram incorporados para aprendizado-treinamento dos modelos de

dados de rede neural 44 pacientes com dados completos dos 83 pacientes que

vieram a falecer em 2013 (reensaio 1 ndash Tabela 18) e 30 pacientes com dados

completos dos 50 pacientes que faleceram em 2014 (reensaio 2 ndash Tabela 19)

Os resultados obtidos foram

Resultados 36

a) reensaio incorporando os oacutebitos ateacute 2013 - os testes de reensaio

realizados em 145 pacientes com oacutebito e informaccedilotildees completas (101 falecidos

em 2012 e 44 em 2013) e a estimativa de sobrevida da rede neural em 269

pacientes (186 falecidos em 2012 e 83 pacientes em 2013) Foi realizado o

reensaio para os melhores modelos de dados da rede neural para previsatildeo da

sobrevida

a1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo de

sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1376 quando comparado com a previsatildeo inicial sem esse dado (1277)

(Tabela 18) A meacutedia geral dos erros reais de previsatildeo da sobrevida pela rede

diminuiu de 2120 (desvio-padratildeo 1396) para 848 (desvio-padratildeo 961)

apoacutes o reensaio 1 (Tabela 20) A homogeneidade dos erros de previsatildeo foi

maior (menor desvio-padratildeo)

a2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1230 quando comparado com o resultado de previsatildeo inicial sem esses

dados (1137) (Tabela 18) A meacutedia geral dos erros reais de previsatildeo da

sobrevida pela rede neural diminuiu de 1848 (desvio-padratildeo 1410) para

1124 (desvio-padratildeo 851) apoacutes o reensaio 1 (Tabela 21) A homogeneidade

dos erros de previsatildeo foi maior (menor desvio-padratildeo)

b) reensaio incorporando os oacutebitos ateacute 2014 - Os testes de reensaio

realizados em 175 pacientes com oacutebito identificado e informaccedilotildees completas

(145 pacientes falecidos 2012 e 30 em 2014) A previsatildeo da estimativa de

sobrevida da rede neural foi realizada em 319 pacientes (269 pacientes

falecidos em 2012 e 50 em 2013) Foi realizado o reensaio para os melhores

modelos de dados da rede neural para previsatildeo da sobrevida

b1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo da

sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1733 quando comparado com o resultado de previsatildeo inicial sem esse dado

Resultados 37

(1277) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 2120 (desvio-padratildeo 1396) para 910 (desvio-

padratildeo 961) apoacutes o reensaio 2 (Tabela 22) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

b2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1488 quando comparado com o resultado de previsatildeo inicial sem esse dado

(1137) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 1848 (desvio-padratildeo 1410) para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 (Tabela 23) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede

neural

Foram comparadas as meacutedias dos erros de previsatildeo da sobrevida (n =

36 pacientes) pela rede neural sem a incorporaccedilatildeo dos oacutebitos de 2013 e 2014

com a incorporaccedilatildeo dos oacutebitos de 2013 e 2014 Os resultados obtidos foram

a) modelo de rede com tempo de sobrevida observado acima de 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

geral (n= 36 pacientes) dos erros sem a incorporaccedilatildeo dos oacutebitos de 2013 e

2014 de previsatildeo da sobrevida pela rede comparados com os resultados apoacutes

os reensaios incorporando os oacutebitos de 2013 e 2014 diminuiu

respectivamente de 2120 (desvio-padratildeo 1396) para a 848 (desvio-

padratildeo 961) e 910 (desvio-padratildeo 787) A homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 2 foi maior (menor desvio-

padratildeo)

Os resultados individuais das meacutedias dos erros de previsatildeo da

sobrevida foram inferiores a 10 em 75 (27 pacientes) e superiores a 15

em 25 (9 pacientes) do total de pacientes para o reensaio 1 (Tabela 22)

Resultados 38

Para o reensaio 2 os erros de previsatildeo da sobrevida pela rede neural foram

inferiores a 10 em 7222 (26 pacientes) e superiores ou iguais a 15 em

2778 (10 pacientes) do total de pacientes (Tabela 22)

b) modelo de rede com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

geral (n = 36 pacientes) dos erros de previsatildeo da sobrevida pela rede sem a

incorporaccedilatildeo dos oacutebitos de 2013 e 2014 comparados com os resultados apoacutes

o reensaio 1 incorporando os oacutebitos diminuiu de 1848 (desvio-padratildeo

1410) para 1124 (desvio-padratildeo 851) e aumentou para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 com maior homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 1 (menor desvio-padratildeo) (Tabela

23) Os resultados individuais das meacutedias dos erros de previsatildeo da sobrevida

incorporando os oacutebitos de 2013 e 2014 foram inferiores ou iguais a 10 em

6111 (22 pacientes) e superiores a 15 em 3889 (14 pacientes) do total

de pacientes para o reensaio 2 (Tabela 23)

Em siacutentese os resultados obtidos pelos testes para os dois melhores

modelos de dados da rede neural sugerem que

a) houve aprendizado satisfatoacuterio da rede neural pela atualizaccedilatildeo dos

dados de mortalidade de anos subsequentes

b) a acuraacutecia das meacutedias dos erros de previsatildeo da sobrevida apoacutes a

incorporaccedilatildeo dos oacutebitos ocorridos em 2013 e 2014 foi melhor quando

comparada com as meacutedias de previsatildeo da rede neural para os sobreviventes

ateacute 2012

c) os resultados das meacutedias gerais dos erros de previsatildeo da sobrevida

foram satisfatoacuterios mas inferiores a 13 apoacutes a incorporaccedilatildeo dos oacutebitos de

2013 e 2014

d) o modelo de dados com limite de sobrevida superior a seis anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica teve a melhor

precisatildeo da rede neural na previsatildeo da sobrevida com erro inferior a 10

e) a precisatildeo da previsatildeo da sobrevida quando avaliada caso a caso

apoacutes a incorporaccedilatildeo dos oacutebitos ocorridos em 2013 permite resultados

satisfatoacuterios (erro de previsatildeo lt 5) em 16 casos mas tambeacutem incorre em

Resultados 39

erros de previsatildeo insatisfatoacuterios (gt30) em dois casos num total de 36 casos

para este modelo de rede

f) a categorizaccedilatildeo do tempo de sobrevida observado eacute importante para

o aprendizado-treinamento da rede neural na previsatildeo da sobrevida

43 Avaliaccedilatildeo dos melhores modelos da rede neural

Os resultados do desempenho dos melhores modelos de rede neural

para a previsatildeo da sobrevida foram avaliados

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo

valor preditivo negativo da rede neural

Para os seis melhores modelos de rede neural os resultados

evidenciaram sensibilidade que variou entre 930 e 872 especificidade

entre 775 e 667 acuraacutecia entre 852 e 789 valor preditivo positivo

que variou entre 880 e 536 e valor preditivo negativo entre 974 e 714

(Tabela 23)

Os resultados obtidos pelos melhores modelos de dados avaliados

permitem a seguinte siacutentese

a) no modelo de rede neural com tempo de sobrevida observado

superior a 6 anos a partir da data da consulta inicial com intervalo de corte de

trecircs anos (1095 dias) a sensibilidade foi de 93 (com ambas as funccedilotildees de

ativaccedilatildeo) especificidade de 775 (funccedilatildeo tangente hiperboacutelica) e 764

(funccedilatildeo zero based log sigmoid) acuraacutecia da rede foi satisfatoacuteria de 81 ou

802 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo negativo alto de

974 (com ambas as funccedilotildees de ativaccedilatildeo) e valor preditivo positivo baixo de

547 ou 536 (dependendo da funccedilatildeo de ativaccedilatildeo)

Resultados 40

b) no modelo de rede neural com tempo de sobrevida observado entre

2 anos e 6 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de dois anos (730 dias) a sensibilidade foi de 898 (com ambas as funccedilotildees

de ativaccedilatildeo) especificidade de 765 (funccedilatildeo zero based log sigmoid) e 725

(funccedilatildeo tangente hiperboacutelica) acuraacutecia da rede foi satisfatoacuteria de 839 e

852 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo alto de 88

ou 863 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo alto

de 796 ou 787 (dependendo da funccedilatildeo de ativaccedilatildeo)

c) no modelo de rede neural com tempo de sobrevida observado

inferior a 2 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de um ano (365 dias) a sensibilidade foi razoaacutevel de 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade inadequada de 667 e 625

(dependendo da funccedilatildeo de ativaccedilatildeo) acuraacutecia satisfatoacuteria de 803 e 789

(dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo razoaacutevel de 837

e 820 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo

de 7275 e 714 (dependendo da funccedilatildeo de ativaccedilatildeo)

d) os resultados foram insatisfatoacuterios nas estimativas por tempo de

seguimento observado superior a 6 anos a partir da data do iniacutecio dos

sintomas com intervalo de corte de dois anos independentemente da funccedilatildeo

de ativaccedilatildeo bem como no tempo de sobrevida observado inferior a 2 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de seis meses

independentemente da funccedilatildeo de ativaccedilatildeo Nos modelos com tempo de

seguimento observado entre 2 anos e 6 anos com intervalo de corte de um

ano independentemente da funccedilatildeo de ativaccedilatildeo tanto para a data do iniacutecio dos

sintomas quanto para a data da consulta inicial os resultados foram

insatisfatoacuterios (Tabela 24)

432 Funccedilatildeo de perda da rede neural

O erro ou perda meacutedia estimada da sobrevida para os melhores

modelos de rede neural (Tabela 25) revelou

Resultados 41

a) o erro meacutedio de previsatildeo da sobrevida variou de 12695 dias a

38931 dias

b) os menores erros de previsatildeo (12695 dias e 13307 dias) foram

obtidos pelo modelo de rede neural com tempo de sobrevida inferior a 2 anos e

o tempo estimado desde a data de iniacutecio dos sintomas

c) os segundos menores erros de previsatildeo (23161 dias e 25906 dias)

foram alcanccedilados pelo modelo de rede neural com tempo de sobrevida entre 2

anos e 6 anos e o tempo estimado desde a data de iniacutecio dos sintomas

d) os piores erros de estimativa foram (29388 dias 33255 dias e

38931 dias) para tempo de sobrevida superior a 6 anos e tempo de sobrevida

entre 2 anos e 6 anos com informaccedilatildeo da data da primeira consulta

Os melhores resultados da funccedilatildeo de perda foram obtidos pelos

modelos de rede neural com o menor nuacutemero de pacientes (tamanho da

amostra = 47) e com informaccedilatildeo da data do iniacutecio dos sintomas

A avaliaccedilatildeo pelo emprego da funccedilatildeo de perda revelou a estimativa da

rede neural que pode alcanccedilar erros de 44 meses ateacute 11 anos para mais ou

para menos

5 Discussatildeo

Discussatildeo 43

A casuiacutestica estudada tem caracteriacutesticas de interesse para a

interpretaccedilatildeo dos achados e potenciais implicaccedilotildees cliacutenicas dos resultados

obtidos

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes

Trata-se de casuiacutestica ambulatorial diversa de casuiacutesticas de

publicaccedilotildees de nosso meio que avaliaram pacientes hospitalizados (Bestetti et

al 1997 Pereira Barretto et al 1998 Carlo et al 2014 Albuquerque et al

2015) Tambeacutem eacute digno de nota o fato de ser hospital acadecircmico de referecircncia

terciaacuteria que integra a rede do Sistema Uacutenico de Sauacutede (SUS) incluindo entre

suas responsabilidades institucionais identificar pacientes com insuficiecircncia

cardiacuteaca de prognoacutestico mais reservado com necessidade de tratamentos

complexos

511 Casuiacutestica

A casuiacutestica (n=2128) pode ser estimada grande comparada com

outras que avaliaram incidecircncia e fatores desencadeantes (n=903) (Pereira

Barretto et al 1998) sobrevida (n= 104) (Mady et al 1994) prognoacutestico

(n=1220 - Freitas et al 2004 ou n=944 - Nadruz et al 2018) fatores preditores

de mortalidade (n=56) (Bestetti et al 1994) modelo cliacutenico de prediccedilatildeo

ambulatorial de sobrevida (n=268) (Aaronson et al 1997) impacto de

comorbidades na estratificaccedilatildeo prognoacutestica ambulatorial (n=807) (Senni et al

2006) de pacientes com insuficiecircncia cardiacuteaca Poreacutem dada a natureza

generalizada sob ponto de vista cardioloacutegico de certa forma aberta do Serviccedilo

lidamos com pacientes que recebem o diagnoacutestico cliacutenico sem restriccedilotildees

quanto a casuiacutesticas apenas de homens (Mady et al 1994) etiologia da

doenccedila de Chagas (Bestetti et al 1994) ou isquecircmica (Lewis et al 2003) ou

Discussatildeo 44

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo inferior ou igual a 40 (Gradman et

al1989)

512 Idade

A meacutedia da idade na casuiacutestica (577 anos desvio-padratildeo 131) foi de

pacientes com idade inferior a 65 anos (71) agrave semelhanccedila de outros estudos

que verificaram meacutedias de idade entre 517 anos (desvio- padratildeo 83) e 59

anos (desvio- padratildeo 14 anos) (Bestetti et al 1997 Freitas et al 2005 Silva et

al 2007 Nadruz et al 2018) embora haja casuiacutesticas publicadas com meacutedia

de idade superior a 61 anos (Roger et al 2004 Rohde et al 2005 Moutinho

et al 2008 Shah et al 2017) e outra com meacutedia de idade de 48 anos desvio-

padratildeo 12 anos (Nunes et al 2008)

Portanto nossa casuiacutestica identificou no periacuteodo de estudo pacientes

adoecidos em fase potencialmente produtiva da vida com suas eventuais

implicaccedilotildees familiares econocircmicas e sociais

513 Sexo

A frequecircncia de homens em relaccedilatildeo a mulheres predominou (64) na

casuiacutestica assim como em outros estudos (Likoff et al 1987 Bestetti et al

1997 Lewis et al 2003 Freitas et al 2005 Rassi et al 2006 Ahmed et al

2006a Theodoropoulos et al 2007 Nunes et al 2008 Marcula et al 2011

Carlo et al 2014 Gheorghiade et al 2013 Abdul-Rahim et al 2016 Nadruz

et al 2018)

Por outro lado haacute estudos em que o sexo feminino foi mais frequente

(Mahmood et al 2014 Gradman et al 1989 MacIntyre et al 2000 Roger et

al 2004 Ahmed et al 2006b Fonarow et al 2007b Moutinho et al 2008

Gerber et al 2015 Albuquerque et al 2015)

Discussatildeo 45

Por conseguinte ainda que a frequecircncia de homens predomine na casuiacutestica

as mulheres compotildeem contingente relevante (Ponikowski et al 2016)

514 Antecedentes

Na nossa casuiacutestica a maioria dos pacientes foi de natildeo diabeacuteticos

(70) e entre aqueles com diagnoacutestico de diabete melito (23) houve 18

insulino - independentes Pacientes com antecedentes de hipertensatildeo arterial

foram prevalentes (72) na casuiacutestica Tais caracteriacutesticas reiteram a

importacircncia epidemioloacutegica da hipertensatildeo arterial em relaccedilatildeo tambeacutem agrave

insuficiecircncia cardiacuteaca

515 Etiologia

A distribuiccedilatildeo da etiologia revisada em cada paciente tem

caracteriacutesticas proacuteprias quanto agrave frequecircncia das cardiopatias hipertensiva

(43) isquecircmica (25) cardiopatia da doenccedila de Chagas (16) cardiopatia

dilatada idiopaacutetica (10) e alcooacutelica (7)

Em outras casuiacutesticas brasileiras houve predomiacutenio de cardiomiopatia

dilatada idiopaacutetica (282 a 372) (Freitas et al 2005 Silva et al 2007) e

isquecircmica (21 a 33) (Pereira Barretto et al 1998 Albuquerque et al 2015

Nadruz et al 2018)

Em casuiacutestica de outros paiacuteses houve diferenccedila na distribuiccedilatildeo

etioloacutegica nas amostras estudadas com a maior frequecircncia de cardiomiopatia

dilatada idiopaacutetica (Keogh et al 1990) ou a etiologia isquecircmica (Senni et al

1999 Levy et al 2006 Abraham et al 2008)

Por isso esta casuiacutestica permite a interessante possibilidade de

avaliaccedilatildeo comparativa de diferentes etiologias da insuficiecircncia cardiacuteaca

Discussatildeo 46

516 Iacutendice de massa corpoacuterea

A meacutedia do iacutendice de massa corpoacuterea foi baixa (269 kgm2 desvio-

padratildeo 57) o valor inferior a 25 kgm2 e o superior a 30 kgm2 ocorreram

respectivamente em 31 e 18 dos pacientes Portanto extremos de massa

corpoacuterea que podem se associar ao prognoacutestico natildeo foram frequentes (Anker

et al 1997 2003 Kenchaiah et al 2002 Veloso et al 2005 Okoshi et al

2017)

517 Frequecircncia cardiacuteaca

A meacutedia da frequecircncia cardiacuteaca foi 8078 (desvio-padratildeo 1597)

batimentos por minuto e os extremos superior a cem batimentos por minuto e

inferiores a 60 batimentos por minuto ocorreram respectivamente em 7 e

3 dos pacientes com insuficiecircncia cardiacuteaca Tais dados podem ser uacuteteis

tambeacutem para o planejamento terapecircutico (Swedberg et al 2010) uma vez

que a frequecircncia cardiacuteaca elevada eacute um fator de risco (Kannel 1987 Pocock et

al 2006 Boumlhm et al 2010) e um preditor de mortalidade (Ariel et al 2005)

518 Pressatildeo arterial sistoacutelica e diastoacutelica

O valor meacutedio da pressatildeo arterial sistoacutelica foi de 1375 mm Hg com

desvio-padratildeo 288 mm Hg e o valor meacutedio da pressatildeo arterial diastoacutelica de 88

mm Hg com desvio-padratildeo 171 mm Hg o que natildeo deixa de ser digno de nota

em relaccedilatildeo ao antecedente de hipertensatildeo arterial frequente

Discussatildeo 47

Pressatildeo arterial sistoacutelica superior a 130 mm Hg (46 dos pacientes) foi

frequente e inferior a 100 mm Hg mais rara (4) por outro lado pressatildeo

arterial diastoacutelica superior a 90 mm Hg e inferior a 80 mm Hg foram

observadas respectivamente em 30 e 21 dos pacientes Em amostra

ambulatorial os extremos de pressatildeo arterial que podem ter significado

prognoacutestico (Vasan et al 2001 Lewis et al 2003 Lee DS et al 2003 Klein et

al 2005 Pocock et al 2006) natildeo foram frequentes

519 Classe funcional

Como casuiacutestica ambulatorial a maior parte dos pacientes (65) da

casuiacutestica estava na classe funcional II ou III da New York Heart Association

enquanto 28 na classe funcional I e IV em igual porcentagem demonstrando

que a maioria dos pacientes se encontrava em condiccedilatildeo estaacutevel de modo a

permitir a orientaccedilatildeo terapecircutica apropriada

5110 Tempo decorrido ateacute o desfecho

Um singularidade desta casuiacutestica satildeo as informaccedilotildees de desfechos no

longo prazo pois a casuiacutestica de 2003 a 2007 teve as informaccedilotildees de

desfechos recuperadas ateacute 2014 com tempo meacutedio de seguimento de 596

meses (desvio-padratildeo 418 meses) O tempo de observaccedilatildeo de outras

casuiacutesticas brasileiras publicadas variou de 1 ano a 64 anos (Bestetti et al

1994 Mady et al 1994 Pereira Barretto et al 1998 Freitas et al 2005 Carlo

et al 2014)

Discussatildeo 48

5111 Variaacuteveis ecocardiograacuteficas

Quanto agraves variaacuteveis ecocardiograacuteficas identificamos o diacircmetro do

aacutetrio esquerdo o diacircmetro diastoacutelico do ventriacuteculo esquerdo e a espessura do

septo interventricular associados agrave mortalidade Esse achado vai ao encontro

de publicaccedilotildees anteriores que relacionaram a dimensatildeo do aacutetrio esquerdo

(Hsiao Chiou 2013) e a dimensatildeo diastoacutelica do ventriacuteculo esquerdo com

prognoacutestico de mortalidade (Freitas et al 2005)

Reiteramos o achado da natildeo associaccedilatildeo entre o diacircmetro sistoacutelico de

ventriacuteculo esquerdo e o prognoacutestico de sobrevida o que vai de encontro a

outros estudos que observaram fraca associaccedilatildeo do diacircmetro sistoacutelico de

ventriacuteculo esquerdo com sobrevida em pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca (Cowie et al 2000) Por outro lado a associaccedilatildeo da

espessura do septo interventricular com a mortalidade foi um achado curioso

A distribuiccedilatildeo da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo reflete as

caracteriacutesticas de casuiacutestica ambulatorial e observamos que os valores

observados natildeo foram associados com o prognoacutestico o que vai de encontro a

outros estudos (Cohn et al 1986 19871988 Gradman et al 1989 Lewis et

al 2003 Pfeffer et al 2003 Freitas et al 2005 Pocock et al 2006 Rassi et

al 2007 Lupoacuten et al 2017)

Natildeo deixa de ser de interesse a restriccedilatildeo ao uso da fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo na estratificaccedilatildeo da insuficiecircncia cardiacuteaca em algumas

circunstacircncias ndash no caso de idosos e hospitalizados ndash (Shah et al 2017) e o

conceito que a fraccedilatildeo de ejeccedilatildeo natildeo seja um marcador acurado de risco de

pacientes apoacutes internaccedilatildeo hospitalar (Steinberg Fang 2017) Talvez este fato

esteja relacionado ao fato de que nas formas mais avanccediladas da doenccedila tanto

os diacircmetros ventriculares quanto a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

atenuem sua associaccedilatildeo com a sobrevida (Veloso et al 2005) Possivelmente

nesta casuiacutestica o mesmo se aplique uma vez que a variaacutevel fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo natildeo se revelou associada ao prognoacutestico de sobrevida

Discussatildeo 49

5112 Variaacuteveis laboratoriais

Entre as variaacuteveis laboratoriais identificamos agrave semelhanccedila de outros

estudos a taxa de potaacutessio seacuterico (Ahmed et al 2007 Bielecka-Dabrowa et

al 2012) a taxa de creatinina seacuterica (Silverberg et al 2000 Vardeny et al

2012 Zanaad et al 2013 Damman et al 2014 Pimentel et al 2014

Palazzuoli et al 2016) e a taxa de colesterol (Volpato et al 2001a Horwich et

al 2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006) associadas ao prognoacutestico

Por outro lado verificamos que a dosagem seacuterica de soacutedio natildeo foi

associada ao prognoacutestico o que vai de encontro a outros estudos que

correlacionaram a concentraccedilatildeo mais baixa de soacutedio seacuterico agrave severidade da

insuficiecircncia cardiacuteaca (Klein et al 2005) e como preditor de mortalidade (Lee

WH Packer 1986 Lee DS et al 2003 Milo-Cotter et al 2008 Abraham et al

2008 Waikar et al 2009 Kajimoto et al 2016)

Reproduzimos neste estudo a observaccedilatildeo de natildeo associaccedilatildeo da

dosagem seacuterica de hemoglobina com o prognoacutestico Uma possiacutevel explicaccedilatildeo

estaria relacionada agrave baixa prevalecircncia da anemia (11 de pacientes com

hemoglobina seacuterica inferior a 12 gdl) quando comparada com a prevalecircncia

tanto em pacientes ambulatoriais de 426 (Go et al 2006) a 556

(Silverberg et al 2000) quanto em pacientes hospitalizados de 17

(Ezekowitz et al 2003) a 45 (Maraldi et al 2006) Entretanto os resultados

que observamos vatildeo de encontro a outros autores (Ezekowitz et al 2003

Anand et al 2004 Maraldi et al 2006 Levy et al 2006 Tang Katz 2008

Kyriakou Kiff 2016) que associaram a anemia com prognoacutestico

Talvez a explicaccedilatildeo para nossa observaccedilatildeo que vai ao encontro de

estudos (Anand et al 2005 Abebe et al 2017) e da afirmaccedilatildeo de Inder S

Anand seja a presenccedila de anemia como marcador de risco natildeo como preditor

de mortalidade (Anand 2008)

Discussatildeo 50

As taxas seacutericas de leucoacutecitos e de linfoacutecitos foram outras variaacuteveis

laboratoriais avaliadas em nossa casuiacutestica que natildeo foram associadas com o

prognoacutestico de sobrevida o que vai de encontro a outros estudos que

associaram valores baixos de linfoacutecitos ndash mas natildeo agrave dosagem seacuterica de

leucoacutecitos ndash com mortalidade (Acanfora et al 2001 Huehnergarth et al 2005

Charach et al 2011 Uthamalingam et al 2011 Marcula et al 2015)

5113 Medicamentos em uso

Verificamos a subutilizaccedilatildeo do tratamento medicamentoso

recomendado (Bocchi et al 2009 2012 Ponikowski et al 2016) para os

pacientes com insuficiecircncia cardiacuteaca com fraccedilatildeo de ejeccedilatildeo reduzida Fatores

de aderecircncia ao tratamento medicamentoso recomendado tecircm sido

reconhecidos como desafios no tratamento de pacientes (Chizzola et al 1996

Pereira-Barretto et al 2001) A preocupaccedilatildeo com a subutilizaccedilatildeo do

tratamento medicamentoso por diferentes motivos tem existido em nosso

meio haacute vinte e dois anos Poreacutem esperar-se-ia que fosse menor hoje do que

a observada em nossa casuiacutestica Tal verificaccedilatildeo tambeacutem foi feita em outros

paiacuteses em duas grandes coortes com respectivamente 105388 pacientes

(53 55856 pacientes em uso de inibidores da enzima de conversatildeo da

angiotensina ou bloqueadores do receptor da angiotensina e 48 50586

pacientes em uso de betabloqueadores) do Registro ADHERE (Acute

Descompensated Heart Failure National Registry) (Gheorghiade Filippatos

2005) e em 6505 pacientes (56 3643 pacientes em uso de 50 da dose

alvo de betabloqueador) do estudo SHIFT (Systolic Heart Failure tratment with

the inhibitor Ivabradine Trial) (Swedberg et al 2010)

Curiosamente verificamos que o nuacutemero de medicamentos em uso da

maneira como foi analisado natildeo foi associado ao prognoacutestico

Discussatildeo 51

5114 Mortalidade

A mortalidade geral por todas as causas em nossa casuiacutestica foi alta

(60) nos onze anos de seguimento ambulatorial em consonacircncia a outras

experiecircncias da literatura (Roger et al 2004 Barker et al 2006) foi superior

nos pacientes do sexo masculino e nos idosos (acima de 65 anos) e

comparaacutevel agrave casuiacutestica estrangeira com meacutedia de oito anos de

acompanhamento cuja mortalidade foi similarmente alta (678) e mais

frequente (54) nos pacientes acima de 80 anos (Gerber et al 2015)

Os dados de evoluccedilatildeo tardia satildeo uma peculiaridade relevante desta

casuiacutestica De fato observaccedilotildees dilatadas no tempo satildeo uacuteteis para divisar a

evoluccedilatildeo de doenccedilas

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica

Estimamos a probabilidade de sobrevida em relaccedilatildeo agraves caracteriacutesticas

demograacuteficas cliacutenicas e laboratoriais escolhidas dentre 45 variaacuteveis reduzidas

para 33 em funccedilatildeo de redundacircncia de informaccedilatildeo impliacutecita na variaacutevel Eacute de

interesse observar a influecircncia de cada variaacutevel obtida no exame de rotina no

decorrer de quase uma deacutecada de acompanhamento

Eacute oportuno enfatizar o tratamento dos dados faltantes quase inerentes

a este estudo da aacuterea de epidemiologia cliacutenica em condiccedilotildees da vida real (real

life conditions) sempre um desafio cientiacutefico e estatiacutestico pois haacute os limites do

controle possiacutevel na atividade cotidiana que dissipa controles estritos atinentes

a protocolos (protocol conditions)

Em estudo anterior foi submetida a teste a hipoacutetese de ordenar os

dados faltantes para cada variaacutevel em uma categoria atenuando a perda de

participantes com informaccedilatildeo na modelagem estatiacutestica e consequentemente

com perda da estimativa tambeacutem para os participantes com dado faltante

(Paes 2007 Assunccedilatildeo 2012) Tivemos a oportunidade de nos apoiarmos

Discussatildeo 52

nesse meacutetodo amenizando assim o escape de potenciais resultados

relevantes pela perda da informaccedilatildeo sem comprometer a confiabilidade do

resultado obtido (Nunes 2009 Nunes 2011 Kaambwa et al 2012) pela

necessidade de enfrentar a realidade praacutetica de dados faltantes (Little et al

2012 Ware et al 2012)

Em relaccedilatildeo agraves variaacuteveis demograacuteficas e cliacutenicas a idade se revelou

significativa (plt0001) agrave similitude da observaccedilatildeo de outros autores (Klein et

al 2005 Abraham et al 2008) e a probabilidade de sobrevida foi

significativamente menor em relaccedilatildeo aos pacientes com mais de 65 anos de

idade observaccedilatildeo condizente com estudos preacutevios (MacIntyre et al 2000

Lewis et al 2003 Roger et al 2004 2013 Barker et al 2006 Pocock et al

2006) nos pacientes com iacutendice de massa corpoacuterea inferior a 25 kgm2

acordes com outras experiecircncias (Horwich et al 2001 Davos et al 2003

Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) nos pacientes

com doenccedila de Chagas concordante com observaccedilotildees feitas no decorrer de

deacutecadas (Freitas et al 2002 2005 Nunes et al 2008 2013 Issa et al 2010

Rassi et al 2010 Bocchi et al 2017 Nadruz et al 2018) Tambeacutem foi menor

a probabilidade de sobrevida para pacientes em classe funcional III e IV da

New York Heart Association de acordo com as observaccedilotildees em estudos

preacutevios (Pocock et al2006 Theodoropoulos et al 2008) e em pacientes com

histoacuteria de diabetes melito sem o uso de insulina ou com o uso de insulina

conforme estudos anteriores de outros pesquisadores (Pfeffer et al 2003

Pocock et al 2006)

Por outro lado pacientes com pressatildeo arterial diastoacutelica superior a 90

mm Hg demonstraram maior probabilidade de sobrevida tendecircncia tambeacutem

observada por outros autores (Poole-Wilson et al 2003 Kalantar-Zadeh et al

2004 Pocock et al 2006)

Entre os dados de exames complementares verificamos menor

probabilidade de sobrevida nos doentes com espessura do septo

interventricular superior a 12 mm no diacircmetro diastoacutelico do ventriacuteculo esquerdo

superior a 75 mm no diacircmetro do aacutetrio esquerdo (Hsiao Chiou 2013) superior

ou igual a 40 mm na dosagem seacuterica do potaacutessio superior a 50 mEqL de

Discussatildeo 53

acordo com observaccedilotildees de outros autores (Rossignol et al 2011) Na

dosagem seacuterica de colesterol total inferior a 200 mgdl concorde com outros

pesquisadores (Krumholz et al 1994 Volpato et al 2001b Horwich et al

2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004 Afsarmanesh

et al 2006 Christ et al 2006 Kjekshus et al 2007) e na dosagem seacuterica da

creatinina superior a 26mgdL achados em harmonia com outras experiecircncias

(Dries et al 2000 Fonarow et al 2005 Vardeny et al 2012 Damman et al

2014 Pimentel et al 2014 Kang et al 2018)

Reproduzimos neste estudo a observaccedilatildeo da relaccedilatildeo inversa entre a

elevaccedilatildeo de algumas variaacuteveis cliacutenicas e laboratoriais e a melhor probabilidade

de sobrevida significativamente maior que confirmaram os resultados de

outros estudos para a pressatildeo arterial diastoacutelica (Horwich et al 2001 Kalantar-

Zadeh et al 2004) iacutendice de massa corpoacuterea (Horwich et al 2001 Davos et

al 2003 Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) e

dosagem de colesterol total (Krumholz et al 1994 Volpato et al 2001a

Horwich et al 2002 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006 Christ et al 2006 Kjekshus et al 2007 Horwich et

al 2008)

Na maioria dos pacientes (86 dos pacientes) observamos que a

dosagem de hemoglobina seacuterica foi superior a 12 mgdl e estes evoluiacuteram com

melhor sobrevida ao longo do tempo o que vai de encontro ao observado

(Silverberg et al 2000)

Reiteramos a relaccedilatildeo inversa entre a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo e a mortalidade concordante com estudos preacutevios (Senni Redfield

2001) poreacutem a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo foi associada com o

prognoacutestico apenas na anaacutelise univariada o que vai de encontro a observaccedilotildees

preacutevias de outros estudos (Cohn et al 1988 Gradman et al 1989 Cintron et

al 1993 Lewis et al 2003 Freitas et al 2005 Pocock et al 2006) mas natildeo

se manteve como variaacutevel significante na anaacutelise subsequente

A nossa casuiacutestica caracterizou-se pela baixa utilizaccedilatildeo do tratamento

medicamentoso recomendado apesar dos avanccedilos observados nos uacuteltimos

Discussatildeo 54

trinta anos (Sacks et al 2014 McMurray et al 2014) que comprovaram a

reduccedilatildeo na fraccedilatildeo de ejeccedilatildeo e de mortalidade (Burnett et al 2017)

Reproduzimos que 14 e 49 dos pacientes respectivamente natildeo

fizeram uso dos inibidores da enzima de conversatildeo da angiotensina ou do

bloqueador do receptor da angiotensina e do antagonista da aldosterona e

mais da metade dos pacientes (55) natildeo fizeram uso de betabloqueador

apesar da importacircncia do seu uso contra o deleteacuterio efeito da ativaccedilatildeo do

sistema nervoso simpaacutetico (Khan 2015) e da reduccedilatildeo de 34 na mortalidade

nos pacientes com etiologia isquecircmica (Hjalmarson et al 2000) bem como a

reduccedilatildeo de 35 na mortalidade em pacientes com insuficiecircncia cardiacuteaca

(Packer et al 2001) Sendo assim nossos resultados se aproximam das

tendecircncias observadas em estudos recentes em que 83 dos pacientes

fizeram uso de betabloqueador 16 de inibidores da enzima de conversatildeo

56 de bloqueadores do receptor da angiotensina e 21 com antagonistas

da aldosterona (Shah et al 2017 Steinberg et al 2017)

Verificamos mortalidade em cinco anos de 32 e em onze anos de

60 semelhante agraves observaccedilotildees de estudos nacionais (Godoy et al 2011

Kaufman et al 2015) e internacionais (Roger et al 2004 Barker et al 2006

McMurray et al 2014 Sacks et al 2014 Gerber et al 2015) Ainda que

elevada e necessitando de reduccedilatildeo foi menor do que o observado no

Framingham Heart Study com mortalidade superior a 50 decorridos cinco

anos do diagnoacutestico de insuficiecircncia cardiacuteaca (Kenchaiah Vasan 2015)

Selecionamos assim as variaacuteveis para a avaliaccedilatildeo prognoacutestica pelo modelo

de riscos proporcionais de Cox

Para a construccedilatildeo do modelo de riscos proporcionais de Cox houve

um cuidado adicional para identificar variaacuteveis associadas com o prognoacutestico

Na primeira etapa contribuiacuteram apenas os dados vaacutelidos cujo interesse foi

comparar grupos e identificar diferenccedilas A partir da segunda etapa a categoria

dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis natildeo

significativas

A pressatildeo arterial sistoacutelica foi retirada do modelo pois na avaliaccedilatildeo da

significacircncia do seu efeito pelo teste de verossimilhanccedila somente a categoria

Discussatildeo 55

dos ldquodados faltantesrdquo foi relevante portanto foi eliminada como fator

prognoacutestico para a sobrevida

Na terceira etapa as variaacuteveis natildeo significativas foram reintroduzidas

testadas uma a uma no modelo e tiveram sua significacircncia recalculada para

confirmar que natildeo estariacuteamos perdendo a relevacircncia cliacutenica de alguma

variaacutevel O antecedente de diabetes revelou-se significante Assim

identificamos cuidadosamente as variaacuteveis associadas com o prognoacutestico

Uma variaacutevel que se revelou importante durante o estudo foi o tempo

decorrido desde o iniacutecio dos sintomas estimado a partir da anamnese dos

pacientes individualmente que informa de certo modo a evoluccedilatildeo da doenccedila

Eacute digno de nota que tal informaccedilatildeo baacutesica e fundamental estivesse ausente

em alta percentagem de pacientes (76) Nossa observaccedilatildeo reiterou a

importacircncia de um dado obteniacutevel na anamnese tanto na avaliaccedilatildeo da

probabilidade de sobrevida quanto nas estimativas da rede neural e que deve

sempre ser pesquisado nos pacientes

Apesar de estudos anteriores revelarem maior mortalidade associada agrave

taxa de soacutedio seacuterico (Klein et al 2005 Levy WC et al 2006 Abraham et al

2008) agrave concentraccedilatildeo de hemoglobina seacuterica (Levy WC et al 2006) agrave taxa

de trigliceacuterides (Freitas et al 2009) agrave fraccedilatildeo de lipoproteiacutena de baixa

densidade (Horwich et al 2008) agrave fraccedilatildeo de lipoproteiacutena de alta densidade

(Volpato et al 2001b) e ao valor da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(Levy WC et al 2006) em nossa casuiacutestica essas variaacuteveis natildeo foram

selecionadas pela anaacutelise estatiacutestica como fatores prognoacutesticos de sobrevida

Portanto natildeo foram eleitas como variaacuteveis preditoras de sobrevida para a rede

neural

A associaccedilatildeo sugerida entre a taxa de hemoglobina e o prognoacutestico

(Anand et al 2004 Ezekowitz et al 2003 Maraldi et al 2006 Tang et al

2008 Kyriakow et al 2016) como preditor de sobrevida (Levy WC et al

2006) e como marcador de risco (Anand et al 2005 2008 Abebe et al 2017)

natildeo foi reproduzida nos achados deste estudo Por outro lado diabetes melito

influiu negativamente no prognoacutestico Entre os dados ecocardiograacuteficos

tambeacutem observamos a associaccedilatildeo com o prognoacutestico do diacircmetro do aacutetrio

Discussatildeo 56

esquerdo (Hsiao Chiou 2013) do diacircmetro diastoacutelico do ventriacuteculo esquerdo

(Merlo et al 2011 Addetia et al 2015) e da espessura do septo

interventricular variaacuteveis selecionadas para a rede neural

Nas 12 variaacuteveis selecionadas como fator prognoacutestico na sobrevida os

dados faltantes foram inferiores a 31 iacutendice de massa corpoacuterea 18

pressatildeo arterial diastoacutelica 6 classe funcional segundo a New York Heart

Association diabetes melito 7 dosagem seacuterica de potaacutessio 5 dosagem

seacuterica de creatinina 3 dosagem seacuterica de colesterol total 30 espessura do

septo interventricular do ventriacuteculo esquerdo 37 diacircmetro diastoacutelico do

ventriacuteculo esquerdo 21 diacircmetro do aacutetrio esquerdo 22

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede

neural

Antes de avaliar os resultados obtidos pelo emprego da rede neural

cabem observaccedilotildees sobre questotildees metodoloacutegicas desenvolvidas na anaacutelise

531 Amostras aleatoacuterias

O emprego da rede neural pressupotildee as etapas de aprendizado-

treinamento e previsatildeo aleacutem de experimentar a melhor maneira de agrupar os

dados para que a rede neural aprenda e reconheccedila padrotildees a partir de

exemplos alcanccedilando melhor estimativa da sobrevida

O primeiro meacutetodo de aprendizado-treinamento utilizado foi ordenar a

casuiacutestica em trecircs grupos aleatoacuterios de forma que o aprendizado seria feito no

primeiro o treinamento no segundo e a aplicaccedilatildeo no terceiro grupo A

acuraacutecia da previsibilidade da rede nesta circunstacircncia foi muito baixa Tal

Discussatildeo 57

ocorreu provavelmente em razatildeo de agrupar valores de tempos de sobrevida

tempo decorrido do iniacutecio dos sintomas ou tempo decorrido da primeira

consulta tatildeo diacutespares entre os pacientes Portanto ordenar a nossa casuiacutestica

pelo meacutetodo de amostras aleatoacuterias natildeo foi adequado para melhorar a previsatildeo

da sobrevida pela rede neural

Tambeacutem merece menccedilatildeo o fato de que este estudo natildeo se dedicou agrave

comparaccedilatildeo entre a anaacutelise estatiacutestica tradicional e a rede neural mas por

utilizar o meacutetodo estatiacutestico como ferramenta para definiccedilatildeo das variaacuteveis

associadas ao prognoacutestico viabilizando a imputaccedilatildeo dessas variaacuteveis para

aprendizado e treinamento da rede neural

532 Data do iniacutecio dos sintomas

Com base na importacircncia cliacutenica da referecircncia da data em que o

paciente iniciou a percepccedilatildeo dos sintomas a ser obtida na avaliaccedilatildeo inicial foi

oportuno considerar a variaacutevel data do iniacutecio dos sintomas que

independentemente de outras variaacuteveis limitadoras da funccedilatildeo de ativaccedilatildeo ou

do tempo de sobrevida com ou sem categorizaccedilatildeo sugeriu os melhores

resultados de previsatildeo da sobrevida pela rede neural

Constatamos que a presenccedila da data do iniacutecio dos sintomas para o

aprendizado-treinamento da rede revelou resultados adequados de previsatildeo de

sobrevida entre 2054 e 2260 de erro de previsatildeo Poreacutem estes

resultados foram piores quando se realizou a previsatildeo da rede nos pacientes

em acompanhamento (vivos) com valores entre 3323 e 3933 Sendo

assim estudos adicionais seratildeo necessaacuterios com a data inicial da estimativa do

iniacutecio dos sintomas para melhor acuraacutecia de previsatildeo da sobrevida pela rede

neural e avaliaccedilatildeo prognoacutestica

Em siacutentese quando a informaccedilatildeo data do iniacutecio dos sintomas foi

utilizada como momento inicial da estimativa de sobrevida a acuraacutecia da rede

neural foi maior A observaccedilatildeo por tempo mais longo teria permitido apreciar a

natureza do quadro cliacutenico mais estaacutevel (periacuteodo menos sintomaacutetico) em

Discussatildeo 58

relaccedilatildeo agrave data da primeira consulta (em geral associada agrave piora de sintomas e

referecircncia a hospital terciaacuterio) Tal achado permite sugerir que os pacientes

com longa evoluccedilatildeo da doenccedila portanto mais estaacuteveis foram propensos a

uma previsatildeo mais acurada da rede neural do que pacientes com menor tempo

de evoluccedilatildeo entendidos como clinicamente mais instaacuteveis

533 Tempos de evoluccedilatildeo

Em razatildeo da disparidade de valores considerados tanto por nossa

praacutetica cliacutenica quanto por dados de estudos preacutevios (Likoff et al 1987 Bestetti

et al 1994 Mady et al 1994 Alla et al 2000 Freitas et al 2005 Franke et

al 2015) a verificaccedilatildeo de acuraacutecia da rede sugere que existam grupos de

melhor prognoacutestico (tempo mais longo de evoluccedilatildeo) e de prognoacutestico mais

reservado (tempo mais curto de evoluccedilatildeo) resultado clinicamente

fundamentado a nosso ver pois categoriza os tempos de evoluccedilatildeo dos

pacientes da casuiacutestica

A categorizaccedilatildeo da rede neural em trecircs modelos de rede com faixas de

tempos distintos revelou-se em nossa casuiacutestica como a mais apropriada para

melhorar a estimativa da sobrevida Tal observaccedilatildeo eacute concordante com o

resultado obtido na melhora da acuraacutecia da rede neural apoacutes a categorizaccedilatildeo

dos tempos de seguimento ou tempo de sobrevida observado Esse cuidado

preveniu que a rede neural dissipasse as estimativas em virtude da grande

diferenccedila entre os tempos de sobrevida

Confirma-se desse modo que as doenccedilas de mais longa evoluccedilatildeo satildeo mais

estaacuteveis e indicam quadro cliacutenico mais benigno do que os quadros de curta

evoluccedilatildeo mais instaacuteveis

Os melhores resultados da rede neural foram revelados pelos trecircs

modelos de redes neurais categorizadas por tempo de sobrevida inferior a dois

anos (ateacute 729 dias) entre dois anos e seis anos (730 a 2190 dias) e superior a

seis anos (acima de 2190 dias) que viabilizaram a mais satisfatoacuteria previsatildeo

da sobrevida pela rede neural

Discussatildeo 59

Para o aprendizado-treinamento da rede neural com sobrevida superior

a 2 anos a retirada do extremo inferior (menor do que dois anos) do tempo de

sobrevida observado permitiu melhor previsatildeo pela rede neural

Se o paciente tiver longo tempo de histoacuteria poderaacute significar fase

avanccedilada de evoluccedilatildeo mas tambeacutem indicaraacute quadro cliacutenico mais benigno e de

melhor prognoacutestico ndash isto talvez se relacione ao achado de pacientes embora

aguardando muito tempo em fila de transplante foram retirados dela Estes

pacientes com tempo de evoluccedilatildeo mais curto portanto mais instaacuteveis

clinicamente talvez sejam os mais beneficiados da anaacutelise pelo emprego de

marcadores adicionais como parte da avaliaccedilatildeo prognoacutestica Para eles as

dosagens das catecolaminas plasmaacuteticas da funccedilatildeo renal e do peptiacutedeo

natriureacutetico atrial bem como a inclusatildeo dos medicamentos em uso

contribuiriam para o estudo da acuraacutecia ou da estimativa prognoacutestica

Sendo assim o modelo de rede neural com o melhor resultado de

previsatildeo da sobrevida ndash erro da rede inferior a 128 ndash ocorreu com os

pacientes com tempo de sobrevida observado superior a seis anos a partir da

data da primeira consulta independentemente da funccedilatildeo da ativaccedilatildeo Aleacutem

disso o segundo modelo de melhor acuraacutecia ndash erro da rede neural inferior a

23 ndash ocorreu para o tempo de sobrevida observado entre dois anos e seis

anos a partir da data do iniacutecio dos sintomas independentemente da funccedilatildeo de

ativaccedilatildeo utilizada pela rede neural

Por outro lado na fase de previsatildeo da rede neural o modelo com o

melhor resultado de previsatildeo da sobrevida ndash erro da rede inferior ou igual a

215 ndash ocorreu com os pacientes com tempo de sobrevida observado

superior a seis anos a partir da data da primeira consulta independentemente

da funccedilatildeo da ativaccedilatildeo em concordacircncia com o que sugeriu a rede neural na

fase de aprendizado-treinamento

Todavia para o segundo modelo a acuraacutecia da rede foi menos adequada ndash

erro da rede neural inferior a 394 ndash para o tempo de sobrevida observado

entre dois anos e seis anos a partir da data do iniacutecio dos sintomas

independentemente da funccedilatildeo de ativaccedilatildeo

Tambeacutem devemos tomar em consideraccedilatildeo que por razotildees

metodoloacutegicas a variaccedilatildeo dos tempos de seguimento dos pacientes foi fixada

Discussatildeo 60

e limitada ateacute 2012 para a anaacutelise de sobrevida e atualizada ateacute 2014 para a

rede neural

534 Variaacuteveis faltantes

Seguimos orientaccedilatildeo da literatura (Ennett et al 2001 Frize et al

2001) tanto para imputar valores normais para as informaccedilotildees faltantes como

pela necessidade deste preacute-requisito para o aprendizado da rede neural

(Ennett et al 2001 2008 Frize et al 2001) Para melhor avaliaccedilatildeo

exploramos para imputaccedilatildeo os valores de referecircncia da normalidade os

superiores da normalidade e os da mediana (Kaambwa et al 2012) Em face

dos resultados optamos por assumir os valores de referecircncia normais das

variaacuteveis faltantes

Tambeacutem devemos salientar que as variaacuteveis faltantes podem ou natildeo

associar-se com menor probabilidade de sobrevida

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em

geral

Por vezes a pressuposta importacircncia cliacutenica reconhecida da variaacutevel

submetida a teste natildeo se traduziu em melhor previsibilidade da rede neural A

inclusatildeo da variaacutevel fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo natildeo melhorou a

previsatildeo de sobrevida pela rede neural Esta observaccedilatildeo vai ao encontro do

resultado do modelo de Cox que natildeo considerou a fraccedilatildeo de ejeccedilatildeo como

variaacutevel prognoacutestica

A categorizaccedilatildeo de variaacuteveis como idade sexo creatinina colesterol

total diacircmetro diastoacutelico do ventriacuteculo esquerdo ou outras variaacuteveis

consideradas de importacircncia cliacutenica natildeo melhoraram a previsatildeo de sobrevida

da rede neural

Discussatildeo 61

Portanto o criteacuterio de limitar caracteriacutesticas cliacutenicas isoladamente natildeo foi bom

previsor de prognoacutestico

O teste de previsatildeo do prognoacutestico com a rede neural isoladamente

natildeo revelou boa acuraacutecia a acuraacutecia melhorou quando foram empregadas as

variaacuteveis selecionadas a partir do modelo de riscos proporcionais de Cox

536 Funccedilotildees de transferecircncia

A acuraacutecia da rede neural sem a categorizaccedilatildeo do tempo de

sobrevida foi baixa independentemente da funccedilatildeo de transferecircncia ou de

ativaccedilatildeo sugerida na literatura (Buskard et al 1994 Lundin et al 1999 Frize

et al 2000 Ennett e col 2004 2008 Grossi 2006) Por outro lado quando o

tempo de sobrevida foi categorizado e a funccedilatildeo de transferecircncia zero based log

sigmoid foi adotada o resultado na previsatildeo da sobrevida melhorou

537 Treinamento excessivo (overfitting)

Pode resultar em aumento do erro de previsatildeo e menor acuraacutecia da

rede neural Identificar o momento apropriado de finalizar o treinamento da

rede neural eacute um dos detalhes metodoloacutegicos relevantes (Guimaratildees et al

2008) Prevenimos o treinamento excessivo da rede neural ao limitar o nuacutemero

maacuteximo de ciclos e o erro delta da rede neural por meio de testes adicionais

variando o nuacutemero de ciclos e o erro delta

538 Estudo em cinco fases

Discussatildeo 62

O meacutetodo que empregamos foi criterioso nas fases iniciais para

categorizar e selecionar os melhores modelos de dados para a previsatildeo da

sobrevida pela rede neural Destacamos a estimativa do erro hipoteacutetico

(sobrevida prevista subtraiacuteda da sobrevida observada e multiplicada por cem

dividida pela sobrevida observada) utilizada na fase 2 do aprendizado-

treinamento em que a rede neural superestimou o erro verdadeiro de previsatildeo

da sobrevida Nas fases 4 e 5 com novos dados de mortalidade observamos a

acuraacutecia da rede e dependendo do modelo melhorou ou se manteve em

valores menores que 13 de meacutedia do erro de previsatildeo da sobrevida

54 Avaliaccedilatildeo dos melhores modelos de rede neural

541 Sensibilidade especificidade valor preditivo positivo e valor

preditivo negativo

Observamos boa sensibilidade (93) para ambas as funccedilotildees de

ativaccedilatildeo e razoaacutevel especificidade (superior a 763) ndash com valores de 764

ou 775 ndash para o modelo com tempo de sobrevida observado superior a seis

anos a partir da data da consulta inicial com o intervalo de corte de 1095 dias

ou trecircs anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Da

mesma forma a acuraacutecia da rede neural foi boa com valores de 802 e 81

dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Para estes

modelos de rede neural o valor preditivo negativo foi adequado (974) jaacute que

na previsatildeo da rede neural em que o paciente estava vivo no intervalo de

tempo definido existiram 974 de chance de acerto da rede no prognoacutestico

de sobrevida e 26 de chance de o paciente ter morrido

Tambeacutem observamos boa sensibilidade (898) para ambas as

funccedilotildees de ativaccedilatildeo e razoaacutevel especificidade (superior a 73) ndash com valores

de 725 ou 765 ndash para o modelo com tempo de sobrevida observado entre

Discussatildeo 63

dois anos a seis anos a partir da data do iniacutecio dos sintomas para intervalo de

corte de 730 dias ou dois anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada

pela rede neural Para estes modelos de rede a acuraacutecia foi boa com valores

de 852 e 839 dependendo da funccedilatildeo de ativaccedilatildeo e o valor preditivo

positivo foi adequado e variou entre 88 e 863 dependendo da funccedilatildeo de

ativaccedilatildeo jaacute que na previsatildeo da rede neural em que o paciente morreu no

intervalo de corte definido existiram 88 ou 863 de chance de acerto da

rede no prognoacutestico de sobrevida e respectivamente 12 ou 196 de

chance de o paciente estar vivo apesar de a rede ter sugerido o oposto

Observamos razoaacutevel sensibilidade (872) para ambas as funccedilotildees de

ativaccedilatildeo e inadequada especificidade (inferior a 667) ndash com valores de

665 ou 667 ndash para o modelo com tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de um

ano (365 dias) dependendo da funccedilatildeo de ativaccedilatildeo Para estes modelos a

acuraacutecia foi satisfatoacuteria entre 803 e 789 (dependendo da funccedilatildeo de

ativaccedilatildeo) valor preditivo positivo razoaacutevel entre 837 e 820 (dependendo

da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo entre 7275 e 714

(dependendo da funccedilatildeo de ativaccedilatildeo)

Tambeacutem observamos os resultados insatisfatoacuterios nas estimativas com

o tempo de seguimento observado superior a seis anos a partir da data do

iniacutecio dos sintomas com intervalo de corte de dois anos independentemente

da funccedilatildeo de ativaccedilatildeo assim como no tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de

seis meses independentemente da funccedilatildeo de ativaccedilatildeo Da mesma maneira

modelos com tempo de seguimento observado entre dois anos e seis anos

com intervalo de corte de um ano independentemente da funccedilatildeo de ativaccedilatildeo

tanto para a data do iniacutecio dos sintomas quanto para a data da consulta inicial

os resultados foram insatisfatoacuterios

Em siacutentese os resultados dos melhores modelos de redes neurais

evidenciaram

a) boa sensibilidade razoaacutevel especificidade bom valor preditivo

negativo e inadequado valor preditivo positivo para o modelo de rede com

Discussatildeo 64

tempo de sobrevida observado e categorizado superior a seis anos a partir da

data da consulta inicial independentemente da funccedilatildeo de transferecircncia

b) boa sensibilidade inadequada especificidade e razoaacutevel valor

preditivo positivo e valor preditivo negativo para o modelo de rede com tempo

de sobrevida observado e categorizado entre dois anos e seis anos a partir da

data do iniacutecio dos sintomas independentemente da funccedilatildeo de transferecircncia

Poreacutem se considerarmos o mesmo modelo com a data da primeira consulta a

sensibilidade e o valor preditivo positivo foram razoaacuteveis enquanto a

especificidade e o valor preditivo negativo foram inadequados

542 Funccedilatildeo de perda

Para maior rigor metodoloacutegico e levando em consideraccedilatildeo que os

conceitos de sensibilidade e especificidade satildeo aplicaacuteveis principalmente para

variaacuteveis binaacuterias e natildeo para variaacuteveis contiacutenuas o desempenho preditivo da

rede neural foi avaliado pelo emprego da funccedilatildeo de perda para a variaacutevel

contiacutenua tempo de sobrevida (Yuan 2008)

Observamos que os resultados de previsatildeo da sobrevida obtidos pela

funccedilatildeo de perda foram satisfatoacuterios e com variaccedilotildees de desempenho preditivo

que podem alcanccedilar erros de 44 meses ateacute 11 anos para mais ou para

menos para os modelos de rede neurais avaliados Tendo em vista o

pressuposto de que para a funccedilatildeo de perda quanto menor o erro da rede

neural melhor a previsatildeo de sobrevida da rede neural ou quanto maior o erro

da rede neural menor a previsatildeo de sobrevida (Santos 2013)

Cabe salientar que os quatro melhores resultados da funccedilatildeo de perda

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado respectivamente inferior a dois anos (126 dias 95 dias e 13307

dias) e entre dois anos e seis anos (23161 dias e 25906 dias) ambos com

data do iniacutecio dos sintomas independentemente da funccedilatildeo de ativaccedilatildeo

utilizada pelo modelo de rede neural Na sequecircncia os melhores resultados

Discussatildeo 65

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado acima de seis anos (29388 dias e 33255 dias) a partir da data da

primeira consulta independentemente da funccedilatildeo de ativaccedilatildeo e entre dois anos

e seis anos (38931 dias) a partir da data da primeira consulta para a funccedilatildeo

zero based log sigmoid utilizada pela rede neural

Os resultados permitem sugerir que a informaccedilatildeo data do iniacutecio dos

sintomas seja importante para a estimativa dos modelos de rede neural com

sobrevida inferior a seis anos independentemente do tamanho da amostra

543 Sensibilidade e especificidade versus funccedilatildeo de perda

O desempenho preditivo oposto obtido entre os resultados da funccedilatildeo

de perda e os resultados da sensibilidade e especificidade para os modelos de

redes neurais - os modelos de rede neural com as melhores estimativas pela

funccedilatildeo de perda foram os modelos de rede com as piores estimativas pela

sensibilidade e especificidade Eacute de se destacar que a melhor estimativa de

sobrevida obtida pela funccedilatildeo de perda para os modelos de rede neural foi

observada no modelo de rede com o menor nuacutemero de pacientes (n=47)

poreacutem com a informaccedilatildeo data do iniacutecio dos sintomas Tal verificaccedilatildeo reforccedila a

importacircncia da data do iniacutecio dos sintomas para a acuraacutecia da rede neural

55 Implicaccedilotildees cliacutenicas

Haacute na literatura meacutedica corrente o empenho no desenvolvimento de

ferramentas de inteligecircncia artificial como meacutetodo de avaliaccedilatildeo cliacutenica

(Braunwald 2008) Apesar disso natildeo identificamos na literatura trabalhos que

conciliassem as duas teacutecnicas ndash anaacutelise de sobrevida com rede neural ndash para a

previsatildeo da sobrevida em pacientes com insuficiecircncia cardiacuteaca o que

permitiria a hipoacutetese de originalidade para as observaccedilotildees deste trabalho

Discussatildeo 66

Eacute digno de ecircnfase termos identificado que a data do iniacutecio dos

sintomas obtida na anamnese eacute uma ferramenta de estimativa diagnoacutestica

principalmente associada a outras variaacuteveis do exame cliacutenico Suscita-se a

indagaccedilatildeo de esta variaacutevel estar subvalorizada por alguma razatildeo na medida

em que estaacute ausente dos registros cliacutenicos como informaccedilatildeo nuclear ateacute por

sua compreensiacutevel ldquoimprecisatildeordquo bioloacutegica Apesar dessa potencial inexatidatildeo

revelou-se variaacutevel relevante Portanto o empenho em obter com a precisatildeo

possiacutevel a data do iniacutecio dos sintomas pode ser reiterado uacutetil para a avaliaccedilatildeo

de pacientes

Finalizando nossos resultados sugeriram a possibilidade do uso da

rede neural artificial como uma ferramenta suplementar para a orientaccedilatildeo dos

pacientes com insuficiecircncia cardiacuteaca desde que a rede neural seja modelada

pelo tempo de sobrevida observado entre dois anos e seis anos inferior a dois

anos e superior a seis anos e com base em variaacuteveis preditivas de sobrevida

estimadas por meacutetodo estatiacutestico tradicional

Novos estudos em outras casuiacutesticas e serviccedilos podem adicionar experiecircncia

ampliar e aprofundar os resultados ora apresentados

56 Limitaccedilotildees do estudo

Entre as limitaccedilotildees deste trabalho citamos o caraacuteter uni-institucional

retrospectivo o nuacutemero limitado de variaacuteveis a presenccedila de dados faltantes a

ausecircncia de controle da uniformidade de tratamento medicamentoso com suas

particularidades entre elas a aderecircncia a tratamento e a mortalidade avaliada

no Estado de Satildeo Paulo Por outro lado atenuam-se as limitaccedilotildees por se tratar

de estudo em real life conditions no contexto de um Serviccedilo Meacutedico com

grande responsabilidade assistencial no acircmbito de hospital acadecircmico

6 Conclusotildees

Conclusotildees 68

A probabilidade de sobrevida geral desta casuiacutestica de insuficiecircncia

cardiacuteaca de diferentes etiologias no longo prazo foi 68 em cinco anos e 40

em onze anos

A influecircncia dos dados faltantes no prognoacutestico variou conforme a

natureza das variaacuteveis

O emprego de redes neurais categorizadas por tempo de sobrevida

dos pacientes a partir de variaacuteveis identificadas significantes em anaacutelise

estatiacutestica tradicional pode contribuir para identificar pacientes com

insuficiecircncia cardiacuteaca com prognoacutestico potencialmente mais reservado de

modo a contribuir para melhor orientaccedilatildeo da sequecircncia do tratamento na rede

de atenccedilatildeo meacutedica primaacuteria ou secundaacuteria ou em hospital de referecircncia em

nosso caso especiacutefico seria identificar os pacientes que pela condiccedilatildeo cliacutenica

mais grave demandariam recursos tecnoloacutegicos e intervenccedilotildees complexas para

seu tratamento O tempo de evoluccedilatildeo da insuficiecircncia cardiacuteaca obtida pelo

auxiacutelio da histoacuteria cliacutenica modulada pelas demais variaacuteveis cliacutenicas e

laboratoriais contribuiu para a avaliaccedilatildeo prognoacutestica quadros cliacutenicos de

evoluccedilatildeo mais longa podem sugerir pacientes com doenccedila mais estaacutevel

enquanto que tal avaliaccedilatildeo torna-se mais limitada no caso de quadro cliacutenico de

evoluccedilatildeo mais breve

7 Anexos

Anexos 70

Figura 1 - Delineamento do estudo de 2128 pacientes ambulatoriais com diagnoacutestico de insuficiecircncia cardiacuteaca

Dados de 2128 pacientes

consecutivos entre 2003 e 2007 com

diagnoacutestico de insuficiecircncia

cardiacuteaca

variaacuteveis selecionadas para a

rede neural

variaacuteveis demograacuteficas cliacutenicas laboratoriais eletrocardiograacutefica ecocardiograacuteficas medicaccedilotildees

variaacuteveis selecionadas para o modelo de regressatildeo

de riscos proporcionais de Cox

variaacuteveis com maior influecircncia para a

sobrevida

968 pacientes selecionados para a

rede neural (oacutebitos ateacute 2012)

pacientes elegiacuteveis para treinamento da

rede neural

pacientes elegiacuteveis para previsatildeo da

rede neural

modelos de rede neural

para previsatildeo

da sobrevida

Anexos 71

v1

v2

v3

vn 1 2 3 4 5

FONTE adaptado de Fernando J Von Zuben e Romis R F Attux Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubenia353_1s07toacutepico5_07pdf Figura 2 - Arquitetura da rede neural Perceptron de Muacuteltiplas Camadas em que f representa a funccedilatildeo de ativaccedilatildeo ou de transferecircncia natildeo linear definida para o aprendizado-treinamento da rede neural

Variaacuteveis de

entrada

sumf

Variaacutevel de saiacuteda

saiacuteda

Cinco camadas intermediaacuterias de neurocircnios ou unidades

computacionais

Anexos 72

y0

w0

y1 w1 xn

yn wn

Em que

n n-eacutesima variaacutevel de entrada (iteraccedilatildeo)

y0 y1 variaacuteveis de entrada

yn i-eacutesima variaacutevel de entrada

w0 w1 pesos sinaacutepticos ajustaacuteveis

wn peso sinaacuteptico ajustaacutevel conectando a entrada da unidade

agrave saiacuteda da unidade na iteraccedilatildeo n

xn i-eacutesima variaacutevel de saiacuteda da unidade na iteraccedilatildeo n

sum funccedilatildeo de soma

f funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

FONTE adaptado de Neural Networks and Learning Machines por Simon Hayken 1999 Figura 2a Representaccedilatildeo funcional de um neurocircnio da rede neural perceptron de muacuteltiplas camadas

sum f

Anexos 73

Em que propagaccedilatildeo da informaccedilatildeo

retro-propagaccedilatildeo do erro da informaccedilatildeo

FONTE adaptado de Leandro Nunes de Castro Silva 1998 Disponiacutevel em ftpftpdca feeunicampbrpubdocsvonzubentheseslnunes_mestindicepdf Figura 2b Representaccedilatildeo das duas fases de direccedilotildees de propagaccedilatildeo da informaccedilatildeo pelo algoriacutetmo de aprendizado supervisionado ou de retropropagaccedilatildeo do erro ou backpropagation da rede neural perceptron de multiplas camadas e permite o ajuste dos pesos sinaacutepticos

Anexos 74

Figura 3 - Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da funccedilatildeo log sigmoid Ambas satildeo funccedilotildees natildeo lineares de transferecircncia ou de ativaccedilatildeo poreacutem a funccedilatildeo logiacutestica zero based log sigmoid assume o intervalo de variaccedilatildeo entre 0 e 1 e a funccedilatildeo tangente hiperboacutelica preserva a forma sigmoidal e assume valores positivos e negativos (intervalo de variaccedilatildeo entre -1 e 1)

Figura 4 - Representaccedilatildeo esquemaacutetica das cinco fases da rede neural que compreenderam o aprendizadotreinamento da rede a previsatildeo da rede neural a comparaccedilatildeo dos melhores modelos de previsatildeo da rede neural os reensaios da rede neural incorporando os pacientes que faleceram em 2013 e 2014 e nova comparaccedilatildeo dos melhores modelos reensaiados

Anexos 75

Figura 5 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

com insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das abscissas indicam o

nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da

consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 76

Figura 6 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

de acordo com a etiologia da insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 77

Figura 7 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128

pacientes de acordo com sua idade Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 78

Figura 8 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o sexo Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 79

Figura 9 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a etnia Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 80

Figura 10 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o peso Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 81

Figura 11 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a altura Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 82

Figura 12 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o iacutendice de massa corpoacuterea (IMC) Os nuacutemeros sob o

eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 83

Figura 13 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial sistoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 84

Figura 14 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial diastoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 85

Figura 15 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a classe funcional da New York Heart Association

Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco

no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 86

Figura 16 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a frequecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 87

Figura 17 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com a data do iniacutecio dos sintomas

Anexos 88

Figura 18 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com antecedente de hipertensatildeo arterial Os nuacutemeros sob

o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 89

Figura 19 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de tabagismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 90

Figura 20 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o antecedente de diabetes melito Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 91

Figura 21 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de etilismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 92

Figura 22 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro do aacutetrio esquerdo no ecocardiograma Os

nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no

decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 93

Figura 23 - Probabilidade da sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 94

Figura 24 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 95

Figura 25 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 96

Figura 26 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica do septo interventricular no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 97

Figura 27 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica da parede posterior do

ventriacuteculo esquerdo no ecocardiograma Os nuacutemeros sob o eixo das abcissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 98

Figura 28 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com o riacutetmo cardiacuteaco Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 99

Figura 29 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de hemoglobina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 100

Figura 30 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a glicemia de jejum Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 101

Figura 31 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de creatinina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 102

Figura 32 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de soacutedio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 103

Figura 33 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de potaacutessio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 104

Figura 34 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de colesterol total Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 105

Figura 35 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de HDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 106

Figura 36 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de LDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 107

Figura 37 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de trigliceacuterides Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 108

Figura 38 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de leucoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 109

Figura 39 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de linfoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 110

Figura 40 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de inibidor de enzima conversora da angiotensina (captopril enalapril) ou de bloqueador dos receptores da angiotensina II (losartana) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 111

Figura 41 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de beta-bloqueadores na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 112

Figura 42 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de diureacuteticos (furosemida hidroclorotiazida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 113

Figura 43 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de espironolactona na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 114

Figura 44 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de digoxina na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 115

Figura 45 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 116

Figura 46 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de anticoagulante oral (varfarina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 117

Figura 47 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de estatina (sinvastatina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 118

Figura 48 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de vasodilatador (hidralazina e mononitrato de isossorbida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 119

Figura 49 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2148 pacientes quanto ao uso de bloqueador dos canais de caacutelcio (anlodipina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 120

Figura 50 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiarriacutetmico (amiodarona) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 121

Figura 51 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao nuacutemero de medicamentos em uso na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 122

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Idade (anos) 58 lt 0001

lt 40 200(9) 65

41-65 1325(62) 69

gt65 603(28) 51

Sexo 0025

Masculino 1362(64) 61

Feminino 766(36) 67

Grupo eacutetnico 027

Branca 343(16) 62

Natildeo-branca 131(6) 59

Dado faltante 1654(78) 65

Peso (kg) 694 lt 0001

lt 63 594(28) 57

631 - 749 562(26) 63

gt 75 614(29) 73

Dado faltante 358(17) 58

Altura (cm) 163 0048

lt 159 569(27) 64

159-166 546(26) 65

gt 167 628(30) 65

Dado faltante 385(18) 57

Iacutendice de massa corporal (kgm2)sect 26 lt0001

lt 25 660(31) 56

25-30 697(33) 69

gt 30 378(18) 59

Dado faltante 393(18) 74

Pressatildeo arterial sistoacutelica (mm Hg) 130 lt0001

lt 100 94(4) 38

100-130 927(44) 60

gt130 980(46) 57

Dado faltante 127(6) 69

Anexos 123

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Pressatildeo arterial diastoacutelica (mm Hg) 90 lt0001

lt 80 447(21) 51

80-90 905(43) 66

gt90 646(30) 73

Dado faltante 130(6) 57

Frequecircncia cardiacuteaca (batimentosmin) 80 062

lt 60 68(3) 57

60-100 1586(75) 63

gt100 144(7) 62

Dado faltante 330(16) 60

Duraccedilatildeo dos sintomas (meses) 119 068

lt 12 261(12) 60

gt 12 247(12) 59

Dado faltante 1620 (76) 63

Histoacuteria meacutedica

Hipertensatildeo arterial 1538(72) 65 0049

Normotenso 492(23) 56

Dado faltante 98(5) 65

Consumo de aacutelcool Leve 100(5) 69 084

Moderado 37(2) 65

Intenso 86(4)

Indeterminado 84(4) 69

Ex-etilista 297(14)

Natildeo etilista 1076(51) 62

Dado faltante 448(21)

Fumante lt 20 cigarros 111(5) 60 074

gt 20 cigarros 104(5)

Indeterminado 190(9) 62

Ex-fumante 626(29) 65

Natildeo fumante 859(40) 64

Dado faltante 238(11)

Anexos 124

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Diabetes mellitus 0024

Insulino dependente 99(5) 64

Natildeo insulino dependente 389(18) 59

Natildeo diabeacutetico 1481(70) 65

Dado faltante 159(7) 64

Etiologia da Insuficiecircncia Cardiacuteaca 0001

Cardiomiopatia da Doenccedila de Chagas 333(16) 50

Cardiomiopatia hipertensiva 920(43) 71

Cardiomiopatia isquecircmica 523(25) 55

Cardiomiopatia dilatada 206(10) 69

Cardiomiopatia alcooacutelica 146(7) 66

Classe funcional NYHApara 0001

I 300(14) 72

II 805(38) 64

III 575(27) 56

IV 302(14) 50

Dado faltante 146(7) 59

Ritmo cardiacuteaco no eletrocardiograma 00051

Fibrilaccedilatildeo atrial 294(14) 56

Ritmo sinusal 1561(73) 65

Ritmo de marca-passo 38(2) 68

Outro 7(0) 66

Dado faltante 228(11) 62

Espessura do septo interventricular (mm) 9 lt0001

lt 8 206(10) 57

8-12 1385(65) 68

gt12 109(5) 63

Dado faltante 428(20) 54

Espessura da parede posterior do ventriacuteculo esquerdo (mm) 9 lt0001

lt 8 206(10) 63

8-12 1428(67) 66

gt12 63(3) 54 Dado faltante 431(20) 62

Anexos 125

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos ()

Valor-pŦ

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) 64 lt0001

lt 60 514(24) 74

60-75 938(44) 65

gt 75 224(11) 56

Dado faltante 452(21) 53

Diacircmetro sistoacutelico do ventriacuteculo esquerdo (mm) 56 lt0001

lt 40 110(5) 79

40-55 462(22) 72

gt 55 612(29) 59

Dado faltante 944(44) 60

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo () 31 lt0001

lt 35 1027(48) 60

35-45 449(21) 69

45-55 220(10) 72

gt 55 59(3) 82

Dado faltante 373(18) 53

Diacircmetro do aacutetrio esquerdo (mm) 46 lt0001

lt 40 295(14) 78

gt 40 1375(65) 63

Dado faltante 458(22) 53

Creatinina seacuterica (mgdL) 11 lt0001

lt 13 1469(69) 68

13-26 535(25) 51

gt 26 51(2) 28

Dado faltante 73(3) 53

Soacutedio seacuterico (mEqL) 139 lt0001

lt 136 170(8) 49

gt 136 1852(87) 66

Dado faltante 106(5) 54

Anexos 126

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Potaacutessio seacuterico (mEqL) 46 lt0001

lt 35 31(1) 60

35-50 1646(77) 66

gt 50 345(16) 54

Dado faltante 106(5) 53

Hemoglobina (gdL) 142 lt0001

lt 10 41(2) 43

10-12 190(9) 53

gt 12 1826(86) 65

Dado faltante 71(3) 66

Leucoacutecitos (mm3) 7300 0048

lt 4000 45(2) 33

4000-11000 1791(84) 63

gt 11000 142(7) 56

Dado faltante 150(7) 62

Linfoacutecitos (mm3) 1919 0011

lt 900 14(1) 34

900-3400 301(14) 65

gt 3400 7(0) 71

Dado faltante 1806(85) 62

Colesterol total (mgdL) 188 lt0001

lt 200 881(41) 65

200-240 394(19) 75

gt 240 209(10) 74

Dado faltante 644(30) 53

Trigliceacuterides (mgdL) 112 lt0001

lt 150 1011(48) 65

150-300 397(19) 74

gt 300 71(3) 80

Dado faltante 649(30) 53

Anexos 127

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

HDL - colesterol (mgdL)Ħ 43 lt0001

lt 40 560(26) 68

40-60 681(32) 71

gt 60 207(10) 54

Dado faltante 680(32) 69

LDL- colesterol (mgdL)Ħ 116 lt0001

lt 100 471(22) 60

100-129 451(21) 68

gt 129 521(24) 53

Dado faltante 685(32) 72

Glicose de jejum (mgdL) 100 lt0001

lt 100 843(40) 65

100-126 571(27) 66

gt 126 345(16) 68

Dado faltante 369(17) 53

IECABRAeuro (captopril enalapril losartana)

Com medicaccedilatildeo 1564(73) 62 091

Sem medicaccedilatildeo 302(14) 62

Dado faltante 262(12)

Diureacuteticos (hidroclorotiazida e furosemida)

com medicaccedilatildeo 1548(73) 62 00032

sem medicaccedilatildeo 318(15) 71

Dado faltante 262(12) 66

Antagonista do receptor da aldosterona (espironolactona)

Com medicaccedilatildeo 832(39) 60 032

Sem medicaccedilatildeo 1034(49) 63

Dado faltante 262(12) 65

Digital (digoxina)

com medicaccedilatildeo 1013(48) 62 0077

sem medicaccedilatildeo 853(40) 66

Dado faltante 262(12) 65

Anticoagulante oral (varfarina)

Com medicaccedilatildeo 134(6) 56 043

Sem medicaccedilatildeo 1732(81) 63

Dado faltante 262(12) 65

Anexos 128

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Antiagregante plaquetaacuterio (aspirina) com medicaccedilatildeo 639(30) 60 055

sem medicaccedilatildeo 1227(58) 63

Dado faltante 262(12) 65

Estatina (sinvastatina)

Com medicaccedilatildeo 153(7) 75 007

Sem medicaccedilatildeo 1712(80) 60

Dado faltante 262(12) 63

Bloqueador dos canais de caacutelcio (anlodipina)

com medicaccedilatildeo 42(2) 69 077

sem medicaccedilatildeo 1824(86) 60

Dado faltante 262(12) 62

Vasodilator direto (hidralazina mononitrato de isossorbida)

Com medicaccedilatildeo 63(3) 63 058

Sem medicaccedilatildeo 1802(85) 62

Dado faltante 263(12) 62

Bloqueador adreneacutergico (carvedilol metoprolol atenolol propanolol) com medicaccedilatildeo 706(33) 66 0042

sem medicaccedilatildeo 1160(55) 60

Dado faltante 262(12) 65

Antiarriacutetmico (amiodarona)

Com medicaccedilatildeo 80(4) 54 051

Sem medicaccedilatildeo 1786(84) 62

Dado faltante 262(12) 65

Nuacutemero de medicamentos em uso Φ

1 118(6)

2 272(13)

3 471(22)

4 496(23)

5 349(16)

6 127(6)

7 26(1)

8 2(0)

9 1(0)

Dado faltante 266(12)

Anexos 129

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Nuacutemero de drogas agrupadas em uso ζ 014

lt 3 861(40) 65

gt 3 1001(47) 65

Dado faltante 266(12) 60

sect Peso em kgaltura2

para Classe funcional da New York Heart Association (NYHA) I- nenhuma limitaccedilatildeo II- limitaccedilatildeo a moderados esforccedilos III- limitaccedilatildeo a esforccedilos habituais IV- limitaccedilatildeo em repouso

Ħ HDL- colesterol ou fraccedilatildeo lipoproteica de alta densidade do colesterol LDL- colesterol ou fraccedilatildeo lipoproteica de baixa densidade do colesterol

euro IECA - inibidores da enzima de conversatildeo da angiotensina BRA - bloqueadores dos receptores da angiotensina I

Φ Nuacutemero de medicaccedilotildees em uso pelo paciente e respectivas porcentagens

ζ Nuacutemero de medicaccedilotildees agrupadas em uso pelo paciente e respectivas porcentagens

Ŧ Valor-p (log rank)

Anexos 130

Tabela 2 ndash Variaacuteveis estudas quanto agrave probabilidade de sobrevida (etapa 1)

Variaacutevel Valor-p Valores disponiacuteveis

n

Dados omissos

()

Idade

plt0001 2128 -

Etnia p =0789 474 78

Sexo plt0001 2128 -

Iacutendice de massa corpoacuterea plt0001 1735 19

Pressatildeo Arterial Sistoacutelica plt0001 2001 6

Pressatildeo Arterial Diastoacutelica plt0001 1998 6

Frequecircncia Cardiacuteaca p =0446 1798 16

Etiologia da Insuficiecircncia Cardiacuteaca plt0001 2128 -

Classe Funcional plt0001 1982 7

Hipertensatildeo Arterial plt0001 2030 5

Etilismo p =0602 1680 21

Tabagismo p =0117 1890 11

Diabetes p =0135 1969 7

Ritmo cardiacuteaco p =0105 1893 11

Espessura do septo interventricular p =0083 1332 37

Espessura da parede posterior do ventriacuteculo esquerdo

p =0477 1258 41

Diacircmetro diastoacutelico do ventriacuteculo esquerdo

plt0001 1676 21

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

plt0001 1184 44

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

plt0001 1755 18

Diacircmetro do aacutetrio esquerdo plt0001 1670 22

Soacutedio seacuterico plt0001 2022 5

Potaacutessio seacuterico p =0002 2022 5

Hemoglobina seacuterica p =0008 2057 3

Taxa de leucoacutecitos p =0018 1978 7

Taxa de linfoacutecitos p =0037 322 85

Colesterol total p =0001 1484 30

Trigliceacuterides p =0015 1479 30

HDL - colesterol p =0280 1448 32

LDL - colesterol p =0119 1443 32

Glicemia de jejum p =0051 1759 17

Creatinina seacuterica plt0001 2055 3

Nuacutemero de medicamentos em uso p =0134 1864 12

Iniacutecio dos sintomas p =0564 510 76

valor - p foi resultante do teste da razatildeo de verossimilhanccedilas para cada uma das variaacuteveis os valores

- p inferiores a 10 tornaram a caracteriacutestica correspondente elegiacutevel para inclusatildeo na na segunda etapa do modelo nuacutemero de informaccedilotildees disponiacuteveis para cada variaacutevel a variaacutevel idade mostrou-se significante (p lt 0001) e foi incluiacuteda em todos os ajustes do modelo por ser a sobrevida a resposta do modelo de Cox Em negrito estatildeo as variaacuteveis selecionadas para a etapa 2 do modelo de Cox

Anexos 131

Tabela 3 ndash Uso de tratamento medicamentoso

Medicamento em uso

Grupo Sim

n ()

Natildeo

n ()

Sem informaccedilatildeo

n ()

IECA BRA 1564(73) 302(14) 262(12)

Diureacuteticos 1548(73) 318(15) 262(12)

Espironolactona 832(39) 1034(49) 262(12)

Digoxina 1013(48) 853(40) 262(12)

Anticoagulante oral 134(6) 1732(81) 262(12)

Antiagregante plaquetaacuterio 639(30) 1227(58) 262(12)

Estatina 153(7) 1713(80) 262(12)

Bloqueador dos canais de caacutelcio

42(2) 1824(86) 262(12)

Vasodilatador direto 63(3) 1802(85) 263(12)

Bloqueador alfa-adreneacutergico ou beta-adreneacutergico

706(33) 1160(55) 262(12)

Antiarriacutetmico 80(4) 1786(84) 262(12)

IECA inibidores da enzima conversora da angiotensina (captopril enalapril) BRA bloqueadores dos receptores da angiotensina II (losartana) Diureacuteticos hidroclorotiazida ou furosemida Espironolactona diureacutetico poupador de potaacutessio e antagonista do receptor da aldosterona Anticoagulante oral varfarina Antiagregante plaquetaacuterio aacutecido acetilsaliciacutelico Estatina sinvastatina Bloqueador dos canais de caacutelcio anlodipina Vasodilatdor direto hidralazina e mononitrato diisossorbida Bloqueadores alfa adreneacutergico (carvedilol) e beta-adreneacutergico (metoprolol atenolol e propranolol) Antiarritmico amiodarona

Anexos 132

Tabela 4 - Nuacutemero de medicamentos em uso

Nuacutemero de medicamentos em uso pelos pacientes - n ()

1

n()

2

n()

3

n()

4

n()

5

n()

6

n()

7

n()

8

n()

9 n()

Sem Informaccedilatildeo

n()

118(6) 272(13) 471(22) 496(23) 349(16) 127 (6)

26(1) 2(0) 1(0) 266(12)

nuacutemero de medicamentos em uso pelo paciente entre os diferentes grupos de medicaccedilotildees

Tabela 5 - Variaacuteveis retiradas do modelo de Cox (etapa 2)

Variaacutevel Valor-p

Hipertensatildeo arterial sistecircmica 0790

Hemoglobina 0789

Glicemia de jejum 0751

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

0702

Frequecircncia cardiacuteaca 0568

Sexo 0434

Soacutedio seacuterico 0428

Leucoacutecitos seacuterico 0165

Trigliceacuterides seacuterico 0144

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

0111

Linfoacutecitos seacuterico 0082

apoacutes ajuste do modelo inicial e considerando o valor-p do teste de razatildeo de verossimilhanccedilas para cada uma das variaacuteveis foi realizado novo ajuste sequencial do modelo e as variaacuteveis com valor-p superiores a 5 foram eliminadas

Anexos 133

Tabela 6 - Reavaliaccedilatildeo das variaacuteveis inicialmente excluiacutedas da etapa 2 do modelo de Cox (etapa 3)

Variaacutevel Valor-p

Etnia 0650

Frequecircncia cardiacuteaca 0489

Etilismo 0702

Tabagismo 0536

Diabetes melito 0034

Espessura da parede posterior do ventriacuteculo esquerdo

0546

Ritmo cardiacuteaco 0137

HDL - colesterol 0710

LDL- colesterol 1000

Nuacutemero de medicamentos em uso 0696

Iniacutecio dos sintomas 0784

HDL-colesterol ou lipoproteiacutena de alta densidade LDL-colesterol ou lipoproteiacutena de baixa densidade Resultado do teste da razatildeo de verossimilhanccedila para todas as variaacuteveis Excluiacutedas no primeiro ajuste do modelo (etapa 1) e reavaliaccedilatildeo da importacircncia de cada uma das variaacuteveis apoacutes reintroduzi- las no modelo em conjunto com as variaacuteveis do segundo ajuste do modelo (etapa 2) sect Diabetes melito foi a uacutenica variaacutevel que permaneceu para o modelo final

Tabelas 7 - Variaacuteveis do modelo final de Cox selecionadas para a rede neural

Variaacutevel Valor-p

Idade (anos) lt0001

Iacutendice de massa corpoacuterea (kgm2) lt0001

Pressatildeo arterial diastoacutelica (mmHg) lt0001

Etiologia da insuficiecircncia cardiacuteaca lt0001

Classe funcional (NYHA)Δ lt0001

Espessura do septo interventricular (mm) 0037

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) lt0001

Diacircmetro do aacutetrio esquerdo (mm) 0025

Potaacutessio seacuterico (mEqL) 0015

Colesterol total (mgdL) lt0001

Creatinina (mgdL) lt0001

Diabetes melito 0034

etiologias da insuficiecircncia cardiacuteaca hipertensiva isquecircmica dilatada alcooacutelica e Doenccedila de Chagas Δ classe funcional segundo a New York Heart Association valor - p do teste de razatildeo de verossimilhanccedila do ajuste final do modelo de Cox

Anexos 134

Tabela 8 - Valores de referecircncia para as variaacuteveis com dados faltantes

Variaacutevel Estrateacutegia

1 Estrateacutegia

2 Estrateacutegia

3

Iacutendice de massa corpoacuterea (kgm2) 25 25 26

Pressatildeo arterial diastoacutelica (mm Hg) 80 80 90 Espessura diastoacutelica do septo intraventricular (mm)

8 8 9

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm)

60 60 64

Diacircmetro do aacutetrio esquerdo (mm) 40 40 46 Potaacutessio seacuterico (mEqL) 35 35 46 Colesterol total (mgdL) 160 200 188

Creatinina (mgdL) 09 13 11 Preacute-requisito para o aprendizado da rede neural estrateacutegias para a imputaccedilatildeo de valores nas informaccedilotildees faltantes valores de referecircncia da normalidade valores superiores da normalidade para as variaacuteveis colesterol total e creatinina seacuterica valores de referecircncia da mediana

Anexos 135

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado -treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 1 1

417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 2 2

417 968 Zero Based Log Sigmoid data da consulta 52618

sem limite 3 1

417 968 Tangente Hiperboacutelica data da consulta 70731

sem limite 4 1 Teste RN 1 118 240 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 20100

sem limite 5 1 Cardiopatia dilatada 36 70 Zero Based Log Sigmoid data da consulta 100275

sem limite 6 1 Cardiopatia hipertensiva 168 379 Zero Based Log Sigmoid data da consulta 88500

sem limite 7 1 Cardiopatia alcooacutelica 28 57 Zero Based Log Sigmoid data da consulta 81429

sem limite 8 1 Cardiopatia isquemica 106 263 Zero Based Log Sigmoid data da consulta 36109

sem limite 9 1 Cardiopatia doenccedila Chagas 8 188 Zero Based Log Sigmoid data da consulta 40044

sem limite 10 1 sexo 417 968 Zero Based Log Sigmoid data da consulta 57836

sem limite 11 1 sexo e FEλ 25 417 968 Zero Based Log Sigmoid data da consulta 73544

sem limite 12 1 sexo e FEλ 55 417 968 Zero Based Log Sigmoid data da consulta 102308

2 lt sobrevida lt 6 13 1

200 402 Zero Based Log Sigmoid data da consulta 3199

2 lt sobrevida lt 6 14 1 22 a 52 anos 121 206 Zero Based Log Sigmoid data da consulta 88000

1 lt sobrevida lt 6 15 1 22 a 52 anos 83 162 Zero Based Log Sigmoid data da consulta 5185

1 lt sobrevida lt 6 16 1 13 lt CrΦ

lt 26 72 184 Zero Based Log Sigmoid data da consulta 6200

1 lt sobrevida lt 6 17 1 200 lt TCΨ

lt 239 61 245 Zero Based Log Sigmoid data da consulta 7068

1 lt sobrevida lt 6 18 1 60 lt DDVEε lt 75 160 374 Zero Based Log Sigmoid data da consulta 6360

1 lt sobrevida lt 6 19 1 200ltTCΨlt239 e 60ltDDVE

εlt75 163 34 Zero Based Log Sigmoid data da consulta 5284

Anexos 136

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado- treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede neural

() Aprendizado

(TAA) Previsatildeo

(TAP)

2 lt sobrevida lt 6 20 1

50 98 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2260

2 lt sobrevida lt 6 21 1

200 402 Tangente Hiperboacutelica data da consulta 4801

2 lt sobrevida lt 6 22 1

50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

0 lt sobrevida lt 2 23 1

118 383 Tangente Hiperboacutelica data da consulta 42244

sobrevida gt 6 24 1

101 186 Tangente Hiperboacutelica data da consulta 1277

0 lt sobrevida lt 2 25 1

118 383 Zero Based Log Sigmoid data da consulta 52725

sobrevida gt 6 26 1

101 186 Zero Based Log Sigmoid data da consulta 1137

0 lt sobrevida lt 2 27 1

22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

sobrevida gt 6 28 1

46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

0 lt sobrevida lt 2 29 1

22 47 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 3381

sobrevida gt 6 30 1

46 93 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2413

15 lt sobrevida lt 85 31 1

317 632 Zero Based Log Sigmoid data da consulta 7478

sobrevida gt 2 32 1

298 584 Zero Based Log Sigmoid data da consulta 5660

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

λ valor de referecircncia para a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo (capacidade funcional) ao ecocardiograma

Φ valores de referecircncia para a dosagem da creatinina seacuterica Ψ valores de referecircncia para a dosagem seacuterica do colesterol total

ε valores de referecircncia para o diacircmetro diastoacutelico do ventriacuteculo esquerdo ao ecocardiograma

Anexos 137

Tabela 91 - Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1)

Tempo de sobrevida

observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizadotreinamento da

rede ou limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 33 3 30000τ 00001

ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 34 1 20000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 55141

sem limite 35 1 10000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 54241

sem limite 36 1 00010 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 69427

sem limite 37 1 00020 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 70479

2 lt sobrevida lt 6 38 1 Cardiopatia dilatada 18 38 Zero Based Log Sigmoid data da consulta 2667

2 lt sobrevida lt 6 39 1 Cardiopatia hipertensiva 80 161 Zero Based Log Sigmoid data da consulta 2948

2 lt sobrevida lt 6 40 1 Cardiopatia alcooacutelica 18 29 Zero Based Log Sigmoid data da consulta 2952

2 lt sobrevida lt 6 41 1 Cardiopatia isquemica 48 101 Zero Based Log Sigmoid data da consulta 2705

2 lt sobrevida lt 6 42 1 Cardiopatia da doenccedila de Chagas

37 73 Zero Based Log Sigmoid data da consulta 2191

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

τ nuacutemero de ciclos maacuteximos ou iteraccedilotildees estipuladas para o aprendizado-treinamento da rede neural

ζ erro delta estipulado para o aprendizado-treinamento da rede neural

Anexos 138

Tabela 10 - Comparaccedilatildeo das redes neurais categorizadas pelo tempo de sobrevida observado seleccedilatildeo dos melhores modelos de rede neural

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

23 118 383 Tangente Hiperboacutelica data da consulta 42244

25 118 383 Zero Based Log

Sigmoid data da consulta 52725

27 22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

29 22 47 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 3381

tempo de seguimento ou tempo de sobrevida observado inferior a 2 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

13 200 402 Zero Based Log

Sigmoid data da consulta 3199

21 200 402 Tangente Hiperboacutelica data da consulta 4801

20 50 98 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2260

22 50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

tempo de seguimento ou tempo de sobrevida observado entre 2 e 6 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

24 101 186 Tangente Hiperboacutelica data da consulta 1277

26 101 186 Zero Based Log

Sigmoid data da consulta 1137

28 46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

30 46 93 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2413

tempo de seguimento ou tempo de sobrevida observado superior a 6 anos

em todos os testes das redes neurais foram utilizados valores normais para o dado

faltante

Anexos 139

Tabela 11 - Modelos de redes neurais para previsatildeo da sobrevida nos pacientes vivos ateacute 2012 (fase 2)

Aprendizado da rede neural (pacientes falecidos ateacute 2012)

Previsatildeo de sobrevida da rede neural

(pacientes vivos ateacute 2012)

Modelo de rede neural

TAA

Erro real da rede

neural ()

Sobrevida (tempo

decorrido)

Funccedilatildeo de

transferecircncia

Tempo de sobrevida observado

(anos)

Previsatildeo da rede neural

(PREV) λ

TAP

Sobrevida hipoteacutetica

Erro hipoteacutetico da rede neural

()

13 200 3199 (DO-DPC)Ψ zero based

log sigmoid 2 a 6 PREV01 300 (DUR-

DPC) Φ

3847

20 50 2260 (DO - DIS) ζ zero based

log sigmoid 2 a 6 PREV02 51 (DUR-DIS)

Φ

3933

22 50 2054 (DO - DIS) ζ tangente

hiperboacutelica 2 a 6 PREV03 51 (DUR-DIS)

Φ

3323

24 101 1277 (DO-DPC)Ψ tangente

hiperboacutelica superior a

6 PREV04 636 (DUR-

DPC) Φ

2071

26 101 1137 (DO-DPC)Ψ zero based

log sigmoid superior a

6 PREV05 636 (DUR-

DPC) Φ

2150

27 22 3529 (DO - DIS) ζ tangente

hiperboacutelica 0 a 2 PREV06 24 (DUR-DIS)

Φ

6372

29 22 3381 (DO - DIS) ζ zero based

log sigmoid 0 a 2 PREV07 24 (DUR-DIS)

Φ

8547

28 46 3029 (DO - DIS) ζ tangente

hiperboacutelica superior a

6 PREV08 199 (DUR-DIS)

Φ

4323

30 46 2413 (DO - DIS) ζ zero based

log sigmoid superior a

6 PREV09 199 (DUR-DIS)

Φ

4867

TAA tamanho da amostra para aprendizado da rede neural

TAP tamanho da amostra para a previsatildeo da rede neural

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da

rede neural com os pacientes falecidos ateacute 2012

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou do uacuteltimo contato com o

paciente e o dado disponiacutevel (data da primeira consulta ou data do iniacutecio dos sintomas)

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

ζ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Anexos 140

Tabela 12 - Modelos de redes neurais comparaacuteveis erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Modelo de rede neural

Previsatildeo da rede neural (PREV) λ

Nuacutemero de pacientes

para comparaccedilatildeo

Erro de previsatildeo hipoteacutetico de

sobrevida pela rede neural

(vivos ateacute 2012) ()

Erro de previsatildeo da sobrevida pela rede

neural real (falecidos em 2013)

()

13 PREV 01 19 3562 4755 20 PREV 02 2 1155 4037 22 PREV 03 2 4095 5614 24 PREV04 36 2120 1880 26 PREV 05 36 1848 1948

corresponde ao modelo de rede utilizada no aprendizado com os melhores resultados na previsatildeo da sobrevida λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 141

Tabela 13 - Modelo de rede neural 13 individual e comparaacutevel erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 13 (aprendizado falecidos ateacute 2012) e PREV01 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

13 200 (DOndashDPC)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira

consulta

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-

DPC) Φ

Sobrevida hipoteacutetica da rede neural

PREV 01λ

(vivos em 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural comparado

com erro real (falecidos em

2013) ()

127 1330 1258 543 3769 6663

180 1434 1797 2535 3526 4902

407 1302 1716 3179 3490 5083

675 2063 1795 1299 3630 5055

878 1736 1261 2734 3509 6405

1086 859 1265 4722 3429 6312

1194 1218 1798 4760 3532 4910

1341 1172 1794 5306 3297 4559

1685 1061 1803 6994 3259 4468

2204 950 1795 8899 2971 3957

2669 1997 1761 1182 2477 2891

2962 1357 1427 529 2659 4635

3687 1886 1255 3345 2499 5017

3837 1834 1221 3341 2451 2396

3838 1603 1792 1177 2356 3204

3855 1108 1794 6194 2640 7789

3862 1726 548 6825 2479 2780

3892 1745 1720 144 2382 4547

3997 1013 1255 3980 2302 4766

3562 DP2498

4755 DP1384

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro relativo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 142

Tabela 14 - Modelo de rede neural 20 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 20 (aprendizado falecidos ateacute 2012) e PREV02 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

20 50 (DO-DIS)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede neural PREV 02

λ

(vivos ateacute 2012)

(em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos ateacute 2012)

()

Sobrevida

real (falecidos em

2013)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1329 2310 2659 5002

3997 2008 1595 680 2302 3072

1155 DP 1249

4037 DP 1365

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural

para os pacientes vivos ateacute 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede

comparada com a porcentagem do erro real de sobrevida dos pacientes que faleceram em 2013

Anexos 143

Tabela 15- Modelo de rede neural 22 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 22 (aprendizado falecidos ateacute 2012) e PREV03 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

22 50 (DO- DIS) Ψ

tangente hiperboacutelica

2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do

caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede

neural PREV 03

λ

(vivos ateacute 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1166 3220 2659 5615

3997 2008 1010 4970 2302 5614

4095 DP 1237 5614 DP 001

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro de previsatildeo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 144

Tabela 16 ndash Modelo de rede neural 24 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 24 (aprendizado falecidos em 2012) e PREV04 (previsatildeo vivos em 2012)

Modelo de rede neural

δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

24 101 (DO-DPC) Ψ

tangente hiperboacutelica

superior a 6 anos

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

Nuacutemero do caso

Sobrevida calculada VIVO (DUR-DPC)

Φ

(em dias)

Sobrevida hipoteacutetica da rede neural PREV 04

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico da rede neural

(vivos ateacute 2012) ()

Sobrevida real

(falecidos em 2013) (em dias)

Erro da rede neural comparado com

erro real (falecidos em 2013)

()

115 3558 3495 176 3586 252

156 3552 3239 882 3630 1077

157 3615 3548 184 3705 259

267 3437 2302 3303 3755 387

442 2496 2445 206 3573 3157

475 3681 3527 418 3700 466

702 3281 2756 1600 3544 2223

848 3362 2628 2183 3474 2435

949 3108 3309 646 3339 09

1015 3410 2166 3648 3449 3719

1166 2931 3399 1597 3423 069

1269 2693 3183 1820 3461 802

1272 3277 3482 627 3343 417

1408 3346 2435 2721 3427 2893

1453 3281 3232 151 3473 69

1460 3285 4047 2319 3330 2152

1477 3480 2236 3574 3485 3583

1490 2902 3332 1480 3244 269

1511 2612 3052 1685 3423 1083

1513 2589 3239 2510 3399 471

1525 3425 2702 2110 3429 2118

1538 2963 4069 3734 3312 2286

1686 3059 3821 2492 3284 1635

1754 3214 2612 1873 3284 2045

2083 2938 2264 2293 2964 236

2477 2828 4067 4381 2973 3647

2481 2467 4062 6464 2780 461

2526 2559 3548 3865 2799 2676

2612 2626 3485 3271 2894 2041

2621 2534 2224 1224 2802 2063

2641 2915 3548 2171 2934 2091

2714 2737 3486 2738 2810 2407

2789 2726 3442 2628 2753 2504

2815 2938 3016 264 2943 246

2871 2884 2237 2242 2904 2295 3475 2514 3231 2852 2547 2685

2120 DP 1396

1880 DP 1239

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da rimeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural meacutedia e desvio-padratildeo (DP) das

porcentagens do erro hipoteacutetico de previsatildeo da rede neural ara os pacientes vivos ateacute 2012 meacutedia desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 145

Tabela 17 - Modelo de rede neural 26 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 26 (aprendizado oacutebito em 2012) e PREV05 (previsatildeo vivos em 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

26 101 (DO-DPC) Ψ

zero based log sigmoid

superior a 6 anos

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

115 3558

3902 966 3586 881

156 3552

2656 2522 3630 2682

157 3615

3408 573 3705 802

267 3437

2655 2275 3755 2929

442 2496

2514 074 3573 2963

475 3681

2694 2681 3700 2718

702 3281

2841 134 3544 1983

848 3362

3307 163 3474 480

949 3108

2318 2541 3339 3057

1015 3410

2189 358 3449 3653

1166 2931

4085 3937 3423 1934

1269 2693

2367 1221 3461 3162

1272 3277

2669 1854 3343 2015

1408 3346

3006 1015 3427 1228

1453 3281

2430 2595 3473 3004

1460 3285

4095 2465 3330 2297

1477 3480

2147 3832 3485 3841

1490 2902

2571 1142 3244 2076

1511 2612

2241 1419 3423 3452

1513 2589

3044 1757 3399 1044

1525 3425

2770 1913 3429 1922

1538 2963

3743 2631 3312 1300

1686 3059

2747 1021 3284 1636

1754 3214

2590 1940 3284 2112

2083 2938

2805 452 2964 536

2477 2828

3974 4052 2973 3366

2481 2467

4055 6439 2780 4588

2526 2559

3027 1828 2799 813

2612 2626

2090 2043 2894 2779

2621 2534 2947 1629 2802 517

2641 2915 2247 2293 2934 2343

2714 2737 2488 908 2810 1144

2789 2726 2727 003 2753 095

Anexos 146

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

2871 2884 2831 183 2904 251

3475 2514 2432 327 2547 452

1848 DP 1354

1948 DP 1167

δ modelo de rede neural utilizada no aprendizado da rede Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013 Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos em 2012

Anexos 147

Tabela 18 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2013 (Reensaio 1) fase 4

Modelo de rede neural 24 (falecidos ateacute 2012)

Modelo de rede neural 24 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1277

145

269

1376

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Modelo de rede neural 26 (falecidos ateacute 2012)

Modelo de rede neural 26 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo

da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1137

145

269

1230

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Anexos 148

Tabela 19 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2014 (Reensaio 2) fase 4

Modelo de rede neural 24

(falecidos ateacute 2012)

Modelo de rede neural 24

Reensaio1 (falecidos em

2013)

Modelo de rede neural 24

Reensaio 2 (falecidos em

2014)

TAA TAP

sect

Erro de previsatildeo de sobrevida da rede neural

()

TAA TAeuro Erro de

previsatildeo real da rede neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida

da rede neural ()

101

186

1277

145

269

1376

175

319

1733

corresponde aos pacientes falecidos em 2012 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a falecer em 2013 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer em 2014 sem dados faltantes sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde agrave somatoacuteria do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer 2013 pound corresponde ao somatoacuterio do total de oacutebitos 2013 e o total de pacientes que vieram a falecer em 2014

Modelo de rede neural 26

(falecidos ateacute 2012)

Modelo de rede neural 26

Reensaio1 (falecidos em 2013)

Modelo de rede neural 26

Reensaio 2 (falecidos em 2014)

TAA TAP sect Erro de

previsatildeo de sobrevida da rede neural

()

TAA TAPeuro Erro de

previsatildeo real da rede

neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida da

rede neural ()

101

186

1137

145

269

1230

175

319

1488

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2012 e os pacientes que vieram a falecer

em 2013 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer

em 2014 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer

em 2013

pound corresponde ao somatoacuterio do total de oacutebitos ateacute 2013 e o total de pacientes que vieram a falecer

em 2014

Anexos 149

Tabela 20 - Comparaccedilatildeo da previsatildeo de sobrevida entre o modelo inicial da rede neural 24 e reensaio 1 fase 4

PREV 04 λ (vivos em 2012)

REENSAIO 1 do modelo de rede neural 24 (falecidos em 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Erro de previsatildeo real rede neural ()

115 3586 3495 176 3709 344

156 3630 3239 882 3041 1623

157 3705 3548 184 3469 637

267 3755 2302 3303 3549 549

442 3573 2445 206 3568 013

475 3700 3527 418 3370 892

702 3544 2756 16 3727 515

848 3474 2628 2183 3547 211

949 3339 3309 646 3505 496

1015 3449 2166 3648 3637 544

1166 3423 3399 1597 3555 386

1269 3461 3183 182 3378 240

1272 3343 3482 627 3286 171

1408 3427 2435 2721 3403 070

1453 3473 3232 151 3458 044

1460 3330 4047 2319 4024 2083

1477 3485 2236 3574 3498 038

1490 3244 3332 148 3511 823

1511 3423 3052 1685 3225 579

1513 3399 3239 251 3564 484

1525 3429 2702 211 3527 284

1538 3312 4069 3734 3422 332

1686 3284 3821 2492 3304 060

1754 3284 2612 1873 3324 120

2083 2964 2264 2293 2501 1564

2477 2973 4067 4381 3026 155

2481 2780 4062 6464 2827 169

2526 2799 3548 3865 3264 1660

2612 2894 3485 3271 3989 3784

2621 2802 2224 1224 2545 917

2641 2934 3548 2171 2659 937

2714 2810 3486 2738 2329 1712

2789 2753 3442 2628 2490 955

2815 2943 3016 264 3200 873

2871 2904 2237 2242 3558 2253

3475 2547 3231 2852 3568 4008

2120 DP 1396

848 DP 961

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo

(DP) das porcentagens do erro real de previsatildeo do reensaio 1 para o modelo de rede neural 24

Anexos 150

Tabela 21 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 e reensaio 1 fase 4

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (oacutebitos 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Sobrevida da rede neural ()

115 3586 3902 966 3520 184

156 3630 2656 2522 2618 2787

157 3705 3408 573 3568 371

267 3755 2655 2275 3787 084

442 3573 2514 074 3326 691

475 3700 2694 2681 2654 2827

702 3544 2841 1340 3400 406

848 3474 3307 163 3467 020

949 3339 2318 2541 3418 236

1015 3449 2189 3580 3621 499

1166 3423 4085 3937 2635 2303

1269 3461 2367 1221 2628 2405

1272 3343 2669 1854 2688 1960

1408 3427 3006 1015 3269 460

1453 3473 2430 2595 2596 2524

1460 3330 4095 2465 2653 2033

1477 3485 2147 3832 3408 221

1490 3244 2571 1142 2711 1642

1511 3423 2241 1419 2617 2354

1513 3399 3044 1757 3340 175

1525 3429 2770 1913 3093 979

1538 3312 3743 2631 2651 1995

1686 3284 2747 1021 2665 1886

1754 3284 2590 1940 2798 1480

2083 2964 2805 452 2695 906

2477 2973 3974 4052 2622 1182

2481 2780 4055 6439 2873 334

2526 2799 3027 1828 2627 614

2612 2894 2090 2043 3243 1204

2621 2802 2947 1629 2645 562

2641 2934 2247 2293 2654 954

2714 2810 2488 908 2943 474

2789 2753 2727 003 2567 677

2815 2943 2663 935 2620 1096

2871 2904 2831 183 2550 1219

3475 2547 2432 327 2731 724

1848 DP 1410

1124 DP 851

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia das porcentagens e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo do reensaio 1 para o modelo de rede neural 26

Anexos 151

Tabela 22 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 24 reensaio 1 e reensaio 2 fase 5

PREV 04 λ

(vivos ateacute 2012) REENSAIO 1 do modelo de rede neural 24 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 24

(aprendizado 2013 e 2014)

Nuacutemero do

caso

Sobrevida real (em dias)

Sobrevida da rede neural

(em dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural ()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3495 176 3709 344 3241 963

156 3630 3239 882 3041 1623 2523 3049

157 3705 3548 184 3469 637 3513 518

267 3755 2302 3303 3549 549 3513 644

442 3573 2445 206 3568 013 2523 2938

475 3700 3527 418 3370 892 3442 698

702 3544 2756 16 3727 515 2968 1625

848 3474 2628 2183 3547 211 3616 408

949 3339 3309 646 3505 496 3513 521

1015 3449 2166 3648 3637 544 3508 171

1166 3423 3399 1597 3555 386 3363 175

1269 3461 3183 182 3378 240 3628 483

1272 3343 3482 627 3286 171 2867 1424

1408 3427 2435 2721 3403 070 3184 710

1453 3473 3232 151 3458 044 3572 284

1460 3330 4047 2319 4024 2083 3058 817

1477 3485 2236 3574 3498 038 3513 081

1490 3244 3332 148 3511 823 3370 388

1511 3423 3052 1685 3225 579 3096 955

1513 3399 3239 251 3564 484 3130 791

1525 3429 2702 211 3527 284 3518 261

1538 3312 4069 3734 3422 332 3347 106

1686 3284 3821 2492 3304 060 3141 435

1754 3284 2612 1873 3324 120 3014 822

2083 2964 2264 2293 2501 1564 3157 652

2477 2973 4067 4381 3026 155 2404 1913

2481 2780 4062 6464 2827 169 2697 300

2526 2799 3548 3865 3264 1660 2524 983

2612 2894 3485 3271 3989 3784 3183 999

2621 2802 2224 1224 2545 917 3447 2303

2641 2934 3548 2171 2659 937 3334 1365

2714 2810 3486 2738 2329 1712 2523 1020

2789 2753 3442 2628 2490 955 2404 1267

2815 2943 3016 264 3200 873 2208 2497

2871 2904 2237 2242 3558 2253 2871 113

3475 2547 3231 2852 3568 4008 2524 092

2120

DP 1396

848

DP 961

910

DP 787

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-

-padratildeo das porcentagens (DP) do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1

(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo da rede neural para

os pacientes do reensaio 2 (oacutebitos incorporados ateacute 2014) λ PREV modelo de previsatildeo da rede neural para os

pacientes vivos associado ao modelo de aprendizado da rede

Anexos 152

Tabela 23 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 o reensaio 1 e o reensaio 2 fase 5

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 26 (aprendizado

2013 e 2014)

Nuacutemero do

caso

Sobrevida real

(em dias)

Sobrevida da rede neural (em

dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3902 966 3520 184 3274 870

156 3630 2656 2522 2618 2787 2750 2425

157 3705 3408 573 3568 371 3347 968

267 3755 2655 2275 3787 084 3708 126

442 3573 2514 074 3326 691 3740 467

475 3700 2694 2681 2654 2827 2751 2565

702 3544 2841 1340 3400 406 3207 952

848 3474 3307 163 3467 020 2989 1395

949 3339 2318 2541 3418 236 3552 637

1015 3449 2189 3580 3621 499 3352 282

1166 3423 4085 3937 2635 2303 3287 397

1269 3461 2367 1221 2628 2405 2915 1579

1272 3343 2669 1854 2688 1960 3045 892

1408 3427 3006 1015 3269 460 3299 373

1453 3473 2430 2595 2596 2524 2722 2163

1460 3330 4095 2465 2653 2033 4369 3120

1477 3485 2147 3832 3408 221 3472 038

1490 3244 2571 1142 2711 1642 3742 1534

1511 3423 2241 1419 2617 2354 3180 710

1513 3399 3044 1757 3340 175 3054 1015

1525 3429 2770 1913 3093 979 2763 1941

1538 3312 3743 2631 2651 1995 2845 1409

1686 3284 2747 1021 2665 1886 2767 1576

1754 3284 2590 1940 2798 1480 2830 1381

2083 2964 2805 452 2695 906 2813 508

2477 2973 3974 5052 2622 1182 3080 359 2481 2780 4055 6439 2873 334 2980 721

2526 2799 3027 1828 2627 614 3034 838

2612 2894 2090 2043 3243 1204 4367 5090

2621 2802 2947 1629 2645 562 2920 421

2641 2934 2247 2293 2654 954 3095 549

2714 2810 2488 908 2943 474 3998 4227

2789 2753 2727 003 2567 677 2492 947

2815 2943 2663 935 2620 1096 2722 749

2871 2904 2831 183 2550 1219 2887 059

3475 2547 2432 327 2731 724 3103 2183

1848 DP 1410

112 4 DP 851

126 DP 1127

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-padratildeo das porcentagens do erro Hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) das porcentagens Do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 2 (oacutebitos incorporadosateacute 2014) λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associados ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 153

Tabela 24 - Sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo dos melhores modelos de rede neural

Pacientes com oacutebitos confirmados ateacute 2012 Pacientes com oacutebitos natildeo confirmados ateacute 2012 Criteacuterio para o modelo de rede neural (RN)

Intervalo de corte (dias)

Modelo da rede neural

Total de oacutebitos

Verdadeiro Positivo (VP)

Falso Negativo (FN)

Sensibilidade da rede neural

ζ

Modelo de Previsatildeo da RN (Prev)

Total de pacientes vivos

Verdadeiro Negativo (VN)

Falso Positivo (FP)

Especificidade da rede neural δ

Acuraacutecia da rede neural

ξ

Valor Preditivo Positivo (VPP)

π

Valor Preditivo Negativo (VPN)

φ

sobrevida de 2 a 6 anos Log Sig DO-DPC 730 (2 anos) RN13 402 338 64 841 PREV01 300 226 74 753 803 820 779

sobrevida de 2 a 6 anos Log Sig DO-DPC 365 (1 ano) RN13 402 226 176 562 PREV01 300 139 161 463 520 584 441

sobrevida de 2 a 6 anos Log Sig DO-DIS 730 (2 anos) RN20 98 88 10 898 PREV02 51 39 12 765 852 880 796

sobrevida de 2 a 6 anos Log Sig DO-DIS 365 RN20 98 71 27 724 PREV02 51 23 28 451 631 717 460

sobrevida de 2 a 6 anos Tag h DO-DIS 730 (2 anos) RN22 98 88 10 898 PREV03 51 37 14 725 839 863 787

sobrevida de 2 a 6 anos Tag h DO-DIS 365 (1 ano) RN22 98 75 23 765 PREV03 51 22 29 431 651 721 489

sobrevida inferior a 2 anos Tag h DO-DIS 180 (6 meses) RN27 47 33 14 702 PREV06 24 9 15 375 592 688 391

sobrevida inferior a 2 anos Tag h DO-DIS 365 (1 ano) RN27 47 41 6 872 PREV06 24 16 8 667 803 837 727

sobrevida inferior a 2 anos Log Sig DO-DIS 180 (6 meses) RN29 47 33 14 702 PREV07 24 7 17 292 563 660 333

sobrevida inferior a 2 anos Log Sig DO-DIS 365 (1 ano) RN29 47 41 6 872 PREV07 24 15 9 625 789 820 714

sobrevida superior a 6 anos Tag h DO-DPC 730 (2 anos) RN24 186 135 51 726 PREV04 636 355 281 558 596 325 874

sobrevida superior a 6 anos Tag h DO-DPC 1095 (3 anos) RN24 186 173 13 930 PREV04 636 493 143 775 810 547 974

sobrevida superior 6 anos Log Sig DO-DPC 730 (2 anos) RN26 186 135 51 726 PREV05 636 348 288 547 588 319 872

sobrevida superior 6 anos Log Sig DO-DPC 1095 (3 anos) RN26 186 173 13 930 PREV05 636 486 150 764 802 536 974

sobrevida superior 6 anos Tag h DO-DIS 730 (2 anos) RN28 93 63 30 677 PREV08 199 60 139 302 421 312 667

sobrevida superior 6 anos Log Sig DO-DIS 730 (2 anos) RN30 93 63 30 677 PREV09 199 51 148 256 390 299 630

ε Os caacutelculos de sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo para cada modelo de dados da rede neural foram baseados no padratildeo ouro a partir de dois grupos distintos pacientes

falecidos ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural (RN) pacientes sobreviventes ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural para a previsatildeo da sobrevida (PREV) para estes pacientes foi considerada a data da uacuteltima revisatildeo como a data hipoteacutetica de oacutebito para o calculo da sobrevida DO data de oacutebito do paciente DIS data do iniacutecio dos sintomas DPC data da primeira consulta Tag h funccedilatildeo de transferecircncia ou ativaccedilatildeo tangente hiperboacutelica Log Sig funccedilatildeo de transferecircncia ou ativaccedilatildeo zero based log sigmoid funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural ζ Sensibilidade da rede neural = VP (VP + FN) δ Especificidade da rede neural = VN (VN + FP) ξ Acuraacutecia da rede neural = (VP + VN) (VP+FP+VN+FN) π Valor preditivo positivo da rede neural = VP (VP + FP) φ Valor preditivo negativo da rede neural = VN (VN + FN)

Anexos 154

Tabela 25 ndash Avaliaccedilatildeo dos melhores modelos de rede neural com o emprego da funccedilatildeo de perda

Caracteriacutesticas do modelo de rede neural Modelo de rede neural (RN)

Tamanho da

amostra (TAP) φ

Erro meacutedio estimado com a

funccedilatildeo de perdapara

(dias)

Erro meacutedio estimado com a funccedilatildeo de perda quadraacutetica (dias)

sobrevida de 2 a 6 anos Log Sig sect

(DO - DPC) RN13 402 38931 25453684

sobrevida de 2 a 6 anos Log Sig sect

(DO - DIS) RN20 98 25906 18176135

sobrevida de 2 a 6 anos Tag hip sect

(DO - DIS) RN22 98 23161 18081308

sobrevida superior a 6 anos Tag hip sect (DO - DPC) RN24 186 33255 27277589

sobrevida superior a 6 anos Log Sig sect

(DO - DPC) RN26 186 29388 334004

sobrevida inferior a 2 anos Tag hip sect

(DO - DIS) RN28 47 13307 5598847

sobrevida inferior a 2 anos Log Sig sect (DO - DIS)

RN30 47 12695 5223339

sect funccedilatildeo de ativaccedilatildeo ou transferecircncia tangente hiperboacutelica (Tag hip) ou zero based log sigmoid (Log Sig) funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural

DO data do oacutebito DPC data da consulta inicial DIS data do iniacutecio dos sintomas

φ TAP tamanho da amostra de treinamento ou previsatildeo

para Funccedilatildeo de perda absoluta = somatoacuteria (|sobrevida real-sobrevida estimada|) de cada paciente nuacutemero de pacientes

8 Referecircncias Bibliograacuteficas

Referecircncias Bibliograacuteficas 156

Aaronson KD Schwartz JS Chen TM Wong Kl Goin JE Mancini DM Development and prospective validation of a clinical index to predict survival in ambulatory patients referred for cardiac transplant evaluation Circulation 1997 Jun 95(12)2660-7 Abdul-Rahim AH MacIsaac RL Jhund P Petrie MC Lees KR McMurray JJV On behalf the VICCTA-Heart Failure Collaborators Efficacy and safety of digoxin in patients with heart failure and reduced ejection fraction according to diabetes status An analysis of the Digitalis Investigation Group (DIG) trial Int J Cardiol 2016 Feb209310-316 doi101016jijcard201602074 Abebe TB Gebreyohannes EA Bhagavathula AS Tefera YG Abegaz TM Anemia in severe heart failure patients does it predict prognosis BMC Cardiovasc Disord 2017 Sep17(1)248 doi101186s12872-017-0680-5 Abraham WT Fonarow GC Albert NM Stough WG Gheorghiade M Greenberg BH et al OPTIMIZE-HF Investigators and Coordinators Predictors of in-hospital mortality in patients hospitalized for heart failure insights from the Organized Program to Initiate Lifesaving Treatment in Hospitalized Patients with Heart Failure (OPTIMIZE-HF) J Am Coll Cardiol 2008 Jul52(5)347-56 doi 01016jjacc200804028 Acanfora D Gheorghiade M Trojano L Furgi G Pasini E Picone C et al Relative lymphocyte count a prognostic indicator of mortality in elderly patients with congestive heart failure Am Heart J 2001 Jul 142(1)167-73 PMID11431674 Addetia K Michel C Holcroft CA Sheppard R Rudski LG Early improvement in serial echocardiographic studies in heart failure patients predicts long term survival-a pilot study J Card Fail 2015 Jun21(6)470-8 doi 101016 jcardfail 201504002 Afsarmanesh N Horwich TB Fonarow GC Total cholesterol levels and mortality risk in nonischemic systolic heart failure Am Heart J 2006 Dec152(6)1077-83 doi10 1016jahj200606015 Ahmed FE Artificial neural networks for diagnosis and survival prediction in colon cancer Mol Cancer 2005 Aug429 doi1011861476-4598-4-29 Ahmed A Rich MW Love TE Lloyd-Jones DM Aban IB Colucci WS et al Digoxin and reduction in mortality and hospitalization in heart failure a comprehensive post hoc analysis of the DIG trial Eur Heart J 2006a Jan 27(2)178-86 doi101093eurheartjehi687 Ahmed A Aronow WS Fleg JL Predictors of mortality and hospitalization in women with heart failure in the Digitalis Investigation Group trial Am J Ther 2006 b Jul-Ago 13(4) 325-31 PMID16858168 Ahmed A Zannad F Love TE Tallaj J Gheorghiade M Ekundayo OJ Pitt B A propensity-matched study of the association of low serum potassium levels and mortality in chronic heart failure Eur Heart J 2007 Jun28 (11)1334-43 doi10 1093eurheartjehm091

Referecircncias Bibliograacuteficas 157

Alla F Brianccedilon S Juilliegravere Y Mertes PM Villemot JP Zannad F Differential clinical prognostic classifications in dilated and ischemic advanced heart failure the EPICAL study Am Heart J 2000 May139(5)895-904 doi101016S0002-8703(00)90023-1 Albuquerque DC Neto JD Bacal F Rohde LE Bernardez-Pereira S Berwanger O et al Investigadores Estudo BREATHE I Brazilian registry of heart failure - Clinical aspects care quality and hospitalization outcomes Arq Bras Cardiol 2015 Jun104(6)433-42 Erratum in Correction [Arq Bras Cardiol 2015] doi 10 5935 abc20150031 Ambroacutesio PE Redes neurais artificiais no apoio ao diagnoacutestico diferencial de lesotildees intersticiais pulmonares [dissertaccedilatildeo] Ribeiratildeo Preto Universidade de Satildeo Paulo Faculdade de Filosofia Ciecircncias e Letras 2002 Disponiacutevel em wwwtesesuspbrtesesdisponiveis5959135tde-26102002-155559Dissertacaopdf Anand I McMurray JJ Whitmore J Warren M Pham A McCamish MA et al Anemia and its relationship to clinical outcome in heart failure Circulation 2004 Jul110(2)149-54 doi10116101CIR00001342797957173 Anand IS Kuskowski MA Rector TS Florea VG Glazer RD Hester A et al Anemia and change in hemoglobin over time related to mortality and morbidity in patients with chronic heart failure results from Val-HeFT Circulation 2005 Aug112(8)1121-7 doi101161 CIRCULATIONAHA104512988 Anand IS Anemia and chronic heart failure implications and treatment options J Am Coll Cardiol 2008 Aug52(7)501-11 doi101016jjacc200804044 Anker SD Ponikowski P Varney S Chua TP Clark AL Webb-Peploe KM et al Wasting as independent risk factor for mortality in chronic heart failure Lancet1997 Apr349(9058)1050-3 doi 10 1016S0140-6736(96)07015-8 Anker SD Negassa A Coats AJ Afzal R Poole-Wilson PA Cohn JN et al Prognostic importance of weight loss in chronic heart failure and the effect of treatment with angiotensin ndash converting - enzyme inhibitors an observational study Lancet 2003 Mar361(9363)1077-83 doi101016S0140-6736(03)12892-9 Assunccedilatildeo F Estrateacutegias para tratamento de variaacuteveis com dados faltantes durante o desenvolvimento de modelos preditivos [mestrado] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2012 doi1011606D712010tde-21062010-100432 Recuperado em 2017-01-18 de wwwtesesuspbr Astion ML Wilding P The application of backpropagation neural networks to problems in pathology and laboratory medicine Arch Pathol Lab Med1992 Oct 116(10)995-1001 PMID1417451 Barker WH Mullooly JP Getchell W Changing incidence and survival for heart failure in a well-defined older population 1970-1974 and 1990-1994 Circulation 2006 Fev113(6)799-805 doi101161CIRCULATIONAHA104492133

Referecircncias Bibliograacuteficas 158

Bartosch-Haumlrlid A Andersson B Aho U Nilsson J Andersson R Artificial neural networks in pancreatic disease Br J Surg 2008 Jul95(7)817-26 doi101002 bjs 6239 Baxt WG Use of an artificial neural network for the diagnosis of myocardial infarction Ann Intern Med 1991 Jan115(11)843-8 PMID 1952470 Erratum in Ann Intern Med 1992116(1)94 doi1073260003-4819-115-11-843 Baxt WG Application of artificial neural networks to clinical medicine Lancet 1995 Oct 346(8983)1135-8 PMID 7475607 Baxt WG Skora J Prospective validation of artificial neural network trained to identify acute myocardial infarction Lancet 1996 Jan347(8993)12-5 PMID 8531540 Bestetti RB Dalbo CM Freitas OC Teno LA Castilho OT Oliveira JS Noninvasive predictors of mortality for patients with Chagasrsquo heart disease a multivariate stepwise logistic regression study Cardiology 1994 Nov84(4-5)261-7 doi1011590001 76409 Bestetti RB Muccillo G Clinical course of Chagasrsquoheart disease a comparison with dilated cardiomyopathy Int J Cardiol 1997 Jul60(2)187-93 PIMD 9226290 Bestetti RB Otaviano AP Cardinalli-Neto Rocha BF Theodoropoulos TA Cordeiro JA Effects of B-Blockers on outcome of patients with Chagasrsquo cardiomyopathy with chronic heart failure Int J Cardiol 2011 Sep115205-208 doi101016jijcard 201005033 Bestetti RB Daniel RAF The treatment of chronic heart failure secondary to Chagas cardiomyopathy in the contemporary era International Cardiovascular Forum Journal 2016vol719-25 doi1017987icfjv7i0217 Bielecka-Dabrowa A Mikhailidis DP Jones L Rysz J Aronow WS Banach M The meaning of hypokalemia in heart failure Int J Cardiol 2012 Jun158(1) 12-7 doi 10 1016jijcard201106121 Bocchi EA Cruz F Guimaratildees G Pinho Moreira LF Issa VS Ayub-Ferreira SM et al Long-term prospective randomized controlled study using repetitive education at six-month intervals and monitoring for adherence in heart failure outpatients the REMADHE trial Circ Heart Fail 2008 Jul1(2)115-124 doi 101161CIRCHEARTFAILURE107744870 Bocchi EA Marcondes-Braga FG Ayub-Ferreira SM Rohde LE Oliveira WA Almeida DR et al Sociedade Brasileira de Cardiologia III Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica Arq Bras Cardiol 200993 (1supl1)1-71 doi101590S0066-782X2009002000001

Referecircncias Bibliograacuteficas 159

Bocchi EA Marcondes-Braga FG Bacal F Ferraz AS Albuquerque D Rodrigues D et al Sociedade Brasileira de Cardiologia Atualizaccedilatildeo da Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica-2012 Arq Bras Cardiol 2012 Jan 98(1 supl 1)1- 33 Bocchi EA Arias A Verdejo H Diez M Goacutemez E Castro P Interamerican Society of Cardiology The reality of heart failure in Latin America J Am Coll Cardiol 2013 Sep62(11)949-58 doi101016jjacc201306013 Bocchi EA Bestetti RB Scanavacca MI Neto EC Issa VS Chronic Chagas heart disease management From etiology to cardiomyopathy treatment J Am Coll Cardiol 2017 Sep70(12)1510-24 doi101016jjacc201708004 Boumlhm M Swedberg K Komajda M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Heart rate as a risk factor in chronic heart failure (SHIFT) the association between heart rate and outcomes in a randomised placebo -controlled trial Lancet 2010 Sep376(9744) 886-94 doi101016S0140-6736(10) 61259-7 Braunwald E Biomarkers in heart failure N Engl J Med 2008 May 358(20) 2148-59 doi101056NEJMra0800239 Burnett H Earley A Voors AA Senni M McMurray JJ Deschaseaux C et al Thirty years of evidence on the efficacy of drug treatments for chronic heart failure with reduced ejection fraction a network meta-analysis Circ Heart Fail 2017 Jan10 (1)pii e003529 doi 101161CIRCHEARTFAILURE116003529 Buskard T Stevenson M Frize M Solven F Estimation of ventilation length of stay and mortality using artificial neural networks Conf Proc Electrical and Computer Engineering 1994 Canada September 25-28 1994 IEEEXplore 2002 doi 101109CCECE1994405854 Bustamante-Teixeira MT Faerstein E Latorre MR Teacutecnica de anaacutelise de sobrevida Cad Sauacutede Puacuteblica 2002 May-Jun Rio de Janeiro18(3)579-594 doi101590S 0102-311X2002000300008 Carlo CH Cardoso JN Ochia ME Oliveira Junior MT Ramires JA Pereira-Barretto AC Temporal variation in the prognosis and treatment of advanced heart failure - before and after 2000 Arq Bras Cardiol 2014 May102(5)495-504 PMID 24759950 Castro LN Anaacutelise e siacutentese de estrateacutegias de aprendizado para redes neurais artificiais [dissertaccedilatildeo] Campinas Universidade Estadual de Campinas Faculdade de Engenharia Eleacutetrica e de Computaccedilatildeo 1998 Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubentheseslnunes_ mestindicepdf

Referecircncias Bibliograacuteficas 160

Castro FCC de Castro MC Redes Neurais Artificiais Pontifiacutecia Universidade Catoacutelica do Rio Grande do Sul Capiacutetulo 2 Processos de aprendizado [citado 10 Nov 2016] p1-23 Disponiacutevel em wwwpolitecnica pucrsbr~decastro pdf RNA_C2pdf Charach G Grosskopf I Roth A Afek A Wexler D Sheps D et al Usefulness of total lymphocyte count as predictor of outcome in patients with chronic heart failure Am J Cardiol 2011 May 107 (9) 1353-6 doi101016jamjcard201012049 Chizzola PR Mansur AJ da Luz PL Bellotti G Compliance with pharmacological treatment in outpatients from a Brazilian cardiology referral center Sao Paulo Med J 1996 Sep-Oct114(5)1259-64 doi101590S1516-31801996000500004 Christ M Klima T Grimm W Mueller HH Maisch B Prognostic significance of serum cholesterol levels in patients with idiopathic dilated cardiomyopathy Eur Heart J 2006 Mar27(6)691-9 doi101093eurheartjehi195 Cintron G Jonhson G Francis G Cobb F Cohn JN Prognostic significance of serial changes in left ventricular ejection fraction in patients with congestive heart failure The V-HeFT VA Cooperative Studies Group Circulation 1993 Jun87(6Suppl)VI17-23 PMID 8500235 Cohn JN Archibald DG Ziesche S Franciosa JA Harston WE Tristani FE et al Effect of vasodilator therapy on mortality in chronic congestive heart failure Results of a Veterans Administration Cooperative Study N Engl J Med 1986 Jun314 (24) 1547-52 doi101056NEJM198606123142404 Cohn JN Archibald DG Francis GS Ziesche S Franciosa JA Harston WE et al Veterans Administration Cooperative Study on Vasodilator Therapy of Heart Failure Influence of prerandomization variables on the reduction of mortality by treatment with hydralazine and isosorbide dinitrate Circulation 1987 May75(5 Pt 2)IV49-54 PMID 3552302 Cohn JN Rector TS Prognosis of congestive heart failure and predictors of mortality Am J Cardiol 1988 Jul62(2)25A-30A doi 101016 S0002-9149(88) 80081-X Cox DR Regression Models and Life-Tables J R Stat Soc Series B Stat Methodol Vol 34 No 2 (1972) p187-220 Cowie MR Wood DA Coats AJ Thompson SG Suresh V Poole-Wilson PA et al Survival of patients with a new diagnosis of heart failure a population based study Heart 2000 May83(5)505-10 doi101136heart 835505 Cross SS Harrison RF Kennedy RL Introduction to neural networks Lancet 1995 Oct346(8982)1075-9 PMID7564791

Referecircncias Bibliograacuteficas 161

Das A Ben-Menachem T Farooq FT Cooper GS Chak A Sivak MV Jr et al Artificial neural network as a predictive instrument in patients with acute nonvariceal upper gastrointestinal hemorrhage Gastroenterology 2008 Jan134 (1)65-74 doi101053jgastro200710037 Damman K Valente MA Voors AA OConnor CM van Veldhuisen DJ Hillege HL Renal impairment worsening renal function and outcome in patients with heart failure an updated meta-analysis Eur Heart J 2014 Fev35(7)455-69 doi 101093 eurheartjeht386 Davos CH Doehner W Rauchhaus M Cicoira M Francis DP Coats AJ et al Body mass and survival in patients with chronic heart failure without cachexia The importance of obesity J Cardiac Fail 2003 Fev9(1)29-35 doi10 1054 jcaf20034 Diaz A Bourassa MG Guertin MC Tardif JC Long-term prognostic value of resting heart rate in patients with suspected or proven coronary artery disease Eur Heart J 2005 Mar26(10)967-74 doi101093eurheartjehi190 Doehner W Critical appraisal of the obesity paradox in cardiovascular disease how to manage patients with overweight in heart failure Heart Fail Rev 2014 Sep 19(5)637-44 doi101007s10741-014-9425-z Dries DL Exner DV Domanski MJ Greenberg B Stevenson LW The prognostic implications of renal insufficiency in asymptomatic and symptomatic patients with left ventricular systolic dysfunction J Am Coll Cardiol 2000 Mar35(3)681-9 doi10 1016S0735-1097(99)00608-7 Ennett CM Frize M Walker CR Influence of missing values on artificial neural network performance Stud Health Technol Inform 200184(Pt 1)449-53 doi 10 3233978-1-60750-928-8-449 Ennett CM Frize M Charette E Improvement and automation of artificial neural networks to estimate medical outcomes Med Eng Phys 2004 May26(4)321-328 doi101016jmedengphy200309005 Ennett CM Frize M Wlaker R Imputation of missing values by integrating neural networks and case-based reasoning Conf Proc IEEE Eng Med Biol Soc 200820084337-41 Proferida na 30th Annual International IEEE EMBS Conference Vancouver British Columbia Canada August 20-24 2008 doi101109 IEMBS 20084650170 Espinosa R Carrasco HA Belandria F Fuenmayor AM Molina C Gonzaacutelez R et al Life expectancy analysis in patients with Chagasrsquo disease prognosis after one decade (1973-1983) Int J Cardiol 1985 May8(1)45-56 PMID 3997291 Ezekowitz JA McAlister FA Armstrong PW Anaemia is common in heart failiure and is associated with poor outcomes insights from a cohort of 12065 patients with new-onset heart failure Circulation 2003 Jan107(2)223-225 doi101161 01 CIR00 00 0526 2251963FC

Referecircncias Bibliograacuteficas 162

Fogel DB Wasson EC 3rd Boughton EM Evolving neural networks for detecting breast cacircncer Cancer Lett 1995 Sep96(1)49-53 PMID 7553607 Fonarow GC Adams KF Jr Abraham WT Yancy CW Boscardin WJ ADHERE Scientific Advisory Committee Study Group and Investigators Risk stratification for in-hospital mortality in acutely decompensated heart failure classification and regression tree analysis JAMA 2005 Feb293(5)572-80 doi 101001 jama 2935572 Fonarow GC Srikanthan P Costanzo MR Cintron GB Lopatin M ADHERE Scientific Advisory Committee and Investigators An obesity paradox in acute heart failure analysis of body mass index and inhospital mortality for 108927 patients in the Acute Decompensated Heart Failure National Registry Am Heart J 2007a Jan153(1)74-81 doi101016jahj200609007 Fonarow GC Heywood JT Heidenreich PA Lopatin M Yancy CW ADHERE Scientific Advisory Committee and Investigators Temporal trends in clinical characteristics treatments and outcomes for heart failure hospitalizations 2002 to 2004 findings from Acute Decompensated Heart Failure National Registry (ADHERE) Am Heart J 2007b Jun153(6)1021-8 doi101016jahj200703012 Franke J Zugck C Hochadel M Hack A Frankenstein L Zhao JD et al Etiology-specific assessment of predictors of long-term survival in chronic systolic heart failure Int J Cardiol Heart Vasc 2015 Feb761-68 doi101016jijcha 2015 01015e Collection 2015 Jun 1 Freitas HFG Prognoacutestico em portadores de insuficiecircncia cardiacuteaca encaminhados para avaliaccedilatildeo de tratamento ciruacutergico [tese] Satildeo Paulo Universidade de Satildeo Paulo Faculdade de Medicina 2002 doi1011606 T52002tde-19082014-100741 Disponiacutevel em http wwwtesesuspbr Freitas HFG Chizzola PR Paes AT Lima AC Mansur AJ Risk stratification in a Brazilian hospital - based cohort of 1220 outpatients with heart failure role of Chagasheart disease Int J Cardiol 2005 Jul102(2)239-47 doi101016jijcard 2004 05025 Freitas HFG Barbosa EA Rosa FHFP Lima ACP Mansur AJ Association of HDL cholesterol and triglycerides with mortality in patients with heart failure Braz J Med Biol Res 2009 May42(5)420-425 doi101590S0100-879X2009000500004 Frize M Ennett CM Charette E Automated optimization of neural networks in estimating medical outcomes Proc 3rd IEEE ITAB-ITIS Conference Information Technology Applications in Biomedicine and International Telemedical Information Society 2000168-73 Frize M Ennett CM Stevenson M Trigg HC Clinical decision support systems for intensive care units using artificial neural networks Med Eng Phys 2001 23217-25 doiorg101016S1350-4533(01)00041-8

Referecircncias Bibliograacuteficas 163

Gerber Y Weston SA Redfield MM Chamberlain AM Manemann SM Jiang R et al A contemporary appraisal of the heart failure epidemic in Olmsted County Minnesota 2000 to 2010 JAMA Intern Med 2015 Jun 175(6)996-1004 doi101001jamainternmed20150924 Gheorghiade M Filippatos G Reassessing treatment of acute heart failure syndromes the ADHERE Registry Eur Heart J Suppl 2005 Apr7(suppl B)B13-B19 doi101093eurheartjsui008 Gheorghiade M Patel K Filippatos G Anker SD van Veldhuisen DJ Cleland JG et al Effect of oral digoxin in high-risk heart failure patients a pre-specified subgroup analysis of the DIG trial Eur J Heart Fail 2013 May15(5)551-9 doi101093eurjhfhft010 Godoy HL Silveira JA Segalla E Almeida DR Hospitalization and Mortality rates for heart failure in public hosptitals in Satildeo Paulo Arq Bras Cariol 2011 Nov97(5)402-7 doi101590S0066-782X2011005000096 Go AS Yang J Ackerson LM Lepper K Robbins S Massie BM et al Hemoglobin level chronic kidney disease and the risks of death and hospitalization in adults with chronic heart failure the Anaemia in Chronic Heart Failure Outcomes and Resource Utilization (ANCHOR) Study Circulation 2006 Jun113(23)2713-3 doi101161CIRCULATIONAHA105577577 Gradman A Deedwania P Cody R Massie B Packer M Pitt Bet al Predictors of total mortality and sudden death in mild to moderate heart failure Captopril-Digoxin Study Group J Am Coll Cardiol 1989 Sep14564-570 PMID 2768707 Grossi E How artificial intelligence tools can be used to assess individual patient risk in cardiovascular disease problems with the current methods BMC Cardiovasc Disord 2006 May620 doi1011861471-2261-6-20 Guidi G Pettenati MC Melillo P Iadanza E A machine learning system to improve heart failure patient assistance IEEE J Bioimed Health Inform 2014 Nov18(6)1750-6 doi101109JBHI20142337752 Guimaratildees AM Mathias IM Dias AH Ferrari JW Cazelatto Junior CDO Modulo de validaccedilatildeo cruzada para treinamento de redes neurais artificiais com algoritmos back propagation e resilient propagation Publ UEPG Exact Earth Sci Agr Sci Eng Ponta Grossa 14 (1) 17-24 abr 2008 doi 105212 Publ Exatasv 14i1 017024 Disponiacutevel em httpdxdoiorg105212Publ Exatasv14i1017024 Haykin S Neural Networks A Comprehensive Foundation Chapter Multilayer preceptrons p178 New Jersey Prentice-Hall Inc 1999[cited 2009 ] Available from httpcdnpreterhumannetneuralnetworks

Referecircncias Bibliograacuteficas 164

Hecht-Nielsen R Theory of the backpropagation neural network Proceedings of the international joint conference on neural networks 1 p593-611 June 1989 doi101016B978-0-12-741252-8500108 Hjalmarson A Goldstein S Fagerberg B Wedel H Waagstein F Kjekshus Jet al Effects of controlled -release metoprolol on total mortality hospitalizations and well-being in patients with heart failure the Metoprolol CRXL Randomized Intervention Trial in congestive heart failure (MERIT-HF) MERIT-HF Study Group JAMA 2000 Mar 283 (10) 1295-302 doi 101001jama283101295 Horwich TB Fonarow GC Hamilton MA MacLellan WR Woo MA Tillisch JH The relationship between obesity and mortality in patients with heart failure J Am Coll Cardiol 2001 Sep38(3)789-95 PMID 11527635 Horwich TB Hamilton MA Maclellan WR Fonarow GC Low serum total cholesterol is associated with marked increase in mortality in advanced heart failure J Card Fail 2002 Aug8(4)216-24 PMID 12397569 Horwich TB Hernandez AF Dai D Yancy CW Fonarow GC Cholesterol levels and in-hospital mortality in patients with acute decompensated heart failure Am Heart J 2008 Dec156(6)1170-6 doi101016jahj200807004 Huehnergarth KV Mozaffarian D Sullivan MD Crane BA Wilkinson CW Lawler RL et al Usefulness of relative lymphocyte count as an independent predictor of deathurgent transplant in heart failure Am J Cardiol 2005 Jun95(12)1492-5 doi101016jamjcard200502022 Hunt SA Baker DW Chin MH Cinquegrani MP Feldman AM Francis GS et al ACCAHA guidelines for the evaluation and management of chronic heart failure in the adult executive summary a report of the American College of CardiologyAmerican Heart Association Task Force on Practice Guidelines (Committee to Revise the 1995 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2001 Dec38(7)2101-13 doi101016S0735-1097(01)01683-7 Hunt SA American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) ACCAHA 2005 guideline update for the diagnosis and management of chronic heart failure in the adult a report of the American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2005 Sep46(6)e1-82 Erratum in J Am Coll Cardiol 2006 Apr47(7)1503-1505 doi101016jjacc200508022 Hsiao SH Chiou KR Left atrial expansion index predicts all-cause mortality and heart failure admissions in dyspnoea Eur J Heart Fail 2013 Nov15(11)1245-52 doi101093eurjhfhft087

Referecircncias Bibliograacuteficas 165

Issa VS Amaral AF Cruz FD Ferreira SM Guimaratildees GV Chizzola PR et al B-blocker therapy and mortality of patients with Chagas cardiomyopathy a sub analysis of the REMADHE prospective trial Circ Heart Fail 2010 Jan3(1)82-88 doi101161CIRCHEARTFAILURE109882035 James PA Oparil S Carter BL Cushman WC Dennison-Himmelfarb C Handler J et al 2014 Evidence-based guideline for the management of high blood pressure in adults report from the Panel Members appointed to the eighth joint national committee (JNC 8) JAMA 2014 Feb 311(5)507-520 doi101001jama2013284427 Kaambwa B Bryan S Billingham L Do the methods used to analyse missing data really matter An examination of data from an observational study of Intermediate Care patients BMC Res Notes 2012 Jun5330 doi1011861756-0500-5-330 Kajimoto K Minami Y Sato N Takano T Investigators of the Acute Decompensated Heart Failure Syndromes (ATTEND) registry Serum sodium concentration blood urea nitrogen and outcomes in patients hospitalized for acute decompensated heart failure Int J Cardiol 2016 Nov222195-201 doi 10 1016jijcard201607255 Kalantar-Zadeh K Block G Horwich T Fonarow GC Reverse epidemiology of conventional cardiovascular risk factors in patients with chronic heart failure J Am Coll Cardiol 2004 Apr43(8)1439-44 doi101016jjacc200311039 Kang J Park JJ Cho YJ Oh IY Park HA Lee SE et al Predictors and prognosis value of worsening renal function during admission in HFpEF versus HFrEF data from the KorAHF J Am Heart Assoc 2018 Mar7(6)piie007910 doi101161JAHA117007910 Kannel WB Epidemiology and prevention of cardiac failure Framingham Study insights Eur Heart J 1987 Sep8 Suppl F23-6 PMID 3665963 doi101093 eurheartj 8 suppl_F23 Kaplan EL Meier P Nonparametric estimation from incomplete observations J Am Stat Assoc 1958 Jun53(282)457-481 doi 10 23072281868 Kaufman R Azevedo VMP Xavier RMA Geller M Chaves RBM Castier MB Evolution of heart failure-related hospital admissions and mortality rates a 12-year analysis Int J Cardiovasc Sci 2015 Sep28(4)276-28 doi 1059352359-480220150040 Kenchaiah S Evans JC Levy D Wilson PW Benjamin EJ Larson MG et al Obesity and the risk of heart failure N Engl J Med 2002 Aug 347 (5)305-13 doi101056NEJMoa020245 Kenchaiah S Vasan RS Heart Failure in Women--Insights from the Framingham Heart Study Cardiovasc Drugs Ther 2015 Aug29(4)377-90 doi 101007s10557-015-6599-0

Referecircncias Bibliograacuteficas 166

Keogh AM Baron DW HickieJB Prognostic guides in patients with idiopathic or ischemic dilated cardiomyopathy assessed for cardiac transplantation Am J Cardiol1990 Apr65(13)903-8 PMID2138849 Khan MG Cardiac drug therapy 8th ed Humana Press 2015 p31[cited 2015] Available from httprudiaptfileswordpresscom201711cardiac-drug-therapy-8th-ed-2015-pdf Kjekshus J Apetrei E Barrios V Boumlhm M Cleland JGF Cornel JH et al CORONA Group Rosuvastatin in older patients with systolic heart failure N Engl J Med 2007 Nov 357(22)2248-61 doi101056NEJMoa0706201 Klein L OConnor CM Leimberger JD Gattis-Stough W Pintildea IL Felker GM et al OPTIME-CHF Investigators Lower serum sodium is associated with increased short-term mortality in hospitalized patients with worsening heart failure results from the Outcomes of a Prospective Trial of Intravenous Milrinone for Exacerbations of Chronic Heart Failure (OPTIME-CHF) study Circulation 2005 May111(19)2454-60 doi101161 01CIR 0000165065 82609 3D Krittanawong C Zhang H Wang Z Aydar M Kitai T Artificial intelligence in precision cardiovascular medicine J Am Coll Cardiol 2017 May69(21)2657-2664 doi101016jjacc201703571 Krumholz HM Seeman TE Merrill SS Mendes de Leon CF Vaccarino V Silverman DI et al Lack of association between cholesterol and coronary heart disease mortality and morbidity and all-cause mortality in persons older than 70 years JAMA 1994 Nov272(17)1335-40 doi 101001jama 1994 03520170045034 Kyriakou M Kiff PF Prognosis of the comorbid heart failure and anaemia a systematic review Clin Trials Regul Sci Cardiol 2016 Jul 1612 -21 doi101016jctrsc201601008 Lang RM Bierig M Devereux RB Flachskampf FA Foster E Pellikka PA et al Recommendations for chamber quantification a report from the American Society of Echocardiography`s guidelines and standards committee and the chamber quantification writing group developed in conjunction with the European Association of Echocardiography a branch of the European Society of Cardiology J Am Soc Echocardiogr 2005 Dec181440-1463 doi101016jctrsc 201601008 Lee DS Austin PC Rouleau JL Liu PP Naimark D Tu JV Predicting mortality among patients hospitalized for heart failure derivation and validation of a clinical model JAMA 2003 Nov290(19)2581-7doi101001jama290192581 Lee WH Packer M Prognostic importance of serum sodium concentration and its modification by converting-enzyme inhibition in patients with severe chronic heart failure Circulation 1986 Fev73(2)257-67 PMID3002660

Referecircncias Bibliograacuteficas 167

Levy WC Mozaffarian D Linker DT Sutradhar SC Anker SD Cropp AB et al The Seattle Heart Failure Model prediction of survival in heart failure Circulation 2006 Mar113(11)1424-33 doi 101161 CIRCULATIONAHA 105584102 Lewis EF Moye LA Rouleau JL Sacks FM Arnold JM Warnica JW et al CARE Study Predictors of late development of heart failure in stable survivors of myocardial infarction the CARE study J Am Coll Cardiol 2003 Oct42(8)1446-53 PMID 14563590 Likoff MJ Chandler SL Kay HR Clinical determinants of mortality in chronic congestive heart failure secondary to idiopathic dilated or to ischemic cardiomyopathy Am J Cardiol 1987 Mar59(6)634-8 PMID 3825904 Lisboa PJ A review of evidence of health benefit from artificial neural networks in medical intervention Neural Netw 2002 Jan15(1)11-39 PMID11958484 Lisboa PJ Taktak AFG The use of an artificial neural network in decision support in cancer a systematic review Neural Netw 2006 May19(4)408-15 doi101016j neunet200510007 Little RJ DrsquoAgostino R Cohen M Dickersin K Emerson SS Farrar JT et al The prevention and treatment of missing data in clinical trials N Engl J Med 2012 Oct 367(14) 1355-1360 doi101056NEJMsr1203730 Lundin M Lundin J Burke HB Toikkanen S Pylkkaumlnen L Joensuu H Artificial neural networks applied to survival prediction in breast cancer Oncology 1999 Nov57(4)281-6 doi101159000012061 MacIntyre K Capewell S Stewart S Chalmers JW Boyd J Finlayson A et al Evidence of improving prognosis in heart failure trends in case fatality in 66547 patients hospitalized between 1986 and 1995 Circulation 2000 Sep102(10)1126-31 PMID 10973841 Mahmood SS Levy D Vasan RS Wang TJ The Framingham Heart Study and the epidemiology of cardiovascular diseases a historical perspective Lancet 2014 Mar 383(9921)999ndash1008 doi 101016S0140-6736(13)61752-3 McKee PA Castelli WP McNamara PM Kanel WB The natural history of congestive heart failure the Framingham study N Engl J Med 1971 Dec 285 (26) 1441-1446 doi101056NEJM197112232852601 McManus DD Shah SJ Fabi MR Rosen A Whooley MA Schiller NB Prognostic value of left ventricular end-systolic volume index as a predictor of heart failure hospitalization in stable coronary artery disease data from the Heart and Soul Study J Am Soc Echocardiogr 2009 Fev22(2)190-7 doi 101016jecho200811005

Referecircncias Bibliograacuteficas 168

McMurray JJ Packer M Desai AS Gong J Lefkowitz MP Rizkala AR et al PARADIGM-HF Investigators and Committees Angiotensin-neprilysin inhibition versus enalapril in heart failure N Engl J Med 2014 Sep 371(11)993-1004 doi 101056NEJMoa 1409077 Mady C Cardoso RH Barretto AC da Luz PL Bellotti G Pileggi F Survival and predictors of survival in patients with congestive heart failure due to Chagasrsquo cardiomyopathy Circulation 1994 Dec90(6)3098-3102 doi 10116101CIR9063098 Maraldi C Volpato S Cesari M Onder G Pedone C Woodman RC et al Investigators of the Gruppo Italiano di Farmacoepidemiologia nellrsquoAnziano Study Anemia physical disability and survival in older patients with heart failure J Card Fail 2006 Sep12(7)533-9 doi101016 jcardfail 2006 05002 Marccedilula M Cuoco MAR Yamada ATY De Paula RS UemuraRT Barretto ACP Mansur AJ Comparison of prognostic variables between two cohorts of outpatients with heart failure in the last two decades Paris European Heart Jo0urnal (Abstract Supplement) (2011)32459 Marccedilula M de Souza Buto MF Madaloso BA Nunes RA Cuoco MA de Paula RS et al Lymphocyte count and prognosis in patients with heart failure Int J Cardiol 2015 Jun18860-2 doi 10 1016 j ijcard 201504043 Maron BJ Towbin JA Thiene G Antzelevitch C Corrado D Arnett D et al American Heart Association Council on Clinical Cardiology Heart Failure and Transplantation Committee Quality of Care and Outcomes Research and Functional Genomics and Translational Biology Interdisciplinary Working Groups Council on Epidemiology and Prevention Circulation 2006 Apr 113(14)1807-16 doi 101161 CIRCULATIONAHA 10617428 Merlo M Pyxaras SA Pinamonti B Barbati G Di Lenarda A Sinagra G Prevalence and prognostic significance of left ventricular reverse remodeling in dilated cardiomyopathy receiving tailored medical treatment J Am Coll Cardiol 2011Mar57(13)1468-76 doi101016jjacc201011030 Miller DD Brown EW Artificial intelligence in medical practice The question to the answer Am J Med 2018 Fev131(2)129ndash133 doi 101016 jamjmed201710 03 5 Milo-Cotter O Cotter G Weatherley BD Adams KF Kaluski E Uriel N et al Hyponatraemia in acute heart failure is a marker of increased mortality but not when associated with hyperglycaemia Eur J Heart Fail 2008 Jan10(2)196-200 doi101016jejheart200801008 Moutinho MA Colucci FA Alcoforado V Tavares LR Rachid MB Rosa ML et al Heart failure with preserved ejection fraction and systolic dysfunction in the community Arq Bras Cardiol 2008 Fev90 (2)132-7 doi101590S0066-782X2008000200011

Referecircncias Bibliograacuteficas 169

Myers J de Souza CR Borghi-Silva A Guazzi M Chase P Bensimhon Det al A neural network approach to predicting outcomes in heart failure using cardiopulmonary exercise testing Int J Cardiol 2014 Feb171(2)265-9 doi 101016jijcard 2013 12031 Nadruz W Jr Gioli-Pereira L Bernardez-Pereira S Marcondes-Braga FG Fernandes-Silva MM Silvestre OM et al Temporal trends in the contribution of Chagas cardiomyopathy to mortality among patients with heart failure Heart 2018 Sep104(18)1522-1528 doi 101136heartjnl-2017-312869 Neuro XL Predictor OLSOFT Software Development Available from http wwwNeuroXLcom adquirido em 2011-3-14 New York Heart Association Criteria Committee New York Heart Association Inc Diseases of the Heart and Blood Vessels Nomenclature and Criteria for diagnosis 6th ed Boston Little Brown and Co 1964 p114 [cited 1964] Available from httpwwwheartorgenhealth-topicsheart-failurewhat-is-heart-failureclasses-of-heart-failure Nieminen MS Harjola VP Hochadel M Drexler H Komajda M Brutsaert D et al Gender related diferences in patients presenting with acute heart failure Results from Euro Heart Failure Survey II Eur J Heart Fail 2008 Feb10(2)140-8 doi10 1016jejheart 200712012 Nunes LN Kluumlck MM Fachel JMG Uso da imputaccedilatildeo muacuteltipla de dados faltantes

uma simulaccedilatildeo utilizando dados epidemioloacutegicos Cad Sauacutede Puacuteblica Rio de

Janeiro 200925(2)268-278 [citado18 jan 2017] Disponiacutevel em httpdxdoiorg10

1590SO102-311X2009000200005

Nunes LN Meacutetodos de imputaccedilatildeo de dados aplicados na aacuterea da sauacutede

[dissertaccedilatildeo] Rio Grande do Sul Universidade Federal do Rio Grande do Sul

Instituto de Epidemiologia 2011 [citado 01 jan 2018] Disponiacutevel em

httphdlhandlenet10183 11422

Nunes MC Rocha MO Ribeiro AL Colosimo EA Rezende RA Carmo GA et al Right ventricular dysfunction is an independent predictor of survival in patients with dilated chronic Chagas cardiomyopathy Int J Cardiol 2008 Jul 127 (3)372-9 doi101016jijcard200706012 Nunes MC Dones W Morillo CA Encina JJ Ribeiro AL Council on Chagas Disease

of the Interamerican Society of Cardiology Chagas disease an overview of clinical

and epidemiological aspects J Am Coll Cardiol 2013 Aug 62 (9)767-76 doi 10

1016jjacc201305046

Ogava MH Redes neurais em anaacutelise de sobrevivecircncia uma aplicaccedilatildeo na aacuterea de relacionamento com clientes [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 D45 2007tde-26082007-225003

Referecircncias Bibliograacuteficas 170

Ogulata SN Sahin C Erol R Neural network-bases computer-aided diagnosis in classification of primary generalized epilepsy by EEG signals J Med Syst 2009 Apr33(2)107-12 PMID 19397095 Okoshi MP Capalbo RV Romeiro FG Okoshi K Cardiac Cachexia perspectives for prevention and treatment Arq Bras Cardiol 2017 Jan 108(1)74-80 doi 105935 abc20160142 Oliveira JW Valecircncia DM Medeiros PG Marccedilula M Risk-adjusted monitoring of time to event in the presence of long-term survivors Biom J 2016 Nov 58(6)1485-1505 doi101002 bimj 201500094 Ortiz J Ghefter CGM Silva CE Sabbatini RME One-year mortality prognosis in heart failure a neural network approach based on echocardiographic data J Am Coll Cardiol 1995a Dec26(7)1586-93 doi1010160735-1097(95)00385-1 Ortiz J Sabbatini RME Ghefter CGM Silva CES Uso de redes neurais artificiais na avaliaccedilatildeo da sobrevida na insuficiecircncia cardiacuteaca Arq Bras Cardiol 1995b Jan64(1)87-90 PMID 7669018 Packer M Coats AJ Fowler MB Katus H Mohacsi P Rouleau JL et al Carvedilol prospective randomized cumulative survival study group N Engl J Med 2001 May344(22)1651-8 doi 101056NEJM200105313442201 Paes TA Uso de modelos com fraccedilatildeo de cura na anaacutelise de dados de sobrevivecircncia com omissatildeo nas covariaacuteveis [tese] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 T45 2007tde-22072007-134749 Palazzuoli A Lombardi C Ruocco G Padeletti M Nuti R Metra M et al Chronic kidney disease and worsening renal function in acute heart failure different phenotypes with similar prognostic impact Eur Heart J Acute Cardiovasc Care 2016 Dec5(8)534-548 doi1011772048872615589511 Papik K Molnar B Schaefer R Dombovarl Z Tulassay Z Feher J Application of neural networks in medicine - a review Med Sci Monit 19984(3)538-546 [cited 1997 dec 30] Available from httppdfssemanticscholarorg2da18cb0287042e27ded932f9 Pereira Barretto AC Nobre MRC Wajngarten M Canesin MF Ballas D Serro-Azul JB Heart failure in a large tertiary hospital of Satildeo Paulo Arq Bras Cardiol 1998 Jul71(1)15-20 doi101590S0066-782X1998000700004 Pereira Barretto AC Nobre MRC Lancarotte I Scipioni AR Ramires JAF Do cardiologists at a University Hospital adopt the guidelines for the treatment of heart failure Arq Bras Cardiol 2001 Jul77(1)30-60 PMID11500745

Referecircncias Bibliograacuteficas 171

Peto R Peto J Asymptotically efficient rank invariant test procedures J R Stat Soc Ser A1972135(2)185-207 Pfeffer MA Swedberg K Granger CB Held P McMurray JJ Michelson EL et al CHARM Investigators and Committees Effects of candesartan on mortality and morbidity in patients with chronic heart failure the CHARM-Overall programme Lancet 2003 Sep 362(9386)759-66 PMID13678868 Pimentel R Couto M Laszczyńska O Friotildees F Bettencourt P Azevedo A Prognostic value of worsening renal function in outpatients with chronic heart failure Eur J Intern Med 2014 Sep25(7)662-8 doi101016jejim201406002 Pitt B Zannad F Remme WJ Cody R Castaigne A Perez A et al The effect of

spironolactone on morbidity and mortality in patients with severe heart failure N Engl

J Med 1999 Sep341709-17 doi 101056NEJM199909023411001

Pitt B Remme WJ Zannad F Neaton J Martinez F Roniker B et al Eplerenone a

selective aldosterone blocker in patients with left ventricular dysfunction after

myocardial infarction N Engl J Med 2003 May3481309-21 doi

101056NEJMmMoa030207

Pocock SJ Wang D Pfeffer MA Yusuf S McMurray JJ Swedberg KB et al Predictors of mortality and morbidity in patients with chronic heart failure Eur Heart J 2006 Jan27(1)65-75 doi101093eurheartjehi555 Ponikowski P Voors AA Anker SD Bueno H Cleland JGF Coats AJS et al 2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure The Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC) Developed with the special contribution of the Heart Failure Association (HFA) of the ESC Eur J Heart Fail 2016 Jul18891-975 doi101002ejhf592 [cited 2016 jul 14] Available from httpeurheartj oxford journalsorg doi10 1093 eur heartj ehw128 Poole-Wilson PA Uretsky BF Thygesen K Cleland JG Massie BM Rydeacuten L Atlas Study Group Assessment of treatment with lisinopril and survival Mode of death in heart failure findings from the ATLAS trial Heart 2003 Jan89(1)42-8 PMID12482789 Rassi AJr Rassi A Little WC Xavier SS Rassi SG Rassi AG et al Development and validation of a risk score for predicting death in Chagasacute heart disease N Engl J Med 2006 Aug 355(8)799-808 doi101056NEJMoa053241 Rassi AJr Rassi A Rassi SG Predictors of mortality in chronic Chagas disease a systematic review of observational studies Circulation 2007 Mar 115(9)1101-8 doi101161CIRCULATIONAHA106627265 Rassi AJr Rassi A Marin-Neto Chagas disease Lancet 2010 Apr3751388-402 doi101016S0140-6736(10)60061-X

Referecircncias Bibliograacuteficas 172

Rauchhaus M Clark AL Doehner W Davos C Bolger A Sharma R et al The relationship between cholesterol and survival in patients with chronic heart failure J Am Coll Cardiol 2003 Dec42(11)1933-40 PMID14662255 Remme WJ Swedberg K Task force for the diagnosis and treatment of chronic heart failure European Society of Cardiology Guidelines for the diagnosis and treatment of chronic heart failure Eur Heart J 2001 Sep22(17)1527-60 doi 10 1053 euhj20012783 Erratum in Eur Heart J 200122(23)2217-8 Rohde LE Clausell N Ribeiro JP Goldraich L Netto R William Dec G et al Health outcomes in decompensated congestive heart failure a comparison of tertiary hospitals in Brazil and United States Int J Cardiol 2005 Jun102(1)71-7 doi101016jijcard200404006 Roger VL Weston SA Redfield MM Hellermann-Homan JP Killian J Yawn BP et al Trends in heart failure incidence and survival in a community-based population JAMA 2004Jul292(3)344-50 doi101001jama2923344 Roger VL Epidemiology of heart failure Circ Res 2013 Aug113(6)646-59 doi 101161CIRCRESAHA113300268 Rossignol P Meacutenard J Fay R Gustafsson F Pitt B Zannad F Eplerenone survival benefits in heart failure patients post-myocardial infarction are independent from its diuretic and potassium-sparing effects Insights from an EPHESUS (Eplerenone Post-Acute Myocardial Infarction Heart Failure Efficacy and Survival Study) substudy J Am Coll Cardiol 2011 Nov58(19)1958-66 doi 101016jjacc201104049 Sacks CA Jarcho JA Curfman GD Paradigm shifts in heart-failure therapy-a timeline N Engl J Med 2014 Sep371(11)989-91 doi 101056 NEJMp 1410241 Sanchez ECM Controle por aprendizado acelerado e neuro-fuzzi de sistemas servo-hidraacuteulicos de alta frequecircncia [dissertaccedilatildeo] Rio de Janeiro Pontifiacutecia Universidade Catoacutelica do Rio de Janeiro Engenharia Mecacircnica 2009 Certificado Digital nordm0721406CA Disponiacutevel em www2dbdpuc-riobrpergamumtesesabertas 0721406_09_cap_03pdf Santos TM Avaliaccedilatildeo do desempenho de modelos preditivos no contexto de anaacutelise de sobrevivecircncia [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo doi 1011606D452013tde-03092013-111337 [citado 2017 jan 11]Disponiacutevel em httpwwwtesesuspbr Scott R Artificial intelligence its use in medical diagnosis J Nucl Med 1993 Mar34(3)510-4 PMID8441047 Senni M Tribouilloy CM Rodeheffer RJ Jacobsen SJ Evans JM Bailey KR et al Congestive heart failure in the community trends in incidence and survival in a 10-year period Arch Intern Med 1999 Jan159(1)29-34 PMID 98923 27

Referecircncias Bibliograacuteficas 173

Senni M Redfield MM Heart failure with preserved systolic function A different natural history J Am Coll Cardiol 2001 Nov38(5)1277-82 PMID11691495 Senni M Santilli G Parrella P De Maria R Alari G Berzuini C et al A novel prognostic index to determine the impact of cardiac conditions and co-morbidities on one-year outcome in patients with heart failure Am J Cardiol 2006 Oct98(8)1076-82 doi101016 jamjcard 200605031 Shah KS Xu H Matsouaka RA Bhatt DL Heidenreich PA Hernandez AF et al Heart failure with preserved borderline and reduced ejection fraction 5-year outcomes J Am Coll Cardiol 2017Nov70 (20)2476-2486 doi101016jjacc201708074 Silva LA Hernandez EDM Rangayyan MR Classification of breast masses using a committee machine of artificial neural networks J Eletron Imaging 2008 Jan-Fev17 (1)1-10 Biblioteca Digital da Produccedilatildeo Intelectual - BDPI Universidade de Satildeo Paulo [cited 18 mar 2008] Available from httpproducao uspbrhandleBDPI14703 Silva CP Bacal F Pires PV Mangini S Issa VS Moreira SF et al Heart failure profile at the beta blockers Arq BrasCardiol 2007 Apr88475-9 doi101590S0066 - 782X20070004000 018 Silverberg DS Wexler D Blum M Keren G Sheps D Leibovitch E et al The use of subcutaneous erythropoietin and intravenous iron for the treatment of the anemia of severe resistant congestive heart failure improves cardiac and renal function and functional cardiac class and markedly reduces hospitalizations J Am Coll Cardiol 2000 Jun35(7)1737-44 PMID10841219 Sinha RK Aggarwal Y Das BN Backpropagation artificial neural network detects change in electro-encephalogram power spectra of syncopic patients J Med Syst 2007 Feb31(1)63-8 PubMed PMID17283923 Steinberg BA Fang JC Long-term outcomes of acute heart failure Where are we now J Am Coll Cardiol 2017 Nov70(20)2487-2489 doi 101016 jjacc 201708075 Swedberg K Cleland J Dargie H Drexler H Follath F Komajda M et al Task Force for the diagnosis and treatment of chronic heart failure of the european society of cardiology Eur Heart J 2005 Mai26(11)1115-40 doi 101093 eurheartj ehi204 Swedberg K Komajda M Boumlhm M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Ivabradine and outcomes in chronic heart failure (SHIFT) a randomised placebo-controlled study Lancet 2010 Sep376(9744)875-85 doi 101016S0140-6736(10)61198-1 Erratum in Lancet 2010376(9757)1988 Lajnscak M [corrected to Lainscak M] Rabanedo I Roldan [corrected to Rabadaacuten I Roldan] Leva M [corrected to Ieva M]

Referecircncias Bibliograacuteficas 174

Tang YD Katz SD The prevalence of anemia in chronic heart failure and its impact on the clinical outcomes Heart Fail Rev 2008 Dec13(4)387-92 doi 10 1007s 10741-008-9089-7 Theodoropoulos TA Bestetti RB Otaviano AP Cordeiro JA Rodrigues VC Silva AC Predictors of all-cause mortality in chronic Chagas heart disease in the current era of heartfailure therapy Int J Cardiol 2008 Aug128(1)22-9 doi 101016jijcard 200711 057 Tourassi GD Floyd CE Sostman HD Coleman RE Artificial neural network for diagnosis of acute pulmonary embolism effect of case and observer selection Radiology 1995 Mar194(3)889-93 doi101148radiology19437862997 Uthamalingam S Patvardhan EA Subramanian S Ahmed W Martin W Daley M et al Utility of the neutrophil to lymphocyte ratio in predicting long- term outcomes in acute decompensated heart failure Am J Cardiol 2011 Fev 107 (3) 433-8 doi10 1016jamjcard201009039 Vardeny O Wu DH Desai A Rossignol P Zannad F Pitt B et al RALES Investigators Influence of baseline and worsening renal function on efficacy of spironolactone in patients with severe heart failure insights from RALES (Randomized Aldactone Evaluation Study) J Am Coll Cardiol 2012 Nov60(20)2082-9 doi101016jjacc201207048 Vasan RS Larson MG Leip EP Evans JC ODonnell CJ Kannel WB et al Impact of high-normal blood pressure on the risk of cardiovascular disease N Engl J Med 2001 Nov345(18)1291-7 doi101056NEJMoa003417 Veloso LG de Oliveira MT Jr Munhoz RT Morgado PC Ramires JA Barretto AC Nutritional repercussion in advanced heart failure and its value in prognostic assessment Arq Bras Cardiol 2005 Jun84(6)480-5 doiS0066-782X2005000 600009 Volpato S Zuliani G Guralnik JM Palmieri E Fellin R The inverse association between age and cholesterol level among older patients the role of poor health status Gerontology 2001a Jan-Fev47(1)36-45 doi 101159000052768 Volpato S Leveille SG Corti MC Harris TB Guralnik JM The value of serum albumin and high-density lipoprotein cholesterol in defining mortality risk in older persons with low serum cholesterol J Am Geriatr Soc 2001b Sep49(9)1142-7 PMID11559371 Von Zubben FJ Attux RRF Perceptron de muacuteltiplas camadas IA353-Profs Fernando J Von Zuben amp Romis RFAttux DCAFEECUnicamp amp DECOM FEECUnicampToacutepico 5 [citado 2001] Disponiacutevel em ftpftpdcafeeunicampbrpubdocs vonzubenia353_1s07topico5_07pdf

Referecircncias Bibliograacuteficas 175

Waikar SS Mount DB Curhan GC Mortality after hospitalization with mild moderate and severe hyponatremia Am J Med 2009 Sep122(9)857-65 doi 101016j amjmed 200901027 Ware JH Harrihgton D Hunter DJ DrsquoAgostino Sr Missing data N Engl J Med 2012 Oct367(14)1353-1354 PIMC 3771340 Wilding P Morgan MA Grygotis AE Shoffner MA Rosato EF Application of backpropagation neural networks to diagnosis of breast and ovarian cancer Cancer Lett 1994 Mar 1577(2-3)145-53 PMID 8168061 WHO Expert Committee on Physical Status the use and Interpretation of Anthropometry (1993 Geneva Switzerland) amp World Health Organization (1995) Physical status the use of and interpretation of anthropometry report of a WHO expert committee Geneva World Health Organization[cited 1995] Available from httpwww whointirishandle1066537003 World Health Organization (WHO) ICD-10 Version 2010 ndash International Classification of Diseases 10 th revision [cited 2010] Available from http appswhoint classifications icd10browse2010en Yuan Y Prediction performance of survival models [tese] Canada University of Waterloo Ontario 2008 [cited 2008]Available fromhttpuwspaceuwaterloocabitstream100 1239741thesispdf Zannad F Garcia AA Anker SD Armstrong PW Calvo G Cleland JG et al Clinical outcome endpoints in heart failure trials a European Society of Cardiology Heart Failure Association consensus document Eur J Heart Fail 2013 Oct15(10)1082-94 doi101093eurjhfhft095 Zugck C Kruumlger C Kell R Koumlrber S Schellberg D Kuumlbler W et al Risk stratification in middle-aged patients with congestive heart failureprospective comparison of the Heart Failure Survival Score (HFSS) and a simplified two-variable model Eur J Heart Fail 2001 Oct3(5)577-85 PMID 11595606

Page 3: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao

Dedicatoacuteria

Agrave minha irmatilde Adriana e ao meu irmatildeo Arnaldo

gratidatildeo e reconhecimento que excelem a fraternidade

Agradecimentos

Agradecimentos

Ao Prof Dr Antonio Carlos Pereira Barretto que nos iniciou para a

investigaccedilatildeo cliacutenica de modo inspirador estimulando-nos incessantemente no

desenvolvimento do presente trabalho

Agrave Comissatildeo de Poacutes-Graduaccedilatildeo da Disciplina de Cardiologia que

amparou a iniciativa para a conclusatildeo de um trabalho desenvolvido no decorrer

de pelo menos treze anos ora apresentado na forma de tese

Ao orientador Prof Dr Alfredo Joseacute Mansur pela orientaccedilatildeo nas

diferentes etapas do trabalho e nas produtivas interaccedilotildees interdisciplinares no

decorrer da investigaccedilatildeo

Ao Centro de Estatiacutestica Aplicada do Instituto de Matemaacutetica e

Estatiacutestica da Universidade de Satildeo Paulo nas pessoas do Prof Dr Antonio

Carlos Pedroso de Lima Profa Dra Lucia Pereira Barroso Profa Dra Gisela

Tunes da Silva pelo conviacutevio competente dedicado e edificante durante todas

as etapas deste trabalho Agradecimento especial ao Dr Tiago Mendonccedila dos

Santos pelo auxiacutelio no cocircmputo da funccedilatildeo de perda

Agrave Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) nas

pessoas da Dra Bernadette Cunha Waldvogel Monica La Porte Teixeira e

Lilian Cristina Correia Morais pelo inestimaacutevel auxiacutelio no estudo de sobrevida

Agrave empresa Arion Tecnologia Ltda na pessoa de seu Diretor de

Pesquisa e Desenvolvimento Arnaldo Marccedilula Jr e da Diretora Administrativa

Adriana Marccedilula mestre em Fiacutesico-quiacutemica pelo Instituto de Quiacutemica da

Universidade de Satildeo Paulo pelo apoio logiacutestico e liberaccedilatildeo de horas de

trabalho dedicadas agrave presente pesquisa

Ao Prof Dr Marco Antonio Gutierrez Diretor da Divisatildeo de Informaacutetica

do Instituto do Coraccedilatildeo pelas contribuiccedilotildees metodoloacutegicas que auxiliaram a

consolidar a aplicaccedilatildeo da rede neural

Agradecimentos

Aos meacutedicos da Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo do HC FMUSP pelo conviacutevio em ambiente cientificamente

estimulante voltado para o cultivo das dimensotildees de ensino e pesquisa a partir

da responsabilidade institucional de assistecircncia aos pacientes

Agrave biomeacutedica Sra Marcia Nunes Figueira e ao engenheiro eletroteacutecnico

Marcelo Marccedilula pela revisatildeo e ediccedilatildeo dos graacuteficos apresentados neste

trabalho

Ao Serviccedilo de Arquivo Meacutedico e Estatiacutestico na pessoa do Sr Wallace

Fernandes colegas e colaboradores pelo dedicado e competente auxiacutelio na

consulta a dados de arquivo

Agrave Secretaria da Comissatildeo de Poacutes-Graduaccedilatildeo na pessoa da Sra Neusa

Rodrigues Dini e sua equipe de assessoras pelo empenho receptivo nos

encaminhamentos necessaacuterios a um projeto desta natureza

Agrave Profa Marise Cukier pela revisatildeo e correccedilatildeo gramatical deste

trabalho

Agrave Sra Sandra Miranda Souza assistente administrativa da Unidade

Cliacutenica de Ambulatoacuterio Geral do Instituto do Coraccedilatildeo do HC FMUSP pela

devotada eficiente e cordial contribuiccedilatildeo cotidiana durante o desenvolvimento

do trabalho

Epiacutegrafe

Epiacutegrafe

Πάντες ἄνθρωποι τοῦ εἰδέναι ὀρέγονται φύσει

Todos os homens aspiram por natureza ao conhecimento

(Aristoacuteteles Metafiacutesica)

Alles Interesse meiner Vernunft (das spekulative sowohl als das praktische) vereinigt sich in folgenden drei Fragen

1 Was kann ich wissen 2 Was soll ich tun 3 Was darf ich hoffen

Todo o interesse da minha razatildeo (tanto especulativa como praacutetica) concentra-se nas seguintes trecircs interrogaccedilotildees

1 Que posso saber 2 Que devo fazer 3 Que me eacute permitido esperar (Emanuel Kant Criacutetica da Razatildeo Pura)

This warp seemed necessity and here thought I with my own hand I ply my own shuttle and weave my own destiny into these unalterable threads

A urdidura parecia a Necessidade e aqui pensei com as minhas proacuteprias matildeos guio a lanccediladeira e teccedilo meu proacuteprio destino nestes fios inalteraacuteveis

(Herman Melville Moby Dick)

Normatizaccedilatildeo adotada

Normatizaccedilatildeo adotada

Esta tese estaacute de acordo com as seguintes normas em vigor no momento de sua publicaccedilatildeo Referecircncias adaptado de International Committee of Medical Journals Editors (Vancouver) Universidade de Satildeo Paulo Faculdade de Medicina Divisatildeo de Biblioteca e Documentaccedilatildeo Guia de apresentaccedilatildeo de dissertaccedilotildees teses e monografias Elaborado por Anneliese Carneiro da Cunha Maria Julia de ALFreddi Maria FCrestana Marinalva de Souza Aragatildeo Suely Campos Cardoso Valeacuteria Vilhena 3ordf ed Satildeo Paulo Divisatildeo de Biblioteca e Documentaccedilatildeo 2011 Abreviatura dos tiacutetulos e perioacutedicos de acordo com List of Journals Indexed in Index Medicus

Sumaacuterio

Sumaacuterio

Lista de figuras

Lista de tabelas

Resumo

Abstract

1 INTRODUCcedilAtildeO 1

2 OBJETIVO 7

21 Objetivos primaacuterios 8

22 Objetivos secundaacuterios 8

3 MEacuteTODOS 9

31 Delineamento do estudo 10

32 Avaliaccedilatildeo cliacutenica 10

33 Criteacuterios diagnoacutesticos 11

34 Criteacuterios de inclusatildeo 11

35 Criteacuterios de exclusatildeo 12

36 Casuiacutestica 12

37 Variaacuteveis estudadas 12

371 Demograacuteficas 12

372 Cliacutenicas 13

373 Eletrocardiograacuteficas 13

374 Ecocardiograacuteficas 13

375 Laboratoriais 13

376 Medicamentos em uso na consulta inicial 14

38 Mortalidade 14

39 Anaacutelise dos dados 14

391 Anaacutelise estatiacutestica 15

3911 Anaacutelise descritiva e exploratoacuteria 15

3912 Anaacutelise inferencial 15

392 Rede neural 16

3921 Escolha da arquitetura da rede neural 17

3922 Aprendizado-treinamento da rede neural 19

3923 Avaliaccedilatildeo dos melhores modelos de rede neural 21

310 Aspectos eacuteticos 22

4 RESULTADOS 23

41 Anaacutelise estatiacutestica 24

411 Anaacutelise descritiva e exploratoacuteria 24

412 Anaacutelise inferencial 27

42 Rede neural 29

Sumaacuterio

421 Escolha da arquitetura da rede neural 29

422 Aprendizado-treinamento da rede neural 29

4221 Amostragem aleatoacuteria 30

4222 Fases do estudo da casuiacutestica 30

42221 Primeira fase ndash aprendizado-treinamento da rede neural 30

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar a sobrevida 33

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede neural 33

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural 35

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede neural 37

43 Avaliaccedilatildeo dos melhores modelos da rede neural 39

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo valor preditivo negativo da rede neural 39

432 Funccedilatildeo de perda da rede neural 40

5 DISCUSSAtildeO 42

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes 43

511 Casuiacutestica 43

512 Idade 44

513 Sexo 44

514 Antecedentes 45

515 Etiologia 45

516 Iacutendice de massa corpoacuterea 46

517 Frequecircncia cardiacuteaca 46

518 Pressatildeo arterial sistoacutelica e diastoacutelica 46

519 Classe funcional 47

5110 Tempo decorrido ateacute o desfecho 47

5111 Variaacuteveis ecocardiograacuteficas 48

5112 Variaacuteveis laboratoriais 49

5113 Medicamentos em uso 50

5114 Mortalidade 51

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica 51

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede neural 56

Sumaacuterio

531 Amostras aleatoacuterias 56

532 Data do iniacutecio dos sintomas 57

533 Tempos de evoluccedilatildeo 58

534 Variaacuteveis faltantes 60

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em geral 60

536 Funccedilotildees de transferecircncia 61

537 Treinamento excessivo (overfitting) 61

538 Estudo em cinco fases 62

54 Avaliaccedilatildeo dos melhores modelos de rede neural 62

541 Sensibilidade especificidade valor preditivo positivo e valor preditivo negativo 62

542 Funccedilatildeo de perda 64

543 Sensibilidade e especificidade versus funccedilatildeo de perda 65

55 Implicaccedilotildees cliacutenicas 65

56 Limitaccedilotildees do estudo 66

6 CONCLUSOcircES 67

7 ANEXOS 69

8 REFEREcircNCIAS BIBLIOGRAacuteFICAS 153

Listas

Lista de figuras

Figura 1 Representaccedilatildeo esquemaacutetica do delineamento do estudo 70

Figura 2 Arquitetura da rede neural perceptron muacuteltiplas camadas 71

Figura 2a Representaccedilatildeo do modelo natildeo linear de um neurocircnio

artificial 72

Figura 2b Ilustraccedilatildeo das direccedilotildees de propagaccedilatildeo do sinal e do erro da

informaccedilatildeo 73

Figura 3 Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da

funccedilatildeo zero based log sigmoid 74

Figura 4 Representaccedilatildeo esquemaacutetica das fases da rede neural 74

Figura 5 Probabilidade de sobrevida estimada (Kaplan-Meier)

geral 75

Figura 6 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etiologia da insuficiecircncia cardiacuteaca 76

Figura 7 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave idade 77

Figura 8 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao sexo 78

Figura 9 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etnia 79

Figura 10 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao peso 80

Figura 11 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave altura 81

Figura 12 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iacutendice de massa corpoacuterea 82

Figura 13 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial sistoacutelica 83

Figura 14 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial diastoacutelica 84

Figura 15 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave classe funcional 85

Figura 16 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

agrave frequecircncia cardiacuteaca 86

Figura 17 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iniacutecio dos sintomas 87

Figura 18 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de hipertensatildeo arterial 88

Figura 19 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de tabagismo 89

Figura 20 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de diabetes 90

Figura 21 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de etilismo 91

Figura 22 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro do aacutetrio esquerdo no ecocardiograma 92

Figura 23 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma 93

Figura 24 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma 94

Figura 25 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no ecocardiograma 95

Figura 26 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica do septo interventricular no

ecocardiograma 96

Figura 27 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica da parede posterior do ventriacuteculo

esquerdo no ecocardiograma 97

Figura 28 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao ritmo cardiacuteaco 98

Figura 29 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto a

taxa de hemoglobina 99

Figura 30 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

glicemia de jejum 100

Lista de figuras

Figura 31 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de creatinina seacuterica 101

Figura 32 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de soacutedio seacuterico 102

Figura 33 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de potaacutessio seacuterico 103

Figura 34 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de colesterol total 104

Figura 35 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de HDL- colesterol 105

Figura 36 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de LDL-colesterol 106

Figura 37 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de trigliceacuterides 107

Figura 38 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de leucoacutecitos 108

Figura 39 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de linfoacutecitos 109

Figura 40 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso dos inibidores da enzima conversora da angiotensina

e bloqueadores dos receptores da angiotensina II 110

Figura 41 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueadores adreneacutergicos 111

Figura 42 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de diureacuteticos 112

Figura 43 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de espironolactona 113

Figura 44 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de digoxina 114

Figura 45 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de antiagregante plaquetaacuterio

115

Figura 46 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

ao uso de anticoagulante 116

Figura 47 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de sinvastatina 117

Figura 48 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de vasodilatador direto 118

Figura 49 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueador do canal de caacutelcio 119

Figura 50 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de amiodarona 120

Figura 51 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao nuacutemero de medicamentos em uso 121

Lista de tabelas

Tabela 1 Caracteriacutesticas demograacuteficas e cliacutenicas dos pacienteshelliphelliphellip 122

Tabela 2 Variaacuteveis estudadas quanto agrave probabilidade de sobrevida

(etapa 1) 129

Tabela 3 Uso de tratamento medicamentosohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 130

Tabela 4 Nuacutemero de medicamentos em uso 131

Tabela 5 Variaacuteveis retiradas do modelo de Cox (etapa 2)helliphelliphelliphelliphelliphellip 131

Tabela 6 Reavaliaccedilatildeo das variaacuteveis excluiacutedas da etapa 2 do modelo

de Cox (etapa 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 7 Variaacuteveis do modelo final de Cox selecionadas para a rede

neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 8 Valores de referecircncia para as variaacuteveis com dados faltantes 133

Tabela 9 Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1) 134

Tabela 91 Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1) 135

Tabela 10 Comparaccedilatildeo das redes neurais categorizadas pelo tempo de

sobrevida observado seleccedilatildeo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 136

Tabela 11 Modelos de redes neurais para previsatildeo da sobrevida dos

pacientes vivos ateacute 2012 (fase 2)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 137

Tabela 12 Modelos de redes neurais comparaacuteveis erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)helliphelliphellip 138

Tabela 13 Modelo de rede neural 13 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 139

Tabela 14 Modelo de rede neural 20 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 140

Tabela 15 Modelo de rede neural 22 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 141

Tabela 16 Modelo de rede neural 24 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 142

Tabela 17 Modelo de rede neural 26 individual e comparaacutevel erro

Lista de tabelas

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip

143

Tabela 18 Reensaio da rede neural com pacientes que vieram a falecer

em 2013 (reensaio 1) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 145

Tabela 19 Reensaio da rede neural com pacientes que vieram a falecer

em 2014 (reensaio 2) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 146

Tabela 20 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 147

Tabela 21 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 148

Tabela 22 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 149

Tabela 23 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 150

Tabela 24 Sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 151

Tabela 25 Avaliaccedilatildeo dos melhores modelos de rede neural com o

emprego da funccedilatildeo de perdahelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 152

Resumo

Resumo

Marccedilula M Avaliaccedilatildeo prognoacutestica em pacientes com insuficiecircncia

cardiacuteaca com o emprego de redes neurais artificiais [tese] Satildeo Paulo

Faculdade de Medicina Universidade de Satildeo Paulo 2018

Fundamentos ndash Identificar pacientes ambulatoriais que necessitam de

recursos terciaacuterios de hospital de referecircncia voltado para a praacutetica cardioloacutegica

eacute inerente agrave responsabilidade assistencial Compete reconhecer pacientes sob

maior risco de prognoacutestico desfavoraacutevel o que pode ser feito pelo emprego de

meacutetodos estatiacutesticos tradicionais Com o mesmo fito as redes neurais tecircm sido

objeto de interesse Formulamos a hipoacutetese de que as redes neurais

alimentadas a partir de variaacuteveis selecionadas com o emprego de estatiacutestica

tradicional pudessem contribuir para a avaliaccedilatildeo prognoacutestica de pacientes com

insuficiecircncia cardiacuteaca

Objetivos ndash Avaliar o prognoacutestico de pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca com o emprego de meacutetodos da estatiacutestica de

sobrevivecircncia associada com a rede neural artificial

Delineamento ndash Estudo de coorte retrospectiva a partir de dados assistenciais

de pacientes que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

identificaccedilatildeo das variaacuteveis associadas ao prognoacutestico com o emprego da

estatiacutestica tradicional e alimentaccedilatildeo da rede neural perceptron de muacuteltiplas

camadas (Neuro XL Predictor - OLSOFT Software Development) com essas

variaacuteveis

Local ndash Ambulatoacuterio cardioloacutegico com alto volume de atendimentos voltado

para pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital acadecircmico de

referecircncia terciaacuterio

Participantes ndash 2128 pacientes consecutivos que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca de 2 de julho de 2003 a 2 de julho de 2007

Desfecho ndash oacutebito por qualquer causa

Anaacutelise de dados ndash Agrave anaacutelise descritiva e exploratoacuteria seguiu-se a avaliaccedilatildeo

da probabilidade de sobrevida pelo meacutetodo de Kaplan Meier seguida de

anaacutelise inferencial com o emprego do teste de log-rank e do modelo de riscos

proporcionais de Cox Identificadas as variaacuteveis associadas ao prognoacutestico de

sobrevida foi desenvolvida a rede neural nas diferentes fases de aprendizado-

Resumo

treinamento e com o recurso do algoritmo de treinamento backpropagation A

rede neural foi desenvolvida em cinco fases fase 1 ndash aprendizado-treinamento

(n=968 oacutebitos com informaccedilatildeo completa) fase 2 ndash avaliaccedilatildeo e aplicaccedilatildeo

(pacientes vivos ateacute 2012) fase 3 ndash comparaccedilatildeo da previsatildeo de sobrevida com

o emprego rede ( pacientes vivos ateacute 2012) com a sobrevida observada fase 4

ndash reensaios para aprendizados com novos desfechos (oacutebitos em 2013 e 2014)

fase 5 ndash avaliaccedilatildeo do aprendizado da rede na fase 4 (pacientes vivos e

falecidos)

A acuraacutecia a sensibilidade a especificidade o valor preditivo positivo e o valor

preditivo negativo dos melhores modelos na previsatildeo da sobrevida obtidas com

a rede neural foram avaliados considerando as duas funccedilotildees de ativaccedilatildeo

(tangente hiperboacutelica e zero-based log sigmoid) Para tanto foi preciso

determinar intervalos de corte definidos por criteacuterio cliacutenico de razoabilidade de

expectativa do tempo de sobrevida e acerto calculado pela rede A estimativa

da previsibilidade e do erro tambeacutem foi avaliada com o emprego da funccedilatildeo de

perda

Resultados ndash A anaacutelise estatiacutestica (n=2128 pacientes) revelou as seguintes

variaacuteveis associadas ao prognoacutestico idade (plt0001) iacutendice de massa

corpoacuterea (plt0001) pressatildeo arterial diastoacutelica (plt0001) etiologia da

insuficiecircncia cardiacuteaca (plt0001) classe funcional (plt0001) espessura do

septo interventricular (p=0037) diacircmetro diastoacutelico do ventriacuteculo esquerdo

(plt0001) diacircmetro do aacutetrio esquerdo (p=0025) potaacutessio seacuterico (p=0015)

colesterol total (plt0001) creatinina (plt0001) e a presenccedila de diabetes melito

(p=0034)

Os modelos de redes neurais com melhor previsibilidade foram obtidos pela

categorizaccedilatildeo do tempo de sobrevida inferior a 2 anos entre 2 anos e 6 anos

e superior a 6 anos

Nos pacientes com tempo de sobrevida observado superior a 6 anos a partir

da consulta inicial com intervalo de corte de 3 anos a estimativa feita com o

emprego da rede neural demonstrou sensibilidade 930 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade 764 ou 775 (dependendo da funccedilatildeo

de ativaccedilatildeo) valor preditivo negativo 974 (com ambas as funccedilotildees de

Resumo

ativaccedilatildeo) e valor preditivo positivo 536 ou 547 (dependendo da funccedilatildeo de

ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de 2 anos

obtivemos sensibilidade 898 (com ambas as funccedilotildees de ativaccedilatildeo)

especificidade 725 ou 765 valor preditivo positivo 863 ou 880 e valor

preditivo negativo 787 ou 796 (dependendo da funccedilatildeo de ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado inferior a 2 anos a partir da

data do iniacutecio dos sintomas com intervalo de corte de 1 ano a estimativa com

o emprego da rede neural demonstrou sensibilidade 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade de 625 ou 667 (dependendo da

funccedilatildeo de ativaccedilatildeo) valor preditivo positivo 820 ou 837 (dependendo da

funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo 714 ou 727 (dependendo da

funccedilatildeo de ativaccedilatildeo)

O erro da previsatildeo de sobrevida com o emprego da rede neural estimado com

o auxiacutelio da funccedilatildeo de perda variou de 44 meses ateacute 11 anos

Conclusotildees - O emprego da rede neural alimentada por variaacuteveis

selecionadas com o emprego de estatiacutestica de sobrevivecircncia tradicional pode

ser meacutetodo profiacutecuo na avaliaccedilatildeo prognoacutestica de pacientes com insuficiecircncia

cardiacuteaca

A previsibilidade de estimativa de sobrevida alcanccedilada com o uso de rede

neural foi menor nos pacientes com quadros cliacutenicos de menor tempo de

evoluccedilatildeo comparativamente aos pacientes com maior tempo de evoluccedilatildeo no

primeiro caso permitiria sugerir quadros mais instaacuteveis em relaccedilatildeo aos casos

mais estaacuteveis isto eacute aqueles com tempo de evoluccedilatildeo maior

Descritores insuficiecircncia cardiacuteaca cardiomiopatia assistecircncia ambulatorial

anaacutelise de sobrevivecircncia rede neural prognoacutestico

Abstract

Abstract

Marccedilula M Prognostic evaluation of patients with heart failure with the use

of artificial neural networks [thesis] Satildeo Paulo ldquoFaculdade de Medicina

Universidade de Satildeo Paulordquo 2018

Background ndash Identifying outpatients who need tertiary resources of a referral

cardiology hospital includes recognizing those at higher risk of unfavorable

prognosis Studies aimed at this objective may be accomplished with traditional

statistics Neural networks have been studied as a promising tool in the

assessment of patientsacute prognosis We hypothesized that the neural networks

developed with variables selected through traditional statistics might contribute

to the prognostic evaluation of patients with heart failure

Objectives ndash To evaluate the prognosis of patients with heart failure using

methods of survival statistics combined with the resources of artificial neural

networks

Design ndash Retrospective cohort study from a database of patients previously

diagnosed with heart failure identification of variables associated with

prognosis using traditional statistics development of a neural network

perceptron of multiple layers (Neuro XL Predictor - OLSOFT Software

Development) with these variables

Setting ndash outpatient clinic from an academic tertiary cardiology center

Participants ndash 2128 consecutive patients who received the diagnosis of heart

failure between July 2 2003 and July 2 2007

Outcomes ndash death for any cause

Data analysis ndash Statistical evaluation was performed for descriptive and

exploratory analysis and was followed by Kaplan Meier survival probability and

inferential analysis using the log-rank test and the Cox proportional hazards

model to identify the variables associated with prognosis Variables thus

selected were then input for the neural network in the different stages of

learning-training with the backpropagation algorithm The neural network was

developed in 5 phases phase 1 - learning training (n = 968 deaths with

complete information) phase 2 - evaluation and application (patients alive until

2012) phase 3 - comparison of the predicted versus the observed survival

Abstract

using the network (patients alive until 2012) phase 4 - re-tests for learning with

new outcomes (deaths in 2013 and 2014) phase 5 - assessment of network

learning in phase 4 (living and deceased patients)

The accuracy sensitivity specificity positive predictive value and negative

predictive value of the best models in the prediction of survival obtained with the

neural network were evaluated taking into account the two activation functions

(hyperbolic tangent and zero-based log sigmoid) and the cut-off intervals

defined by clinical criteria of reasonableness of expected survival time and the

estimated estimate by the network The estimation of predictability and error

was also evaluated using the loss function

Results ndash Statistical analysis (n = 2128 patients) revealed the following

variables associated with prognosis age (p lt0001) body mass index (p

lt0001) diastolic blood pressure (p lt0001) heart failure etiology (P lt0001)

functional class (p lt0001) interventricular septum thickness (p = 0037) left

ventricular diastolic diameter (p lt0001) left atrial diameter (p = 0025) serum

potassium level total cholesterol (p lt0001) serum creatinine level (p lt0001)

and the presence of diabetes mellitus (p = 0034)

The models of neural networks with better predictability were obtained with the

categorization of the survival time of less than 2 years between 2 and 6 years

and over 6 years

In patients with a survival time of more than 6 years from the initial consultation

with a cut-off interval of 3 years (or 1095 days) the estimate using the neural

network showed sensitivity 930 (with both activation functions) specificity of

764 or 775 (depending on the activation function) negative predictive

value 974 (with both activation functions) and positive predictive value 536

or 547 (depending on the function of activation)

In patients with a survival time of 2 to 6 years from the onset of symptoms with

a cut-off interval of 2 years (or 730 days) we obtained 898 sensitivity (with

both activation functions) specificity 725 or 765 positive predictive value

863 or 880 and negative predictive value 787 or 796 (depending on

the activation function)

In patients with a survival time of less than 2 years from the onset of symptoms

with a cut-off interval of 1 year (or 365 days) the estimate using the neural

Abstract

network showed a sensitivity of 872 (with both activation functions)

specificity of 625 or 667 (depending on the activation function) positive

predictive value 820 or 837 (depending on the activation function) and

negative predictive value 714 or 727 (depending on the activation

function)

The error of survival prediction with the use of the estimated neural network with

the aid of the function of absolute loss ranged from 44 months to 11 years

Conclusions ndash The use of selected variables input in the neural network with

the use aid of traditional survival statistics may be a useful method for the

prognostic evaluation of patients with heart failure Estimates were less

accurate in patients with a shorter duration of symptoms relative to those with

symptoms for a long time in the first case it would suggest more unstable

disease relative to those with more stable disease namely with symptoms for a

long time

Descriptors heart failure cardiomyopathy ambulatory care survival analysis

neural networks prognosis

1 Introduccedilatildeo

Introduccedilatildeo 2

A atuaccedilatildeo em ambulatoacuterio meacutedico cardioloacutegico com alto volume de

atendimentos a pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital

acadecircmico de referecircncia terciaacuterio (940048 consultas de 1988 a 2017) traz agrave

atividade cotidiana a responsabilidade de avaliar e distinguir pacientes com

maior necessidade cliacutenica de receber tratamento que utilize as competecircncias e

a tecnologia disponiacuteveis em hospital de referecircncia recursos que tecircm entre

suas caracteriacutesticas o fato de serem limitados

Portanto eacute necessaacuterio continuamente estudar e aprimorar a avaliaccedilatildeo

cliacutenica para orientar a terapecircutica no longo prazo em recursos da comunidade

ou em centros de atenccedilatildeo terciaacuteria Esta responsabilidade diz respeito

tambeacutem aos pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca atendidos em

ambulatoacuterio cardioloacutegico de hospital acadecircmico de referecircncia

O conhecimento da probabilidade de sobrevida no longo prazo como

meacutetodo de avaliaccedilatildeo do prognoacutestico eacute de interesse para essa orientaccedilatildeo a

menor sobrevida seria indicador de maior gravidade da condiccedilatildeo A sobrevida

pode ser avaliada por diferentes meacutetodos (Oliveira et al 2016) Decorre

tambeacutem a identificaccedilatildeo de variaacuteveis associadas com a sobrevida (Marccedilula et

al 2011)

A probabilidade de sobrevida foi avaliada previamente em casuiacutestica no

proacuteprio Serviccedilo (Freitas et al 2005) em 1220 pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca sintomaacutetica tratados entre 1991 e 2000 e foi estimada

apoacutes um ano de acompanhamento aproximadamente em 60 o que revalida

dados publicados de sobrevida estimada entre 40 e 70 (Mady et al 1994

Pereira Barretto et al 1998 Carlo et al 2014 Bocchi et al 2017)

A etiologia cardiopatia da doenccedila de Chagas foi o fator mais relevante

associado com a mortalidade (risco relativo 297) quando comparada com

cardiomiopatia dilatada idiopaacutetica (risco relativo 227) cardiopatia isquecircmica

(risco relativo 253) cardiopatia hipertensiva (risco relativo 273) aleacutem de

outras variaacuteveis como diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma (risco relativo 116) e fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(risco relativo 095) na ventriculografia por radioisoacutetopo (Freitas et al 2005) A

Introduccedilatildeo 3

observaccedilatildeo do pior prognoacutestico dos pacientes com insuficiecircncia cardiacuteaca por

doenccedila de Chagas se harmoniza com dados publicados em outras

investigaccedilotildees (Espinosa et al 1985 Mady et al 1994 Bestetti et al 1997

Bestetti Daniel 2016 Pereira-Barretto et al 1998 Carlo et al 2014 Rassi et

al 2010 Bocchi 2012 2013 2017) que nas formas mais severas da doenccedila

revelaram mortalidade de 80 a 100 em um ano de seguimento (Mady et al

1994 Theodoropoulos et al 2008)

Uma questatildeo intrincada nesse estudo (Freitas et al 2005) realizado

em condiccedilotildees que a literatura denomina ldquovida realrdquo (ldquoreal life conditionsrdquo em

oposiccedilatildeo a ldquoprotocol conditionsrdquo situaccedilatildeo de variaacuteveis controladas) foi lidar

com dados faltantes e objeto de pesquisa especiacutefica (Paes 2007)

Aleacutem do tratamento medicamentoso os processos de transformaccedilatildeo

inerentes agrave praacutetica cliacutenica abrangem caracteriacutesticas dos pacientes inclusive no

acesso agraves oportunidades de tratamento progresso na experiecircncia cliacutenica seja

em ferramentas diagnoacutesticas seja na terapecircutica com a natural consequecircncia

na sobrevida em longo prazo (Pitt et al 1999 2003 Bocchi et al 2008 Issa et

al 2010 Bestetti et al 2011 Carlo et al 2014) Portanto a necessidade de

reavaliaccedilatildeo perioacutedica do prognoacutestico dos pacientes eacute inerente agrave praacutetica meacutedica

Aleacutem dos recursos metodoloacutegicos da estatiacutestica de sobrevivecircncia a

experiecircncia preacutevia com pesquisadores de estatiacutestica estimulou a associaccedilatildeo de

meacutetodos estatiacutesticos pelo uso de redes neurais (Ogava 2007) Aleacutem disso

uma experiecircncia pioneira em nosso meio foi conduzida haacute duas deacutecadas com

casuiacutestica pequena (95 pacientes) fora do ambiente do Sistema Uacutenico de

Sauacutede (Ortiz et al 1995a) De fato o uso de redes neurais artificiais na anaacutelise

de dados cliacutenicos de pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca foi

apresentado como um meacutetodo que deve ser investigado (Braunwald 2008)

As redes neurais artificiais tecircm sido progressivamente utilizadas na

praacutetica cliacutenica (Lisboa Taktak 2006) e a potencial contribuiccedilatildeo da aplicaccedilatildeo

da rede neural no diagnoacutestico e prognoacutestico de vaacuterias doenccedilas inclusive tem

se tornado objeto de interesse e investigaccedilatildeo na aacuterea da Cardiologia (Lisboa

2002)

Rede neural artificial foi conceituada como ldquoestrutura de

processamento de informaccedilatildeo distribuiacuteda em paralelo e constituiacuteda por

Introduccedilatildeo 4

elementos de processamento ligados por canais de sinal unidirecionais

denominados conexotildees em que cada elemento de processamento possui uma

uacutenica conexatildeo de saiacuteda que se ramifica em tantas quantas as conexotildees

colaterais desejadasrdquo (Hecht-Nielsen 1989) Entre as caracteriacutesticas potenciais

da rede neural haacute o caraacuteter adaptativo treinaacutevel capaz de armazenar e

processar informaccedilotildees por associaccedilatildeo e adquirir conhecimento pela

experiecircncia por meio de exemplos ou da proacutepria aplicaccedilatildeo (Sanchez 2009)

A arquitetura de rede neural mais utilizada e estudada eacute a do tipo

perceptron de muacuteltiplas camadas (Cross Harrison e Kennedy 1995) e o tipo de

treinamento mais frequente utiliza o algoritmo de treinamento supervisionado

ou de retropropagaccedilatildeo do erro (backpropagation) (Scott 1993 Cross et al

1995 Papik et al 1998) Estas redes neurais tecircm por caracteriacutestica a

propagaccedilatildeo positiva (feedforward) ou na mesma direccedilatildeo do erro partindo da

camada de entrada rumo agrave camada de saiacuteda e agrave retropropagaccedilatildeo do erro

(backward) partindo da camada de saiacuteda ateacute a camada de entrada (Castro LN

1998 Sanchez 2009) O algoritmo backpropagation fundamenta-se numa

regra de aprendizado que corrige os erros durante todo o aprendizado e

treinamento da rede neural em todas as camadas partindo da saiacuteda ateacute a

entrada (Haykin 1994)

O processo de aprendizado da rede neural eacute gradual interativo e

iterativo de ajuste dos pesos sinaacutepticos de forma a adequar a rede a um

conjunto de exemplos adaptar o seu comportamento ao longo do tempo e

aperfeiccediloar a resposta a ser obtida (Ambrosio 2002 Castro FCC 2016) Por

sua caracteriacutestica de aprendizado e treinamento a rede neural permite a

melhoria contiacutenua de seu desempenho a partir de exemplos e tem sido

aplicada na aacuterea meacutedica no estudo de diferentes condiccedilotildees (Baxt 1991 1995

1996 Astion Wilding 1992 Widing et al 1994 Tourassi et al 1995 Fogel et

al 1995 Ahmed 2005 Sinha et al 2007 Bartosch-Haumlrlid et al 2008 Silva et

al 2008 Das et al 2008 Ogulata et al 2009)

Estudos que integram anaacutelise estatiacutestica como fundamento para

alimentaccedilatildeo de rede neural satildeo escassos (Ogava 2007)

Em pacientes com insuficiecircncia cardiacuteaca a comparaccedilatildeo entre vaacuterios

meacutetodos computacionais entre eles a rede neural a partir de informaccedilotildees da

Introduccedilatildeo 5

etiologia severidade e evoluccedilatildeo da doenccedila evidenciou melhor desempenho

dos sistemas de suporte (Guidi et al 2014) Por outro lado estudo de

casuiacutestica nacional publicada haacute duas deacutecadas avaliou o prognoacutestico de 95

pacientes com insuficiecircncia cardiacuteaca e fraccedilatildeo de ejeccedilatildeo reduzida em

seguimento de doze meses esta baseou-se em paracircmetros ecocardiograacuteficos

e na idade estimou a acuraacutecia sensibilidade especificidade valor preditivo

positivo e valor negativo respectivamente 67 67 68 28 92 por

anaacutelise discriminatoacuteria linear enquanto pelos valores correspondentes agrave rede

neural artificial foram estimados em 90 71 93 63 e 95 (Ortiz et al

1995b)

Recentes publicaccedilotildees apontaram para o potencial uso da rede neural

no universo da inteligecircncia artificial (neurocomputing machine learning deep

learning) (Krittanawrong et al 2017 Miller e Brown 2018) usando o algoritmo

de aprendizado supervisionado (backpropagation) na anaacutelise de amplas bases

de dados para melhor precisatildeo cardiovascular (Krittanawong et al 2017) Aleacutem

disso a rede neural foi utilizada na prediccedilatildeo da mortalidade em pacientes

submetidos a teste de esforccedilo cardiopulmonar (Myers et al 2014) como

tambeacutem em ampla metanaacutelise que avaliou a eficaacutecia do tratamento em

pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca nos uacuteltimos trinta anos

(Burnet et al 2017)

Como meacutetodo a rede neural artificial tem vantagens e desvantagens

quando comparada aos sistemas de computaccedilatildeo convencionais ou sistemas

baseados em algoritmos (Papik et al 1998)

Entre as vantagens foram citadas a efetividade do meacutetodo na modelagem natildeo

linear de fenocircmenos bioloacutegicos com grande nuacutemero de dados precisatildeo para

inferecircncia preditiva e ajuda na tomada de decisatildeo meacutedica facilidade de

disseminaccedilatildeo do conhecimento pelo meacutetodo (Lisboa et al 2006) capacidade

de utilizar informaccedilotildees incompletas aprendizado por meio de exemplos e

exposiccedilatildeo de padrotildees agrave rede neural (Sanchez 2009)

Tendo em vista a missatildeo assistencial no atendimento de pacientes com

diagnoacutestico de insuficiecircncia cardiacuteaca recebidos para avaliaccedilatildeo diagnoacutestico e

orientaccedilatildeo de tratamento em unidade ambulatorial de hospital de referecircncia

voltado para pacientes do Sistema Uacutenico de Sauacutede situaccedilatildeo na qual se

Introduccedilatildeo 6

esmera a aplicaccedilatildeo mais judiciosa possiacutevel dos recursos instalados requer-se

a atualizaccedilatildeo constante dos dados prognoacutesticos para a melhor orientaccedilatildeo

Estudos satildeo necessaacuterios para reunir recursos de teacutecnicas estatiacutesticas

tradicionais como tambeacutem para empregar redes neurais e sua potencial

capacidade de aprendizado possibilitando mudanccedilas nas casuiacutesticas

brasileiras lastreadas no tempo

Destarte planejamos o presente estudo para avaliar o emprego da

estatiacutestica tradicional como etapa de seleccedilatildeo de variaacuteveis para a aplicaccedilatildeo da

rede neural artificial na avaliaccedilatildeo prognoacutestica de pacientes para esmerar na

distinccedilatildeo de pacientes de prognoacutestico menos favoraacutevel e com maior

necessidade cliacutenica de tratamentos que utilizem as competecircncias e a

tecnologia geralmente disponiacuteveis apenas em serviccedilos meacutedicos de referecircncia

2 Objetivos

Objetivos 8

21 Objetivos Primaacuterios

Avaliar o prognoacutestico de pacientes com diagnoacutestico de insuficiecircncia

cardiacuteaca pelo emprego de meacutetodos da estatiacutestica de sobrevivecircncia associada

com a rede neural artificial

22 Objetivos Secundaacuterios

Estimar a contribuiccedilatildeo dos dados de exame cliacutenico e laboratorial

obtidos na avaliaccedilatildeo inicial dos pacientes

Estimar o impacto dos dados faltantes na anaacutelise

3 Meacutetodos

Meacutetodos 10

31 Delineamento do estudo

Estudo observacional tipo transversal (coorte retrospectiva) a partir de

base de dados administrativa e assistencial que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca na Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo e foram acompanhados ateacute o desfecho (oacutebito por qualquer causa) ou

ateacute a data do uacuteltimo contato

Dados da mortalidade foram obtidos por meio de consulta a registros

hospitalares contato telefocircnico consulta ao Programa de Aprimoramento das

Informaccedilotildees de Mortalidade no Municiacutepio de Satildeo Paulo (PRO-AIM) ou agrave

Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) (Figura 1)

32 Avaliaccedilatildeo cliacutenica

O exame cliacutenico e a avaliaccedilatildeo laboratorial dos pacientes seguiram a

rotina assistencial da Unidade Os pacientes cerca de 50 encaminhados ao

sistema CROSS (Central de Regulaccedilatildeo de Oferta de Serviccedilos de Sauacutede

Secretaria de Estado da Sauacutede Satildeo Paulo) foram avaliados por meio de

exame cliacutenico incluindo a histoacuteria cliacutenica e o exame fiacutesico eletrocardiograma

em repouso e a radiografia de toacuterax aleacutem de revisatildeo de testes

complementares eventualmente trazidos pelos pacientes A avaliaccedilatildeo

laboratorial complementar no Serviccedilo foi indicada de acordo com a

necessidade cliacutenica dos pacientes dentro da rotina assistencial e a

disponibilidade operacional institucional incluindo avaliaccedilatildeo metaboacutelica

laboratorial ecocardiografia ou outros testes

O tratamento foi recomendado de acordo com a rotina institucional

conforme necessidade cliacutenica e toleracircncia dos pacientes de acordo com a

orientaccedilatildeo do meacutedico responsaacutevel pelo atendimento do paciente aleacutem da

Meacutetodos 11

disponibilidade na dispensaccedilatildeo por farmaacutecia do sistema puacuteblico de atenccedilatildeo

farmacecircutica

33 Criteacuterios diagnoacutesticos

O diagnoacutestico de insuficiecircncia cardiacuteaca foi feito com base nos criteacuterios

de Framingham definido pela presenccedila simultacircnea de no miacutenimo dois

criteacuterios maiores ou um criteacuterio maior e dois menores (McKee et al 1971) Satildeo

criteacuterios maiores dispneia paroxiacutestica noturna turgecircncia jugular crepitaccedilotildees

pulmonares cardiomegalia na radiografia do toacuterax edema agudo de pulmatildeo

terceira bulha cardiacuteaca aumento da pressatildeo venosa central (gt16 cm aacutegua no

aacutetrio direito) refluxo hepatojugular perda de peso maior 45 kg em cinco dias

em resposta ao tratamento Os criteacuterios menores incluem edema de tornozelo

bilateral tosse noturna dispneia aos esforccedilos habituais hepatomegalia

derrame pleural taquicardia (gt120 batimentos por minuto) diminuiccedilatildeo da

capacidade funcional em um terccedilo da maacutexima registrada previamente (Hunt et

al 2001 2005)

O diagnoacutestico etioloacutegico foi feito de acordo com criteacuterios previamente

publicados (Maron et al 2006) Os diagnoacutesticos etioloacutegicos foram revisados

individualmente para este estudo

Os diagnoacutesticos foram categorizados segundo a Classificaccedilatildeo

Internacional de Doenccedilas 10a revisatildeo (World Health Organization 2010)

34 Criteacuterios de inclusatildeo

Foram incluiacutedos no estudo portadores de insuficiecircncia cardiacuteaca em

diferentes classes funcionais da New York Heart Association (New York Heart

Association 1964 Remme et al 2001)

Meacutetodos 12

35 Criteacuterios de exclusatildeo

Foram excluiacutedos do estudo os pacientes com angina instaacutevel infarto do

miocaacuterdio haacute menos de seis meses doenccedila valvar histoacuteria de cirurgia ou

infecccedilatildeo aguda nos trinta dias anteriores agrave consulta meacutedica

36 Casuiacutestica

Foram estudados 2128 pacientes consecutivos de ambos os sexos

com idade acima de 18 anos que depois do exame cliacutenico receberam o

diagnoacutestico de insuficiecircncia cardiacuteaca de diferentes etiologias no periacuteodo de 2

de julho de 2003 a 2 de julho de 2007

No Serviccedilo foram realizadas 113185 consultas ambulatoriais no

periacuteodo de estudo Portanto a casuiacutestica representa 18 do total de consultas

atendidas que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

37 Variaacuteveis estudadas

371 Demograacuteficas

Idade sexo etnia

Meacutetodos 13

372 Cliacutenicas

Duraccedilatildeo dos sintomas etiologia da insuficiecircncia cardiacuteaca classe

funcional peso altura iacutendice de massa corpoacuterea frequecircncia cardiacuteaca pressatildeo

arterial sistoacutelica pressatildeo arterial diastoacutelica e comorbidades (presenccedila de

hipertensatildeo arterial tabagismo diabete melito etilismo)

373 Eletrocardiograacuteficas

Ritmo cardiacuteaco

374 Ecocardiograacuteficas

Diacircmetro do aacutetrio esquerdo diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro sistoacutelico do ventriacuteculo esquerdo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo espessura diastoacutelica do septo interventricular e espessura diastoacutelica

da parede posterior do ventriacuteculo esquerdo

375 Laboratoriais

Taxa de hemoglobina taxa de leucoacutecitos taxa de linfoacutecitos taxa de

glicose em jejum creatinina seacuterica soacutedio seacuterico potaacutessio seacuterico colesterol

total lipoproteiacutena de alta densidade (HDL-colesterol) lipoproteiacutena de baixa

densidade (LDL-colesterol) e trigliceacuterides seacuterico

Meacutetodos 14

376 Medicamentos em uso na consulta inicial

Inibidores da enzima conversora da angiotensina (captopril enalapril) e

bloqueadores dos receptores da angiotensina II (losartana) bloqueadores

adreneacutergicos (carvedilol metoprolol propranolol e atenolol) diureacuteticos

(furosemida hidroclorotiazida espironolactona) digital (digoxina)

antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) anticoagulante oral

(varfarina) estatina (sinvastatina) vasodilatadores (hidralazina e mononitrato

de isossorbida) bloqueadores dos canais de caacutelcio (anlodipina) antiarriacutetmico

(amiodarona) nuacutemero de medicamentos em uso

38 Mortalidade ndash foi considerado desfecho o oacutebito por qualquer causa

39 Anaacutelise dos dados

Foi realizada em duas etapas a) anaacutelise estatiacutestica (n=2128

pacientes) para identificar as variaacuteveis associadas agrave sobrevida cujo tempo de

seguimento ou de sobrevida observado foi o intervalo entre a data da consulta

inicial ou a data do iniacutecio dos sintomas ateacute o uacuteltimo contato com o paciente ou a

data do oacutebito b) aplicaccedilatildeo da rede neural para estimar a sobrevida (n=968

pacientes)

A escolha pela teacutecnica da anaacutelise de sobrevida foi decorrente de sua

caracteriacutestica para identificar e selecionar as variaacuteveis mais importantes na

sobrevida dos pacientes como tambeacutem pelo pressuposto que a presenccedila de

pacientes censurados ou com perda de seguimento ao longo do tempo

representam todos os pacientes sujeitos ao risco de terem o evento de

interesse naquele momento (Bustamante-Teixeira et al 2002)

Meacutetodos 15

391 Anaacutelise estatiacutestica

A anaacutelise estatiacutestica foi realizada nas seguintes etapas anaacutelise

descritiva anaacutelise exploratoacuteria e estimativa da influecircncia das variaacuteveis na

sobrevida

3911 Anaacutelise descritiva e exploratoacuteria

Foram avaliadas as frequecircncias e distribuiccedilotildees das variaacuteveis

demograacuteficas cliacutenicas de exames complementares e de medicaccedilatildeo (tabela 1)

A probabilidade de sobrevida foi avaliada para cada variaacutevel pelo

meacutetodo de Kaplan-Meier (Kaplan Meier 1958) As variaacuteveis foram

categorizadas de acordo com criteacuterios cliacutenicos ou com base nos valores de

referecircncia quando pertinente Dados faltantes foram reunidos em uma

categoria As curvas de probabilidade de sobrevida foram comparadas com o

teste log-rank (Peto 1972) e os valores-p obtidos e informados As variaacuteveis

com plt010 foram selecionadas para a anaacutelise inferencial

Foram selecionadas para a anaacutelise inferencial todas as variaacuteveis com

plt010 e algumas variaacuteveis com pgt010 pela relevacircncia cliacutenica evidenciada em

estudos anteriores (Zugck et al 2001 Acanfora et al 2001 Anand et al

2004 Huehnergarth et al 2005 Maraldi et al 2006 Nieminen et al 2008

Marccedilula et al 2015)

3912 Anaacutelise inferencial

Foi adotado modelo de regressatildeo semiparameacutetrico de riscos

proporcionais de Cox (Cox 1972) para estimar a influecircncia de cada variaacutevel

associada com a probabilidade de sobrevida A comparaccedilatildeo da qualidade dos

Meacutetodos 16

ajustes do modelo foi feita pelo teste de razatildeo de verossimilhanccedila nas

seguintes fases

a) ajuste de modelo univariado tendo como variaacuteveis independentes a

idade e cada uma das variaacuteveis demograacuteficas e cliacutenicas separadamente

Foram selecionadas as variaacuteveis com valores de p lt 010 para a sequecircncia da

anaacutelise

b) as variaacuteveis selecionadas e a idade foram submetidas ao ajuste do

modelo multivariado Nesta fase para cada variaacutevel analisada e sem

informaccedilatildeo foi definida uma categoria de variaacutevel faltante As variaacuteveis com

valor de p gt 005 foram retiradas sequencialmente do modelo Tambeacutem foi

retirada do modelo a variaacutevel em que somente a categoria variaacutevel faltante

apresentou valor de p lt 005 Sendo assim permaneceram para a terceira fase

do modelo as variaacuteveis com valores de p lt 005 e a variaacutevel idade

c) na terceira fase para teste de seguranccedila do modelo com a

finalidade de avaliar se as variaacuteveis previamente retiradas do modelo

contribuiriam ou natildeo de modo significativo para a estimaccedilatildeo da sobrevida

cada uma das variaacuteveis previamente retiradas do modelo na fase inicial foi

reintroduzida no modelo multivariado com as variaacuteveis que na segunda fase

alcanccedilaram valor de p lt 005 Se fosse encontrado p lt 005 esta variaacutevel

permaneceria no modelo

d) as variaacuteveis assim selecionadas foram as variaacuteveis de entrada para

a rede neural artificial

392 Rede neural

Os testes da rede neural foram realizados pelo emprego do programa

Neuro XL Predictor (OLSOFT Software Development) que utiliza a rede neural

perceptron de muacuteltiplas camadas

A rede neural tipo perceptron de muacuteltiplas camadas compreendeu uma

camada de entrada camadas intermediaacuterias (ou ocultas) e uma camada de

Meacutetodos 17

saiacuteda (figura 2) Cada neurocircnio de qualquer das camadas da rede se conectou

a todos os neurocircnios da camada seguinte e o fluxo da informaccedilatildeo foi em uma

uacutenica direccedilatildeo (rede feedforward) da esquerda para a direita ou da camada de

entrada para a camada de saiacuteda (Figura 2a) O treinamento da rede foi feito

pelo emprego do algoritmo de treinamento supervisionado ou de

retropropagaccedilatildeo (backpropagation) que retropropaga o erro (backward) da

informaccedilatildeo da camada de saiacuteda para a camada de entrada (Figura 2b)

A funccedilatildeo de ativaccedilatildeo ou de transferecircncia da rede neural foi uma funccedilatildeo

natildeo linear (Figura 3) Entre as funccedilotildees de natildeo linearidade de ativaccedilatildeo da rede

neural foram testadas a funccedilatildeo zero based log sigmoid (Buskard et al 1994

Lundin et al 1999 Grossi 2006) e a funccedilatildeo tangente hiperboacutelica (Buskard et

al1994 Frize et al 2000 Ennett et al 2001 2004 Grossi 2006) a cada um

dos neurocircnios da rede neural camada a camada

A aplicaccedilatildeo da rede neural foi feita em trecircs etapas aprendizado-

treinamento previsatildeo e agrupamento aleatoacuterio

3921 Escolha da arquitetura da rede neural

De iniacutecio foi avaliada a arquitetura mais adequada para o aprendizado-

treinamento da rede neural mediante realizaccedilatildeo de testes com ateacute 20 camadas

intermediaacuterias de acordo com o ajuste de estimativas Foram investigados

a) nuacutemero de ciclos ndash A definiccedilatildeo do nuacutemero maacuteximo de ciclos ou

iteraccedilotildees para o aprendizado-treinamento da rede neural foi ajustada apoacutes

testes variando o paracircmetro em 30000 20000 e 10000 ciclos mantendo fixos

todos os demais paracircmetros da rede neural (Tabela 91)

b) erro delta ndash A definiccedilatildeo do valor do erro delta para o aprendizado-

treinamento da rede foi estipulado apoacutes testes variando o paracircmetro em

00001 00010 e 00020 do erro delta mantendo fixos todos os demais

paracircmetros envolvidos da rede neural inclusive o nuacutemero maacuteximo de ciclos em

30000 ciclos (tabela 91)

Meacutetodos 18

O nuacutemero maacuteximo de ciclos definido para o aprendizado-treinamento da rede

foi de 30000 etapas ou o valor do erro delta de 00001

c) os pesos sinaacutepticos iniciais ndash A determinaccedilatildeo dos pesos

(ponderaccedilatildeo da contribuiccedilatildeo da variaacutevel na estimaccedilatildeo) das conexotildees

sinaacutepticas foi definida pela proacutepria rede na execuccedilatildeo repetida do algoritmo de

aprendizado-treinamento A partir do peso sinaacuteptico inicial de 03 previamente

definido foi modulado a cada conexatildeo seguindo regra de aprendizado pela

aplicaccedilatildeo do algoritmo de treinamento supervisionado (backpropagation) para

ajustar o erro da variaacutevel de saiacuteda De maneira iterativa a variaacutevel de saiacuteda

estimada na rede foi comparada com a variaacutevel de saiacuteda observada resultando

num sinal de erro que foi retropropagado pela rede para permitir o ajuste dos

pesos (Figura 2b) Esses ciclos foram repetidos ateacute que a rede atribuiu para

cada variaacutevel de entrada uma variaacutevel de saiacuteda com valores estimados de

sobrevida consistentes com os valores observados

d) taxa de aprendizado ndash O paracircmetro denominado taxa de

aprendizado influencia o aprendizado da rede (Sanchez 2009) e foi fixado no

valor limite de 03 para o ajuste limitado da curva de aprendizado-treinamento

da rede neural

e) termo de momentum ndash O paracircmetro da rede neural denominado

termo de momentum interveacutem no aprendizado por aumentar a taxa de

aprendizado (Sanchez 2009) como moderador e foi fixado no valor limite de

03 para o ajuste da curva de aprendizado-treinamento da rede neural

Para definir a abordagem mais adequada para a imputaccedilatildeo nos valores

faltantes foram adotados trecircs criteacuterios distintos para avaliar a mais apropriada

previsatildeo de sobrevida da rede neural

a) valores de referecircncia normais para as variaacuteveis faltantes (Frize et

al 2001 Ennett et al 2001) ndash iacutendice de massa corpoacuterea (World Health

Organization 1995) pressatildeo arterial diastoacutelica (James et al 2014) espessura

diastoacutelica do septo intraventricular diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro do aacutetrio esquerdo (Lang et al 2005) potaacutessio seacuterico colesterol total e

creatinina seacuterica (rotina laboratorial institucional) (Tabela 8)

b) valor superior da normalidade (rotina laboratorial institucional) para

as taxas de colesterol total e creatinina seacuterica (Tabela 8)

Meacutetodos 19

c) valor da mediana das variaacuteveis disponiacuteveis para imputaccedilatildeo nos

valores faltantes (Frize et al 2001 Ennett et al 2001) (Tabela 8)

3922 Aprendizado-treinamento da rede neural

Para definir o mais apropriado tipo de treinamento para a previsatildeo da

sobrevida da rede neural duas teacutecnicas foram avaliadas

a) utilizando amostragem aleatoacuteria ndash trecircs amostras aleatoacuterias de um

terccedilo da casuiacutestica (n=968) foram constituiacutedas para aprendizado-treinamento

validaccedilatildeo e ajuste e aplicaccedilatildeo

b) utilizando a casuiacutestica do estudo (n=968) em cinco fases ndash

aprendizado- treinamento e definiccedilatildeo da rede neural com base nos oacutebitos

identificados ateacute 2012 aplicaccedilatildeo para estimativa de sobrevida ateacute 2012

comparaccedilatildeo de previsotildees com base nos oacutebitos verificados em 2013 reensaios

com oacutebitos identificados ateacute 2014 comparaccedilatildeo da previsatildeo para pacientes que

faleceram em 2013 e 2014 (Figura 4)

Na primeira fase com a finalidade de iniciar o aprendizado-treinamento

da rede neural foi avaliada a amostra dos pacientes com oacutebitos ocorridos ateacute

2012 e informaccedilotildees completas (dados falantes imputados segundo as

abordagens mencionadas) Foram realizados testes com base nas variaacuteveis

indicadas tanto pela anaacutelise estatiacutestica quanto pela relevacircncia cliacutenica tendo

como funccedilatildeo de ativaccedilatildeo zero based log sigmoid e tangente hiperboacutelica (Figura

3)

O tempo de sobrevida observado ateacute o desfecho oacutebito foi estimado a

partir da data do iniacutecio dos sintomas e a partir da data da primeira consulta no

ambulatoacuterio do hospital Com base no tempo meacutedio de seguimento o tempo de

sobrevida observado foi explorado e categorizado com base na experiecircncia

cliacutenica nas variaacuteveis prognoacutesticas referidas na literatura (Cowie et al 2000

Dries et al 2000 Lewis et al 2003 Rauchhaus et al 2003 Freitas et al

2005 Pocock et al 2006 Rassi Jr et al 2007 McManus et al 2009) para

identificar os pacientes com prognoacutestico menos favoraacutevel e obter a melhor

Meacutetodos 20

estimativa da rede (Tabelas 9 91) Variaacuteveis de relevacircncia cliacutenica foram

empregadas (Tabelas 9 e 91)

O erro da estimativa do tempo de sobrevida ateacute o oacutebito nesta fase foi

avaliado por meio do emprego da expressatildeo

erro da previsatildeo =| [(sobrevida prevista ndash sobrevida observada ateacute o oacutebito) x 100 ] |

sobrevida observada ateacute o oacutebito

em que

erro da previsatildeo () ndash erro relativo da previsatildeo da sobrevida com o emprego

da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ateacute o oacutebito ndash tempo de sobrevida dos pacientes ateacute o

oacutebito

Na segunda fase com a finalidade de se obter a previsatildeo da sobrevida

para os sobreviventes ateacute dezembro de 2012 foram realizados nove testes

(Tabela 10) Esta fase avaliou os pacientes com variaacuteveis completas e

incompletas para os modelos de dados da rede neural com respostas inferiores

a 36 Foi calculado o erro relativo da estimativa de oacutebito por meio do

emprego da expressatildeo

erro hipoteacutetico de previsatildeo = | [(sobrevida prevista ndash sobrevida observada) x 100] |

sobrevida observada

em que

erro hipoteacutetico de previsatildeo () ndash erro de estimativa de previsatildeo de sobrevida

com o emprego da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ndash sobrevida observada com base na data do uacuteltimo

contato dos sobreviventes

Na terceira fase foram comparadas as previsotildees com o emprego de

modelos de redes neurais para os sobreviventes ateacute 2012 e que faleceram em

Meacutetodos 21

2013 (Tabela 11) Esta fase comparou o modelo de rede ou os modelos de

dados da rede com respostas inferiores a 41 (Tabelas 12 13 14 15 16 17)

Na quarta fase foram realizados novos testes de aprendizado-treinamento da

rede neural incorporando as atualizaccedilotildees de mortalidade de 2013 (reensaio 1 -

Tabela 18) e 2014 (reensaio 2 - Tabela 19) Esta fase de aprendizado-

treinamento considerou os melhores modelos de rede neural para previsatildeo da

sobrevida

Na quinta fase foram comparados os resultados de previsatildeo da

sobrevida inicial da rede neural a partir dos oacutebitos ocorridos ateacute 2012 com os

reensaios 1 (Tabelas 20 21) e 2 (Tabelas 22 23) atualizando mortalidade

respectivamente de 2013 e 2014

3923 Avaliaccedilatildeo dos melhores modelos de rede neural

A avaliaccedilatildeo dos paracircmetros de variabilidade entre os modelos de rede

neural bem como a sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo (Tabela 24) e a funccedilatildeo de perda (Tabela 25)

dos modelos de dados da rede neural foram calculados

a) Dispersatildeo ou variabilidade dos modelos de rede neural ndash os desvios-

padratildeo em torno da meacutedia geral do erro de previsatildeo da sobrevida dos modelos

de rede neural foram calculados e comparadas as homogeneidades entre os

modelos de rede neural no aprendizado (vivos ateacute 2012) e na previsatildeo

(falecidos em 2013 e 2014) (Tabelas 12 13 14 15 16 17 20 21 22 23)

b) Sensibilidade especificidade acuraacutecia valor preditivo positivo e

valor preditivo negativo dos modelos de rede neural ndash a probabilidade de

previsatildeo para os melhores modelos da rede neural foi calculada para os

intervalos de tempo ou de corte (Martinez et al 2003) em 6 meses 1 ano 2

anos e 3 anos As previsotildees obtidas a partir do emprego da rede neural foram

categorizadas em (Tabela 24)

b1) verdadeiro positivo (VP) ndash previsto o oacutebito que ocorreu

b2) verdadeiro negativo (VN) ndash prevista a sobrevivecircncia que se confirmou

Meacutetodos 22

b3) falso positivo (FP) ndash previsatildeo de sobrevida e ocorreu o oacutebito

b4) falso negativo (FN) ndash previsatildeo de oacutebito que natildeo ocorreu

b5) sensibilidade ndash previsatildeo acertada de oacutebito pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VP (VP + FN)

b6) especificidade ndash previsatildeo acertada de sobrevida pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VN (VN + FP)

b7) acuraacutecia ndash precisatildeo na estimativa de sobrevida O caacutelculo foi feito por meio

do emprego da expressatildeo (VP + VN) (VP + FP + VN + FN)

b8) valor preditivo positivo ndash previsatildeo de oacutebito estimado pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VP (VP + FP)

b9) valor preditivo negativo ndash previsatildeo de sobrevida pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VN (VN + FN)

c) Funccedilatildeo de perda dos modelos de rede neural ndash o desempenho preditivo da

rede neural foi avaliado por meio do emprego da funccedilatildeo de perda aparente

para a variaacutevel contiacutenua tempo de sobrevida (Yuan 2008) que leva em

consideraccedilatildeo a diferenccedila entre a sobrevida prevista pelo emprego da rede

neural e a sobrevida observada em cada caso O resultado foi demonstrado

pela perda meacutedia estimada ou a meacutedia aritmeacutetica simples em valores

absolutos e expresso em dias (Santos 2013) (Tabela 25)

310 Aspectos eacuteticos

O protocolo do estudo foi aprovado pela Comissatildeo de Eacutetica para

Anaacutelise de Projetos de Pesquisa do Hospital das Cliacutenicas da Faculdade de

Medicina da Universidade de Satildeo Paulo (CAAE 34706714100000068)

4 Resultados

Resultados 24

41 Anaacutelise estatiacutestica

Os resultados foram obtidos pela anaacutelise estatiacutestica descritiva e

exploratoacuteria e pela anaacutelise inferencial para o ajuste do modelo estatiacutestico

411 Anaacutelise descritiva e exploratoacuteria

A idade dos pacientes variou de 18 anos a 94 anos (meacutedia 577

desvio- padratildeo 131) 1362 (64) homens e 766 (36) mulheres 1325 (62)

pacientes tinham idade entre 41 anos e 65 anos e 603 (28) pacientes tinham

idade superior a 65 anos A etnia branca foi observada em 343 (16) dos

pacientes e o sobrepeso foi identificado em 697 (33) pacientes A fraccedilatildeo de

ejeccedilatildeo do ventriacuteculo esquerdo foi inferior a 45 em 1476 (69) pacientes As

etiologias predominantes foram as cardiopatias hipertensiva e isquecircmica em

1443 (678) pacientes e a doenccedila de Chagas ocorreu em 333 (16)

pacientes A cardiopatia dilatada e a alcooacutelica ocorreram respectivamente em

206 (10) pacientes e 146 (7) pacientes Na qualidade de pacientes que

procuraram atendimento a condiccedilatildeo funcional era tal que permitia o acesso agrave

consulta deambulando Dos pacientes em tratamento 967 (45) faziam uso da

associaccedilatildeo de trecircs ou quatro medicamentos

Outras caracteriacutesticas cliacutenicas laboratoriais eletrocardiograacuteficas e

ecocardiograacuteficas satildeo apresentadas na tabela 1 A frequecircncia de dados

faltantes eacute apresentada nas tabelas 23 e 4 para cada variaacutevel

Foram identificados 968 (455) oacutebitos ateacute dezembro de 2012

Somaram-se 83 (39) oacutebitos verificados em 2013 e 50 (23) oacutebitos

verificados em 2014 O total de oacutebitos foi 1101 (517)

A curva da probabilidade de sobrevida geral da casuiacutestica eacute

apresentada na figura 5 O tempo meacutedio de acompanhamento dos pacientes foi

596 meses desvio- padratildeo 418 meses (variaccedilatildeo de um dia a 137 meses) e

Resultados 25

aos cinco anos de evoluccedilatildeo 68 dos pacientes da casuiacutestica estavam vivos

Tomando em consideraccedilatildeo a etiologia da insuficiecircncia cardiacuteaca no tempo

meacutedio de acompanhamento 71 dos portadores de cardiopatia hipertensiva

69 dos portadores de cardiopatia dilatada 66 dos portadores de cardiopatia

alcooacutelica 55 dos portadores de cardiopatia isquecircmica e 50 dos portadores

de cardiopatia da doenccedila de Chagas estavam vivos

Nas curvas de probabilidade de sobrevida relativas a cada variaacutevel

estudada os valores faltantes foram agrupados em uma categoria A

comparaccedilatildeo entre as curvas de sobrevida foi feita para as variaacuteveis

categorizadas em faixas de valores de acordo com os valores de referecircncia e

com a categorizaccedilatildeo individual do dado faltante para cada variaacutevel avaliada

(Figuras 6 a 51)

A comparaccedilatildeo entre as curvas de sobrevida revelou diferenccedila

estatisticamente significante (valor - p lt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash idade (plt0001 figura 7)

b) cliacutenicas ndash etiologia da insuficiecircncia cardiacuteaca (plt0001 figura 6) peso

(plt0001 figura 10) altura (p=0048 figura 11) iacutendice de massa corpoacuterea

(plt0001 figura 12) pressatildeo arterial sistoacutelica (plt0001 figura 13) pressatildeo

arterial diastoacutelica (plt0001 figura 14) classe funcional (plt0001 figura 15)

c) ecocardiograacuteficas ndash diacircmetro do aacutetrio esquerdo (plt0001 figura 22)

diacircmetro diastoacutelico do ventriacuteculo esquerdo (plt0001 figura 23) diacircmetro

sistoacutelico do ventriacuteculo esquerdo (plt0001 figura 24) fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo (plt0001 figura 25) espessura diastoacutelica do septo

interventricular (plt0001 figura 26) e espessura diastoacutelica da parede posterior

do ventriacuteculo esquerdo (plt0001 figura 27)

d) laboratoriais ndash hemoglobina seacuterica (plt0001 figura 29) taxa de glicose

seacuterica em jejum (plt0001 figura 30) taxa de creatinina seacuterica (plt0001 figura

31) taxa de soacutedio seacuterico (plt0001 figura 32) taxa de potaacutessio seacuterico (plt0001

figura 33) taxa de colesterol total (plt0001 figura 34) taxa de HDL-colesterol

(plt0001 figura 35) taxa de LDL-colesterol (plt0001 figura 36) e taxa de

trigliceacuterides (plt0001 figura 37)

Resultados 26

A comparaccedilatildeo entre as curvas de sobrevida natildeo revelou diferenccedila

estatisticamente significante (valor-p gt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash sexo (p=0025 figura 8) etnia (p=027 figura 9)

b) cliacutenicas ndash frequecircncia cardiacuteaca (p=062 figura 16) duraccedilatildeo dos sintomas

(p=068 figura 17) e o antecedente de hipertensatildeo arterial (p=0049 figura 18)

tabagismo (p=074 figura 19) diabetes melito (p=0024 figura 20) e etilismo

(p=0024 figura 21)

c) eletrocardiograacuteficas ndash ritmo cardiacuteaco (p=00051 figura 28)

d) laboratoriais ndash taxa de leucoacutecitos (plt0048 figura 38) taxa de linfoacutecitos

(p=0011 figura 39)

e) medicamentos em uso na consulta inicial ndash inibidores da enzima conversora

da angiotensina (captopril enalapril) e bloqueadores dos receptores da

angiotensina II (losartana) (p=091 figura 40) bloqueadores adreneacutergicos

(carvedilol metoprolol propranolol e atenolol) (p=0042 figura 41) diureacuteticos

(furosemida hidroclorotiazida (p=00032 figura 42) espironolactona (p=032

figura 43) digoxina (p=0077 figura 44) antiagregante plaquetaacuterio (aacutecido

acetilsaliciacutelico) (p=055 figura 45) anticoagulante oral (varfarina) (p=043

figura 46) estatina (sinvastatina) (p=007 figura 47) vasodilatadores

(hidralazina e mononitrato de isossorbida) (p=058 figura 48) bloqueador dos

canais de caacutelcio (anlodipina) (p=077 figura 49) antiarriacutetmico (amiodarona)

(p=051 figura 50) nuacutemero de medicamentos em uso (p=014 figura 51)

De 33 variaacuteveis reunidas inicialmente para a sequecircncia de anaacutelise pelo

emprego do modelo de riscos proporcionais de Cox avaliamos os valores

disponiacuteveis de todas as variaacuteveis cliacutenicas laboratoriais ecocardiograacuteficas

(Tabela 2) bem como dos medicamentos agrupados por classe farmacoloacutegica

(Tabela 3) e do nuacutemero de medicamentos em uso na consulta inicial (Tabela

4)

Resultados 27

412 Anaacutelise inferencial

Para a etapa seguinte de anaacutelise inferencial as variaacuteveis foram

selecionadas com base no valor p lt 010 ou pela especial relevacircncia cliacutenica

(Tabela 2) que discrimina as variaacuteveis com p lt 0001 mais etnia diabetes

melito frequecircncia cardiacuteaca hipertensatildeo arterial etilismo tabagismo ritmo

cardiacuteaco espessura diastoacutelica do septo interventricular espessura diastoacutelica da

parede posterior glicemia de jejum hemoglobina potaacutessio seacuterico leucoacutecitos

linfoacutecitos lipoproteiacutena de alta (HDL-colesterol) e baixa (LDL-colesterol)

densidade trigliceacuterides nuacutemero de medicamentos em uso na consulta inicial e

data do iniacutecio dos sintomas

Nesta primeira etapa da anaacutelise apenas as variaacuteveis com dados

vaacutelidos foram utilizadas no modelo ou seja a categoria individual de dado

faltante para cada variaacutevel natildeo foi utilizada (Tabela 2) Na segunda etapa a

categoria dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis

natildeo associadas com o prognoacutestico (Tabela 5) Na terceira etapa as variaacuteveis

natildeo significativas foram reintroduzidas testadas uma a uma no modelo e

tiveram sua significacircncia recalculada para confirmar que natildeo estariacuteamos

perdendo a relevacircncia cliacutenica (Tabela 6)

Os niacuteveis descritivos (valor-p) para as 32 variaacuteveis foram obtidos pelo

teste de razatildeo de verossimilhanccedila para os modelos ajustados com cada

variaacutevel separadamente controlando idade definindo a influecircncia de cada

variaacutevel na probabilidade de sobrevivecircncia (Tabela 2)

A variaacutevel iniacutecio dos sintomas foi dicotomizada em um periacuteodo inferior a

doze meses e superior ou igual a doze meses mas natildeo se revelou significativa

(valor p=068) para o prognoacutestico e foi retirada do modelo

As variaacuteveis com valor-p lt 010 ou relevacircncia cliacutenica foram

selecionadas para a segunda etapa da anaacutelise inferencial (Tabela 2)

Apoacutes novo ajuste sequencial do modelo e considerando o valor-p gt

005 obtido do teste de razatildeo de verossimilhanccedila as variaacuteveis hipertensatildeo

Resultados 28

arterial sistecircmica hemoglobina seacuterica glicemia de jejum fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo frequecircncia cardiacuteaca sexo soacutedio seacuterico taxa de

leucoacutecitos trigliceacuterides diacircmetro sistoacutelico do ventriacuteculo esquerdo e taxa de

linfoacutecitos natildeo revelaram diferenccedila significativa para a sobrevida e foram

retiradas do modelo (Tabela 5)

Entre as variaacuteveis com valor-plt005 a saber idade iacutendice de massa

corpoacuterea pressatildeo arterial sistoacutelica pressatildeo arterial diastoacutelica etiologia da

insuficiecircncia cardiacuteaca classe funcional espessura do septo interventricular

diacircmetro diastoacutelico do ventriacuteculo esquerdo diacircmetro do aacutetrio esquerdo

potaacutessio seacuterico colesterol total e creatinina observou-se que para a variaacutevel

pressatildeo arterial sistecircmica somente a categoria de dados faltantes revelou

significacircncia para a sobrevida e por este motivo foi retirada do modelo

Para reavaliar o ajuste do modelo as variaacuteveis retiradas do primeiro

ajuste do modelo multivariado em razatildeo de valor-pgt005 foram reintroduzidas

uma a uma no modelo e sua significacircncia foi calculada com base no teste da

razatildeo de verossimilhanccedila A variaacutevel iniacutecio dos sintomas foi dicotomizada em

um periacuteodo inferior a doze meses e superior ou igual a doze meses mas natildeo

se revelou significativa (valor-p=078) para o prognoacutestico e foi retirada do

modelo A variaacutevel antecedente pessoal de diabetes melito foi a uacutenica que se

revelou com importacircncia para a sobrevida (Tabela 6)

Assim foram selecionadas as variaacuteveis idade iacutendice de massa

corpoacuterea pressatildeo arterial diastoacutelica etiologia da insuficiecircncia cardiacuteaca classe

funcional espessura do septo interventricular diacircmetro diastoacutelico do ventriacuteculo

esquerdo diacircmetro do aacutetrio esquerdo potaacutessio seacuterico colesterol total

creatinina e a presenccedila de diabetes melito como as variaacuteveis relacionadas com

a sobrevida (Tabela 7) e selecionadas para a alimentaccedilatildeo da rede neural

Resultados 29

42 Rede neural

421 Escolha da arquitetura da rede neural

Os resultados da rede neural sugeriram que a arquitetura da rede

neural com cinco camadas intermediaacuterias 30000 ciclos e erro delta de 00001

revelou-se a mais adequada (Tabela 91)

Os dados que observamos permitem sugerir que natildeo houve diferenccedila

entre os dois tipos de funccedilatildeo de ativaccedilatildeo de natildeo linearidade que foram

utilizados ndash zero based log sigmoid e tangente hiperboacutelica ndash para a previsatildeo da

sobrevida pela rede neural (Tabela 9 e 91)

Entre as diferentes abordagens utilizadas para a imputaccedilatildeo nos valores

faltantes ndash valor da normalidade valor superior da normalidade valor da

mediana ndash observamos que a rede neural natildeo revelou resultado adequado na

previsatildeo da sobrevida (Tabela 9 e 91)

As 12 variaacuteveis selecionadas para o aprendizado-treinamento da rede

neural foram submetidas agrave interaccedilatildeo muacutetua nas cinco camadas para o ajuste

da rede

422 Aprendizado-treinamento da rede neural

Os resultados que definiram o tipo de treinamento mais apropriado

para a previsatildeo da sobrevida da rede neural foram obtidos pela teacutecnica da

amostragem aleatoacuteria e pela teacutecnica da utilizaccedilatildeo da casuiacutestica do estudo em

cinco fases

Resultados 30

4221 Amostragem aleatoacuteria

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em 322 pacientes selecionados aleatoriamente No

segundo terccedilo de pacientes (n = 322) o erro relativo da previsatildeo de sobrevida

da rede neural foi de 33685 Se comparada com a porcentagem de erro da

previsatildeo da rede neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do

tempo de sobrevida observado para os mesmos 322 pacientes o erro de

previsatildeo da rede foi de 36388

No teste realizado no terceiro terccedilo (n=324) dos pacientes agrupados

aleatoriamente o erro relativo da previsatildeo de sobrevida da rede neural foi

54419 Se comparado com a porcentagem de erro da previsatildeo da rede

neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do tempo de

sobrevida o erro de previsatildeo foi 61880

Em siacutentese pelos testes da rede neural com agrupamento aleatoacuterio o

aprendizado-treinamento da rede neural natildeo foi apropriado

4222 Fases do estudo da casuiacutestica

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em cinco fases

42221 Primeira fase ndash aprendizado-treinamento da rede neural

Para efeito de teste foi considerada a amostra dos pacientes com

oacutebitos ocorridos ateacute 2012 e a rede foi tambeacutem alimentada com outras variaacuteveis

que natildeo as 12 selecionadas pela anaacutelise estatiacutestica

Resultados 31

As variaacuteveis sexo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo de 25 e

55 creatinina seacuterica nos valores de 13 e 26 mgdL colesterol total nos

valores de 200 mgdL e 239 mgdL diacircmetro diastoacutelico do ventriacuteculo esquerdo

nos valores de 60 mm e 75 mm e a associaccedilatildeo das variaacuteveis colesterol total

nos valores de 200 mgdL e 239 mgdL e diacircmetro diastoacutelico do ventriacuteculo

esquerdo nos valores de 60 mm e 75 mm foram consideradas para o

aprendizado-treinamento da rede por serem variaacuteveis significativas no

prognoacutestico de alguns estudos (Gradman et al 1989 Dries et al 2000 Senni

et al 2001 Lee DS et al 2003 Levy et al 2006 Pocock et al 2006

Abraham et al 2008 Anand et al 2008 Roger et al 2013 Mahmood et al

2014 Kenchaiah et al 2015) portanto limitadoras para os testes da rede

neural (Tabelas 9 e 91) Natildeo houve melhora da capacidade de previsatildeo da

sobrevida pela rede (Tabelas 9 e 91)

O tempo de sobrevida observado foi trabalhado sem categorizaccedilatildeo e

com a classificaccedilatildeo em seis categorias do tempo de seguimento tomando

tambeacutem como base o seu tempo meacutedio ateacute 2 anos entre 1 ano e 6 anos entre

2 anos e 6 anos entre 15 ano e 85 anos acima de 2 anos e acima de 6 anos

Os resultados da modelagem da rede neural tomando em consideraccedilatildeo

o tempo de sobrevida observado estrateacutegia para imputaccedilatildeo no caso de dados

faltantes criteacuterios para variaacuteveis cliacutenicas funccedilatildeo de transferecircncia ou de

ativaccedilatildeo e informaccedilatildeo da data inicial disponiacutevel para estimar a sobrevida (data

do iniacutecio dos sintomas ou a data primeira consulta) estatildeo apresentados nas

tabelas 9 e 91

Os resultados obtidos foram

a) quando avaliadas diferentes estrateacutegias ndash o erro de previsatildeo da

sobrevida variou entre 201 (rede neural 4) e 102308 (rede neural 12)

dependendo da data disponiacutevel para estimar a sobrevida da funccedilatildeo de

transferecircncia dos valores de imputaccedilatildeo para os dados faltantes e das variaacuteveis

clinicamente relevantes (Tabelas 9 e 91) Portanto os resultados foram

inadequados para prever a sobrevida

b) quando avaliadas diferentes categorizaccedilotildees do tempo de sobrevida

observado ndash o erro de previsatildeo da sobrevida variou entre 3199 (rede neural

13) e 880 (rede neural 14) para a estrateacutegia um de imputaccedilatildeo para os dados

Resultados 32

faltantes funccedilatildeo de transferecircncia zero based log sigmoid a partir da data da

primeira consulta e diferentes variaacuteveis cliacutenicas significativas (Tabela 9) Os

resultados foram inadequados para prever a sobrevida exceto para a

categorizaccedilatildeo do tempo de evoluccedilatildeo entre 2 anos e 6 anos sem nenhuma

variaacutevel cliacutenica (3199 rede neural 13)

Pela categorizaccedilatildeo do tempo de sobrevida observado entre 1 ano e 6

anos a inclusatildeo de variaacuteveis cliacutenicas significativas com a funccedilatildeo de

transferecircncia zero based log sigmoid a partir da data da primeira consulta e

valores de imputaccedilatildeo para os dados faltantes baseados na estrateacutegia 1 (Tabela

9) fez o erro de estimativa variar entre 5185 (rede neural 15) e 7068 (rede

neural 17) Os resultados foram considerados inadequados para prever a

sobrevida

c) o resultado de previsatildeo da sobrevida variou entre o limite maacuteximo de

4801 (rede neural 24) e miacutenimo de 1137 (rede neural 26) quando as

categorizaccedilotildees do tempo de sobrevida observado tomaram como referecircncia o

tempo meacutedio de seguimento dos pacientes (49 anos) dependendo da data

disponiacutevel para estimar a sobrevida e da funccedilatildeo de transferecircncia (Tabela 9) Os

resultados foram considerados mais adequados para prever a sobrevida

d) a inclusatildeo da etiologia na categorizaccedilatildeo do tempo de sobrevida

observado entre 2 anos e 6 anos resultou numa previsatildeo da rede neural entre

2191 (rede neural 42) a 2952 (rede neural 40) (Tabelas 9 e 91) O

resultado foi considerado mais adequado para prever a sobrevida para a

cardiopatia da doenccedila de Chagas (2191 rede neural 42) e natildeo acrescentou

capacidade estimativa para as outras etiologias

O teste com vaacuterias categorizaccedilotildees do tempo de sobrevida observado

revelou que os melhores resultados de previsatildeo da sobrevida foram obtidos

pelo modelo de rede definida por tempo de sobrevida observado acima de 6

anos a partir da data da primeira consulta com estimativa de sobrevida de

1277 (funccedilatildeo de ativaccedilatildeo ndash tangente hiperboacutelica rede neural 24) ou 1137

(funccedilatildeo de ativaccedilatildeo ndash zero based log sigmoid rede neural 26) e com tempo

de sobrevida observado entre 2 anos e 6 anos a partir da data do iniacutecio dos

sintomas com estimativa de sobrevida de 2054 (funccedilatildeo de ativaccedilatildeo ndash

Resultados 33

tangente hiperboacutelica rede neural 22) ou 2260 (funccedilatildeo de ativaccedilatildeo ndash zero

based log sigmoid rede neural 20) (Tabelas 9 e 91)

Os resultados dos testes que definiram os melhores modelos de dados

da rede neural em estimar a sobrevida estatildeo representados na tabela 10

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar

a sobrevida

Nos pacientes sobreviventes ateacute dezembro de 2012 os resultados de

previsatildeo da sobrevida satildeo apresentados na tabela 11

Os erros de previsatildeo pelo emprego da rede neural foram superiores

aos obtidos na previsatildeo da primeira fase Ainda assim foram adequados para

prever a sobrevida principalmente no modelo de rede com tempo de sobrevida

observada superior a 6 anos

Os melhores modelos de previsatildeo da sobrevida foram aqueles com

tempo de sobrevida observado superior a 6 anos e que consideraram como

data disponiacutevel para estimar a sobrevida a data da primeira consulta tanto para

tangente hiperboacutelica (2071) quanto para funccedilatildeo zero based log sigmoide

(2150)

Os melhores resultados da rede neural observados nesta fase

coincidiram com os melhores resultados revelados pela rede neural na primeira

fase do aprendizado da rede

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede

neural

Os resultados da previsatildeo de sobrevida sugeridos pela rede neural

estatildeo apresentados na tabela 12 o erro de estimativa da rede variou de acordo

com o modelo de dados da rede neural A comparaccedilatildeo dos erros (previsto pela

rede neural versus observado na evoluccedilatildeo) para cada paciente estaacute

Resultados 34

representada nas tabelas 13 14 15 16 e 17 (estimativas individuais) Os

resultados obtidos foram

a) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n = 19 sobreviventes) da rede comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 3562 (desvio-

padratildeo 2498) para 4755 (desvio-padratildeo 1384) com homogeneidade dos

erros de previsatildeo maior (menor desvio-padratildeo)

Poreacutem individualmente os erros de previsatildeo da comparaccedilatildeo com o

real foram superiores a 44 em 7368 (14 pacientes) do total de pacientes da

amostra e inferiores a 40 em 2632 (5 pacientes) do total de pacientes para

este modelo de dados da rede neural (Tabela 13)

b) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data de iniacutecio dos sintomas e funccedilatildeo zero based log sigmoid ndash a

meacutedia dos erros de previsatildeo (n = 2 sobreviventes) comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 1155 para

4037 com discreta diferenccedila na homogeneidade dos erros de previsatildeo

respectivamente desvios-padratildeo 1249 e 1365 Para os dois pacientes deste

modelo de dados da rede neural os resultados de 5002 e 3072 de

sobrevida natildeo permitiram avaliar da precisatildeo da rede neural (Tabela 14)

c) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

dos erros de previsatildeo (n=2 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 4095 (desvio-padratildeo

1237) para 5614 (desvio-padratildeo 001) com homogeneidade dos erros de

previsatildeo maior (desvio-padratildeo menor) Para os dois pacientes deste modelo de

dados da rede neural os resultados de previsatildeo da sobrevida de 5615 e

5614 natildeo permitiram avaliar a precisatildeo da rede neural (Tabela 15)

d) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia dos

erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros de

previsatildeo dos falecidos em 2013 diminuiu de 2120 (desvio-padratildeo 1396)

para 1880 (desvio-padratildeo 1239) com a dispersatildeo em torno da meacutedia do

Resultados 35

erro de previsatildeo mais homogecircneo (desvio-padratildeo menor) Os resultados

individuais para este modelo de dados da rede neural dos erros de previsatildeo

da comparaccedilatildeo com o real variaram de 069 a 387 Os resultados

superiores a 26 de erro previsatildeo da sobrevida foram observados em 10

pacientes (2778) do total de pacientes da amostra e foram inferiores a 25

em 26 pacientes (7222 ) Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 11 (Tabela 16)

e) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 1848 (desvio-padratildeo

1354) para 1948 (desvio-padratildeo 1167) com maior homogeneidade (menor

desvio-padratildeo) Os resultados individuais dos erros de previsatildeo da comparaccedilatildeo

com o real variaram de 095 a 4588 Os resultados superiores a 26 de

erro de previsatildeo da sobrevida foram observados em 13 pacientes (3611) e

inferiores a 25 em 23 pacientes (6389) do total de pacientes para este

modelo de dados da rede Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 13 (Tabela 17)

A anaacutelise dos resultados de previsatildeo da sobrevida pela rede neural

sugere que os modelos de redes neurais com tempo de sobrevida observada

superior a seis anos considerando a data da primeira consulta tanto para a

funccedilatildeo tangente hiperboacutelica quanto para a funccedilatildeo zero based log sigmoid

apresentaram maior precisatildeo na estimativa da sobrevida

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural

Foram incorporados para aprendizado-treinamento dos modelos de

dados de rede neural 44 pacientes com dados completos dos 83 pacientes que

vieram a falecer em 2013 (reensaio 1 ndash Tabela 18) e 30 pacientes com dados

completos dos 50 pacientes que faleceram em 2014 (reensaio 2 ndash Tabela 19)

Os resultados obtidos foram

Resultados 36

a) reensaio incorporando os oacutebitos ateacute 2013 - os testes de reensaio

realizados em 145 pacientes com oacutebito e informaccedilotildees completas (101 falecidos

em 2012 e 44 em 2013) e a estimativa de sobrevida da rede neural em 269

pacientes (186 falecidos em 2012 e 83 pacientes em 2013) Foi realizado o

reensaio para os melhores modelos de dados da rede neural para previsatildeo da

sobrevida

a1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo de

sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1376 quando comparado com a previsatildeo inicial sem esse dado (1277)

(Tabela 18) A meacutedia geral dos erros reais de previsatildeo da sobrevida pela rede

diminuiu de 2120 (desvio-padratildeo 1396) para 848 (desvio-padratildeo 961)

apoacutes o reensaio 1 (Tabela 20) A homogeneidade dos erros de previsatildeo foi

maior (menor desvio-padratildeo)

a2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1230 quando comparado com o resultado de previsatildeo inicial sem esses

dados (1137) (Tabela 18) A meacutedia geral dos erros reais de previsatildeo da

sobrevida pela rede neural diminuiu de 1848 (desvio-padratildeo 1410) para

1124 (desvio-padratildeo 851) apoacutes o reensaio 1 (Tabela 21) A homogeneidade

dos erros de previsatildeo foi maior (menor desvio-padratildeo)

b) reensaio incorporando os oacutebitos ateacute 2014 - Os testes de reensaio

realizados em 175 pacientes com oacutebito identificado e informaccedilotildees completas

(145 pacientes falecidos 2012 e 30 em 2014) A previsatildeo da estimativa de

sobrevida da rede neural foi realizada em 319 pacientes (269 pacientes

falecidos em 2012 e 50 em 2013) Foi realizado o reensaio para os melhores

modelos de dados da rede neural para previsatildeo da sobrevida

b1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo da

sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1733 quando comparado com o resultado de previsatildeo inicial sem esse dado

Resultados 37

(1277) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 2120 (desvio-padratildeo 1396) para 910 (desvio-

padratildeo 961) apoacutes o reensaio 2 (Tabela 22) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

b2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1488 quando comparado com o resultado de previsatildeo inicial sem esse dado

(1137) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 1848 (desvio-padratildeo 1410) para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 (Tabela 23) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede

neural

Foram comparadas as meacutedias dos erros de previsatildeo da sobrevida (n =

36 pacientes) pela rede neural sem a incorporaccedilatildeo dos oacutebitos de 2013 e 2014

com a incorporaccedilatildeo dos oacutebitos de 2013 e 2014 Os resultados obtidos foram

a) modelo de rede com tempo de sobrevida observado acima de 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

geral (n= 36 pacientes) dos erros sem a incorporaccedilatildeo dos oacutebitos de 2013 e

2014 de previsatildeo da sobrevida pela rede comparados com os resultados apoacutes

os reensaios incorporando os oacutebitos de 2013 e 2014 diminuiu

respectivamente de 2120 (desvio-padratildeo 1396) para a 848 (desvio-

padratildeo 961) e 910 (desvio-padratildeo 787) A homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 2 foi maior (menor desvio-

padratildeo)

Os resultados individuais das meacutedias dos erros de previsatildeo da

sobrevida foram inferiores a 10 em 75 (27 pacientes) e superiores a 15

em 25 (9 pacientes) do total de pacientes para o reensaio 1 (Tabela 22)

Resultados 38

Para o reensaio 2 os erros de previsatildeo da sobrevida pela rede neural foram

inferiores a 10 em 7222 (26 pacientes) e superiores ou iguais a 15 em

2778 (10 pacientes) do total de pacientes (Tabela 22)

b) modelo de rede com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

geral (n = 36 pacientes) dos erros de previsatildeo da sobrevida pela rede sem a

incorporaccedilatildeo dos oacutebitos de 2013 e 2014 comparados com os resultados apoacutes

o reensaio 1 incorporando os oacutebitos diminuiu de 1848 (desvio-padratildeo

1410) para 1124 (desvio-padratildeo 851) e aumentou para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 com maior homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 1 (menor desvio-padratildeo) (Tabela

23) Os resultados individuais das meacutedias dos erros de previsatildeo da sobrevida

incorporando os oacutebitos de 2013 e 2014 foram inferiores ou iguais a 10 em

6111 (22 pacientes) e superiores a 15 em 3889 (14 pacientes) do total

de pacientes para o reensaio 2 (Tabela 23)

Em siacutentese os resultados obtidos pelos testes para os dois melhores

modelos de dados da rede neural sugerem que

a) houve aprendizado satisfatoacuterio da rede neural pela atualizaccedilatildeo dos

dados de mortalidade de anos subsequentes

b) a acuraacutecia das meacutedias dos erros de previsatildeo da sobrevida apoacutes a

incorporaccedilatildeo dos oacutebitos ocorridos em 2013 e 2014 foi melhor quando

comparada com as meacutedias de previsatildeo da rede neural para os sobreviventes

ateacute 2012

c) os resultados das meacutedias gerais dos erros de previsatildeo da sobrevida

foram satisfatoacuterios mas inferiores a 13 apoacutes a incorporaccedilatildeo dos oacutebitos de

2013 e 2014

d) o modelo de dados com limite de sobrevida superior a seis anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica teve a melhor

precisatildeo da rede neural na previsatildeo da sobrevida com erro inferior a 10

e) a precisatildeo da previsatildeo da sobrevida quando avaliada caso a caso

apoacutes a incorporaccedilatildeo dos oacutebitos ocorridos em 2013 permite resultados

satisfatoacuterios (erro de previsatildeo lt 5) em 16 casos mas tambeacutem incorre em

Resultados 39

erros de previsatildeo insatisfatoacuterios (gt30) em dois casos num total de 36 casos

para este modelo de rede

f) a categorizaccedilatildeo do tempo de sobrevida observado eacute importante para

o aprendizado-treinamento da rede neural na previsatildeo da sobrevida

43 Avaliaccedilatildeo dos melhores modelos da rede neural

Os resultados do desempenho dos melhores modelos de rede neural

para a previsatildeo da sobrevida foram avaliados

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo

valor preditivo negativo da rede neural

Para os seis melhores modelos de rede neural os resultados

evidenciaram sensibilidade que variou entre 930 e 872 especificidade

entre 775 e 667 acuraacutecia entre 852 e 789 valor preditivo positivo

que variou entre 880 e 536 e valor preditivo negativo entre 974 e 714

(Tabela 23)

Os resultados obtidos pelos melhores modelos de dados avaliados

permitem a seguinte siacutentese

a) no modelo de rede neural com tempo de sobrevida observado

superior a 6 anos a partir da data da consulta inicial com intervalo de corte de

trecircs anos (1095 dias) a sensibilidade foi de 93 (com ambas as funccedilotildees de

ativaccedilatildeo) especificidade de 775 (funccedilatildeo tangente hiperboacutelica) e 764

(funccedilatildeo zero based log sigmoid) acuraacutecia da rede foi satisfatoacuteria de 81 ou

802 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo negativo alto de

974 (com ambas as funccedilotildees de ativaccedilatildeo) e valor preditivo positivo baixo de

547 ou 536 (dependendo da funccedilatildeo de ativaccedilatildeo)

Resultados 40

b) no modelo de rede neural com tempo de sobrevida observado entre

2 anos e 6 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de dois anos (730 dias) a sensibilidade foi de 898 (com ambas as funccedilotildees

de ativaccedilatildeo) especificidade de 765 (funccedilatildeo zero based log sigmoid) e 725

(funccedilatildeo tangente hiperboacutelica) acuraacutecia da rede foi satisfatoacuteria de 839 e

852 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo alto de 88

ou 863 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo alto

de 796 ou 787 (dependendo da funccedilatildeo de ativaccedilatildeo)

c) no modelo de rede neural com tempo de sobrevida observado

inferior a 2 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de um ano (365 dias) a sensibilidade foi razoaacutevel de 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade inadequada de 667 e 625

(dependendo da funccedilatildeo de ativaccedilatildeo) acuraacutecia satisfatoacuteria de 803 e 789

(dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo razoaacutevel de 837

e 820 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo

de 7275 e 714 (dependendo da funccedilatildeo de ativaccedilatildeo)

d) os resultados foram insatisfatoacuterios nas estimativas por tempo de

seguimento observado superior a 6 anos a partir da data do iniacutecio dos

sintomas com intervalo de corte de dois anos independentemente da funccedilatildeo

de ativaccedilatildeo bem como no tempo de sobrevida observado inferior a 2 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de seis meses

independentemente da funccedilatildeo de ativaccedilatildeo Nos modelos com tempo de

seguimento observado entre 2 anos e 6 anos com intervalo de corte de um

ano independentemente da funccedilatildeo de ativaccedilatildeo tanto para a data do iniacutecio dos

sintomas quanto para a data da consulta inicial os resultados foram

insatisfatoacuterios (Tabela 24)

432 Funccedilatildeo de perda da rede neural

O erro ou perda meacutedia estimada da sobrevida para os melhores

modelos de rede neural (Tabela 25) revelou

Resultados 41

a) o erro meacutedio de previsatildeo da sobrevida variou de 12695 dias a

38931 dias

b) os menores erros de previsatildeo (12695 dias e 13307 dias) foram

obtidos pelo modelo de rede neural com tempo de sobrevida inferior a 2 anos e

o tempo estimado desde a data de iniacutecio dos sintomas

c) os segundos menores erros de previsatildeo (23161 dias e 25906 dias)

foram alcanccedilados pelo modelo de rede neural com tempo de sobrevida entre 2

anos e 6 anos e o tempo estimado desde a data de iniacutecio dos sintomas

d) os piores erros de estimativa foram (29388 dias 33255 dias e

38931 dias) para tempo de sobrevida superior a 6 anos e tempo de sobrevida

entre 2 anos e 6 anos com informaccedilatildeo da data da primeira consulta

Os melhores resultados da funccedilatildeo de perda foram obtidos pelos

modelos de rede neural com o menor nuacutemero de pacientes (tamanho da

amostra = 47) e com informaccedilatildeo da data do iniacutecio dos sintomas

A avaliaccedilatildeo pelo emprego da funccedilatildeo de perda revelou a estimativa da

rede neural que pode alcanccedilar erros de 44 meses ateacute 11 anos para mais ou

para menos

5 Discussatildeo

Discussatildeo 43

A casuiacutestica estudada tem caracteriacutesticas de interesse para a

interpretaccedilatildeo dos achados e potenciais implicaccedilotildees cliacutenicas dos resultados

obtidos

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes

Trata-se de casuiacutestica ambulatorial diversa de casuiacutesticas de

publicaccedilotildees de nosso meio que avaliaram pacientes hospitalizados (Bestetti et

al 1997 Pereira Barretto et al 1998 Carlo et al 2014 Albuquerque et al

2015) Tambeacutem eacute digno de nota o fato de ser hospital acadecircmico de referecircncia

terciaacuteria que integra a rede do Sistema Uacutenico de Sauacutede (SUS) incluindo entre

suas responsabilidades institucionais identificar pacientes com insuficiecircncia

cardiacuteaca de prognoacutestico mais reservado com necessidade de tratamentos

complexos

511 Casuiacutestica

A casuiacutestica (n=2128) pode ser estimada grande comparada com

outras que avaliaram incidecircncia e fatores desencadeantes (n=903) (Pereira

Barretto et al 1998) sobrevida (n= 104) (Mady et al 1994) prognoacutestico

(n=1220 - Freitas et al 2004 ou n=944 - Nadruz et al 2018) fatores preditores

de mortalidade (n=56) (Bestetti et al 1994) modelo cliacutenico de prediccedilatildeo

ambulatorial de sobrevida (n=268) (Aaronson et al 1997) impacto de

comorbidades na estratificaccedilatildeo prognoacutestica ambulatorial (n=807) (Senni et al

2006) de pacientes com insuficiecircncia cardiacuteaca Poreacutem dada a natureza

generalizada sob ponto de vista cardioloacutegico de certa forma aberta do Serviccedilo

lidamos com pacientes que recebem o diagnoacutestico cliacutenico sem restriccedilotildees

quanto a casuiacutesticas apenas de homens (Mady et al 1994) etiologia da

doenccedila de Chagas (Bestetti et al 1994) ou isquecircmica (Lewis et al 2003) ou

Discussatildeo 44

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo inferior ou igual a 40 (Gradman et

al1989)

512 Idade

A meacutedia da idade na casuiacutestica (577 anos desvio-padratildeo 131) foi de

pacientes com idade inferior a 65 anos (71) agrave semelhanccedila de outros estudos

que verificaram meacutedias de idade entre 517 anos (desvio- padratildeo 83) e 59

anos (desvio- padratildeo 14 anos) (Bestetti et al 1997 Freitas et al 2005 Silva et

al 2007 Nadruz et al 2018) embora haja casuiacutesticas publicadas com meacutedia

de idade superior a 61 anos (Roger et al 2004 Rohde et al 2005 Moutinho

et al 2008 Shah et al 2017) e outra com meacutedia de idade de 48 anos desvio-

padratildeo 12 anos (Nunes et al 2008)

Portanto nossa casuiacutestica identificou no periacuteodo de estudo pacientes

adoecidos em fase potencialmente produtiva da vida com suas eventuais

implicaccedilotildees familiares econocircmicas e sociais

513 Sexo

A frequecircncia de homens em relaccedilatildeo a mulheres predominou (64) na

casuiacutestica assim como em outros estudos (Likoff et al 1987 Bestetti et al

1997 Lewis et al 2003 Freitas et al 2005 Rassi et al 2006 Ahmed et al

2006a Theodoropoulos et al 2007 Nunes et al 2008 Marcula et al 2011

Carlo et al 2014 Gheorghiade et al 2013 Abdul-Rahim et al 2016 Nadruz

et al 2018)

Por outro lado haacute estudos em que o sexo feminino foi mais frequente

(Mahmood et al 2014 Gradman et al 1989 MacIntyre et al 2000 Roger et

al 2004 Ahmed et al 2006b Fonarow et al 2007b Moutinho et al 2008

Gerber et al 2015 Albuquerque et al 2015)

Discussatildeo 45

Por conseguinte ainda que a frequecircncia de homens predomine na casuiacutestica

as mulheres compotildeem contingente relevante (Ponikowski et al 2016)

514 Antecedentes

Na nossa casuiacutestica a maioria dos pacientes foi de natildeo diabeacuteticos

(70) e entre aqueles com diagnoacutestico de diabete melito (23) houve 18

insulino - independentes Pacientes com antecedentes de hipertensatildeo arterial

foram prevalentes (72) na casuiacutestica Tais caracteriacutesticas reiteram a

importacircncia epidemioloacutegica da hipertensatildeo arterial em relaccedilatildeo tambeacutem agrave

insuficiecircncia cardiacuteaca

515 Etiologia

A distribuiccedilatildeo da etiologia revisada em cada paciente tem

caracteriacutesticas proacuteprias quanto agrave frequecircncia das cardiopatias hipertensiva

(43) isquecircmica (25) cardiopatia da doenccedila de Chagas (16) cardiopatia

dilatada idiopaacutetica (10) e alcooacutelica (7)

Em outras casuiacutesticas brasileiras houve predomiacutenio de cardiomiopatia

dilatada idiopaacutetica (282 a 372) (Freitas et al 2005 Silva et al 2007) e

isquecircmica (21 a 33) (Pereira Barretto et al 1998 Albuquerque et al 2015

Nadruz et al 2018)

Em casuiacutestica de outros paiacuteses houve diferenccedila na distribuiccedilatildeo

etioloacutegica nas amostras estudadas com a maior frequecircncia de cardiomiopatia

dilatada idiopaacutetica (Keogh et al 1990) ou a etiologia isquecircmica (Senni et al

1999 Levy et al 2006 Abraham et al 2008)

Por isso esta casuiacutestica permite a interessante possibilidade de

avaliaccedilatildeo comparativa de diferentes etiologias da insuficiecircncia cardiacuteaca

Discussatildeo 46

516 Iacutendice de massa corpoacuterea

A meacutedia do iacutendice de massa corpoacuterea foi baixa (269 kgm2 desvio-

padratildeo 57) o valor inferior a 25 kgm2 e o superior a 30 kgm2 ocorreram

respectivamente em 31 e 18 dos pacientes Portanto extremos de massa

corpoacuterea que podem se associar ao prognoacutestico natildeo foram frequentes (Anker

et al 1997 2003 Kenchaiah et al 2002 Veloso et al 2005 Okoshi et al

2017)

517 Frequecircncia cardiacuteaca

A meacutedia da frequecircncia cardiacuteaca foi 8078 (desvio-padratildeo 1597)

batimentos por minuto e os extremos superior a cem batimentos por minuto e

inferiores a 60 batimentos por minuto ocorreram respectivamente em 7 e

3 dos pacientes com insuficiecircncia cardiacuteaca Tais dados podem ser uacuteteis

tambeacutem para o planejamento terapecircutico (Swedberg et al 2010) uma vez

que a frequecircncia cardiacuteaca elevada eacute um fator de risco (Kannel 1987 Pocock et

al 2006 Boumlhm et al 2010) e um preditor de mortalidade (Ariel et al 2005)

518 Pressatildeo arterial sistoacutelica e diastoacutelica

O valor meacutedio da pressatildeo arterial sistoacutelica foi de 1375 mm Hg com

desvio-padratildeo 288 mm Hg e o valor meacutedio da pressatildeo arterial diastoacutelica de 88

mm Hg com desvio-padratildeo 171 mm Hg o que natildeo deixa de ser digno de nota

em relaccedilatildeo ao antecedente de hipertensatildeo arterial frequente

Discussatildeo 47

Pressatildeo arterial sistoacutelica superior a 130 mm Hg (46 dos pacientes) foi

frequente e inferior a 100 mm Hg mais rara (4) por outro lado pressatildeo

arterial diastoacutelica superior a 90 mm Hg e inferior a 80 mm Hg foram

observadas respectivamente em 30 e 21 dos pacientes Em amostra

ambulatorial os extremos de pressatildeo arterial que podem ter significado

prognoacutestico (Vasan et al 2001 Lewis et al 2003 Lee DS et al 2003 Klein et

al 2005 Pocock et al 2006) natildeo foram frequentes

519 Classe funcional

Como casuiacutestica ambulatorial a maior parte dos pacientes (65) da

casuiacutestica estava na classe funcional II ou III da New York Heart Association

enquanto 28 na classe funcional I e IV em igual porcentagem demonstrando

que a maioria dos pacientes se encontrava em condiccedilatildeo estaacutevel de modo a

permitir a orientaccedilatildeo terapecircutica apropriada

5110 Tempo decorrido ateacute o desfecho

Um singularidade desta casuiacutestica satildeo as informaccedilotildees de desfechos no

longo prazo pois a casuiacutestica de 2003 a 2007 teve as informaccedilotildees de

desfechos recuperadas ateacute 2014 com tempo meacutedio de seguimento de 596

meses (desvio-padratildeo 418 meses) O tempo de observaccedilatildeo de outras

casuiacutesticas brasileiras publicadas variou de 1 ano a 64 anos (Bestetti et al

1994 Mady et al 1994 Pereira Barretto et al 1998 Freitas et al 2005 Carlo

et al 2014)

Discussatildeo 48

5111 Variaacuteveis ecocardiograacuteficas

Quanto agraves variaacuteveis ecocardiograacuteficas identificamos o diacircmetro do

aacutetrio esquerdo o diacircmetro diastoacutelico do ventriacuteculo esquerdo e a espessura do

septo interventricular associados agrave mortalidade Esse achado vai ao encontro

de publicaccedilotildees anteriores que relacionaram a dimensatildeo do aacutetrio esquerdo

(Hsiao Chiou 2013) e a dimensatildeo diastoacutelica do ventriacuteculo esquerdo com

prognoacutestico de mortalidade (Freitas et al 2005)

Reiteramos o achado da natildeo associaccedilatildeo entre o diacircmetro sistoacutelico de

ventriacuteculo esquerdo e o prognoacutestico de sobrevida o que vai de encontro a

outros estudos que observaram fraca associaccedilatildeo do diacircmetro sistoacutelico de

ventriacuteculo esquerdo com sobrevida em pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca (Cowie et al 2000) Por outro lado a associaccedilatildeo da

espessura do septo interventricular com a mortalidade foi um achado curioso

A distribuiccedilatildeo da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo reflete as

caracteriacutesticas de casuiacutestica ambulatorial e observamos que os valores

observados natildeo foram associados com o prognoacutestico o que vai de encontro a

outros estudos (Cohn et al 1986 19871988 Gradman et al 1989 Lewis et

al 2003 Pfeffer et al 2003 Freitas et al 2005 Pocock et al 2006 Rassi et

al 2007 Lupoacuten et al 2017)

Natildeo deixa de ser de interesse a restriccedilatildeo ao uso da fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo na estratificaccedilatildeo da insuficiecircncia cardiacuteaca em algumas

circunstacircncias ndash no caso de idosos e hospitalizados ndash (Shah et al 2017) e o

conceito que a fraccedilatildeo de ejeccedilatildeo natildeo seja um marcador acurado de risco de

pacientes apoacutes internaccedilatildeo hospitalar (Steinberg Fang 2017) Talvez este fato

esteja relacionado ao fato de que nas formas mais avanccediladas da doenccedila tanto

os diacircmetros ventriculares quanto a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

atenuem sua associaccedilatildeo com a sobrevida (Veloso et al 2005) Possivelmente

nesta casuiacutestica o mesmo se aplique uma vez que a variaacutevel fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo natildeo se revelou associada ao prognoacutestico de sobrevida

Discussatildeo 49

5112 Variaacuteveis laboratoriais

Entre as variaacuteveis laboratoriais identificamos agrave semelhanccedila de outros

estudos a taxa de potaacutessio seacuterico (Ahmed et al 2007 Bielecka-Dabrowa et

al 2012) a taxa de creatinina seacuterica (Silverberg et al 2000 Vardeny et al

2012 Zanaad et al 2013 Damman et al 2014 Pimentel et al 2014

Palazzuoli et al 2016) e a taxa de colesterol (Volpato et al 2001a Horwich et

al 2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006) associadas ao prognoacutestico

Por outro lado verificamos que a dosagem seacuterica de soacutedio natildeo foi

associada ao prognoacutestico o que vai de encontro a outros estudos que

correlacionaram a concentraccedilatildeo mais baixa de soacutedio seacuterico agrave severidade da

insuficiecircncia cardiacuteaca (Klein et al 2005) e como preditor de mortalidade (Lee

WH Packer 1986 Lee DS et al 2003 Milo-Cotter et al 2008 Abraham et al

2008 Waikar et al 2009 Kajimoto et al 2016)

Reproduzimos neste estudo a observaccedilatildeo de natildeo associaccedilatildeo da

dosagem seacuterica de hemoglobina com o prognoacutestico Uma possiacutevel explicaccedilatildeo

estaria relacionada agrave baixa prevalecircncia da anemia (11 de pacientes com

hemoglobina seacuterica inferior a 12 gdl) quando comparada com a prevalecircncia

tanto em pacientes ambulatoriais de 426 (Go et al 2006) a 556

(Silverberg et al 2000) quanto em pacientes hospitalizados de 17

(Ezekowitz et al 2003) a 45 (Maraldi et al 2006) Entretanto os resultados

que observamos vatildeo de encontro a outros autores (Ezekowitz et al 2003

Anand et al 2004 Maraldi et al 2006 Levy et al 2006 Tang Katz 2008

Kyriakou Kiff 2016) que associaram a anemia com prognoacutestico

Talvez a explicaccedilatildeo para nossa observaccedilatildeo que vai ao encontro de

estudos (Anand et al 2005 Abebe et al 2017) e da afirmaccedilatildeo de Inder S

Anand seja a presenccedila de anemia como marcador de risco natildeo como preditor

de mortalidade (Anand 2008)

Discussatildeo 50

As taxas seacutericas de leucoacutecitos e de linfoacutecitos foram outras variaacuteveis

laboratoriais avaliadas em nossa casuiacutestica que natildeo foram associadas com o

prognoacutestico de sobrevida o que vai de encontro a outros estudos que

associaram valores baixos de linfoacutecitos ndash mas natildeo agrave dosagem seacuterica de

leucoacutecitos ndash com mortalidade (Acanfora et al 2001 Huehnergarth et al 2005

Charach et al 2011 Uthamalingam et al 2011 Marcula et al 2015)

5113 Medicamentos em uso

Verificamos a subutilizaccedilatildeo do tratamento medicamentoso

recomendado (Bocchi et al 2009 2012 Ponikowski et al 2016) para os

pacientes com insuficiecircncia cardiacuteaca com fraccedilatildeo de ejeccedilatildeo reduzida Fatores

de aderecircncia ao tratamento medicamentoso recomendado tecircm sido

reconhecidos como desafios no tratamento de pacientes (Chizzola et al 1996

Pereira-Barretto et al 2001) A preocupaccedilatildeo com a subutilizaccedilatildeo do

tratamento medicamentoso por diferentes motivos tem existido em nosso

meio haacute vinte e dois anos Poreacutem esperar-se-ia que fosse menor hoje do que

a observada em nossa casuiacutestica Tal verificaccedilatildeo tambeacutem foi feita em outros

paiacuteses em duas grandes coortes com respectivamente 105388 pacientes

(53 55856 pacientes em uso de inibidores da enzima de conversatildeo da

angiotensina ou bloqueadores do receptor da angiotensina e 48 50586

pacientes em uso de betabloqueadores) do Registro ADHERE (Acute

Descompensated Heart Failure National Registry) (Gheorghiade Filippatos

2005) e em 6505 pacientes (56 3643 pacientes em uso de 50 da dose

alvo de betabloqueador) do estudo SHIFT (Systolic Heart Failure tratment with

the inhibitor Ivabradine Trial) (Swedberg et al 2010)

Curiosamente verificamos que o nuacutemero de medicamentos em uso da

maneira como foi analisado natildeo foi associado ao prognoacutestico

Discussatildeo 51

5114 Mortalidade

A mortalidade geral por todas as causas em nossa casuiacutestica foi alta

(60) nos onze anos de seguimento ambulatorial em consonacircncia a outras

experiecircncias da literatura (Roger et al 2004 Barker et al 2006) foi superior

nos pacientes do sexo masculino e nos idosos (acima de 65 anos) e

comparaacutevel agrave casuiacutestica estrangeira com meacutedia de oito anos de

acompanhamento cuja mortalidade foi similarmente alta (678) e mais

frequente (54) nos pacientes acima de 80 anos (Gerber et al 2015)

Os dados de evoluccedilatildeo tardia satildeo uma peculiaridade relevante desta

casuiacutestica De fato observaccedilotildees dilatadas no tempo satildeo uacuteteis para divisar a

evoluccedilatildeo de doenccedilas

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica

Estimamos a probabilidade de sobrevida em relaccedilatildeo agraves caracteriacutesticas

demograacuteficas cliacutenicas e laboratoriais escolhidas dentre 45 variaacuteveis reduzidas

para 33 em funccedilatildeo de redundacircncia de informaccedilatildeo impliacutecita na variaacutevel Eacute de

interesse observar a influecircncia de cada variaacutevel obtida no exame de rotina no

decorrer de quase uma deacutecada de acompanhamento

Eacute oportuno enfatizar o tratamento dos dados faltantes quase inerentes

a este estudo da aacuterea de epidemiologia cliacutenica em condiccedilotildees da vida real (real

life conditions) sempre um desafio cientiacutefico e estatiacutestico pois haacute os limites do

controle possiacutevel na atividade cotidiana que dissipa controles estritos atinentes

a protocolos (protocol conditions)

Em estudo anterior foi submetida a teste a hipoacutetese de ordenar os

dados faltantes para cada variaacutevel em uma categoria atenuando a perda de

participantes com informaccedilatildeo na modelagem estatiacutestica e consequentemente

com perda da estimativa tambeacutem para os participantes com dado faltante

(Paes 2007 Assunccedilatildeo 2012) Tivemos a oportunidade de nos apoiarmos

Discussatildeo 52

nesse meacutetodo amenizando assim o escape de potenciais resultados

relevantes pela perda da informaccedilatildeo sem comprometer a confiabilidade do

resultado obtido (Nunes 2009 Nunes 2011 Kaambwa et al 2012) pela

necessidade de enfrentar a realidade praacutetica de dados faltantes (Little et al

2012 Ware et al 2012)

Em relaccedilatildeo agraves variaacuteveis demograacuteficas e cliacutenicas a idade se revelou

significativa (plt0001) agrave similitude da observaccedilatildeo de outros autores (Klein et

al 2005 Abraham et al 2008) e a probabilidade de sobrevida foi

significativamente menor em relaccedilatildeo aos pacientes com mais de 65 anos de

idade observaccedilatildeo condizente com estudos preacutevios (MacIntyre et al 2000

Lewis et al 2003 Roger et al 2004 2013 Barker et al 2006 Pocock et al

2006) nos pacientes com iacutendice de massa corpoacuterea inferior a 25 kgm2

acordes com outras experiecircncias (Horwich et al 2001 Davos et al 2003

Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) nos pacientes

com doenccedila de Chagas concordante com observaccedilotildees feitas no decorrer de

deacutecadas (Freitas et al 2002 2005 Nunes et al 2008 2013 Issa et al 2010

Rassi et al 2010 Bocchi et al 2017 Nadruz et al 2018) Tambeacutem foi menor

a probabilidade de sobrevida para pacientes em classe funcional III e IV da

New York Heart Association de acordo com as observaccedilotildees em estudos

preacutevios (Pocock et al2006 Theodoropoulos et al 2008) e em pacientes com

histoacuteria de diabetes melito sem o uso de insulina ou com o uso de insulina

conforme estudos anteriores de outros pesquisadores (Pfeffer et al 2003

Pocock et al 2006)

Por outro lado pacientes com pressatildeo arterial diastoacutelica superior a 90

mm Hg demonstraram maior probabilidade de sobrevida tendecircncia tambeacutem

observada por outros autores (Poole-Wilson et al 2003 Kalantar-Zadeh et al

2004 Pocock et al 2006)

Entre os dados de exames complementares verificamos menor

probabilidade de sobrevida nos doentes com espessura do septo

interventricular superior a 12 mm no diacircmetro diastoacutelico do ventriacuteculo esquerdo

superior a 75 mm no diacircmetro do aacutetrio esquerdo (Hsiao Chiou 2013) superior

ou igual a 40 mm na dosagem seacuterica do potaacutessio superior a 50 mEqL de

Discussatildeo 53

acordo com observaccedilotildees de outros autores (Rossignol et al 2011) Na

dosagem seacuterica de colesterol total inferior a 200 mgdl concorde com outros

pesquisadores (Krumholz et al 1994 Volpato et al 2001b Horwich et al

2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004 Afsarmanesh

et al 2006 Christ et al 2006 Kjekshus et al 2007) e na dosagem seacuterica da

creatinina superior a 26mgdL achados em harmonia com outras experiecircncias

(Dries et al 2000 Fonarow et al 2005 Vardeny et al 2012 Damman et al

2014 Pimentel et al 2014 Kang et al 2018)

Reproduzimos neste estudo a observaccedilatildeo da relaccedilatildeo inversa entre a

elevaccedilatildeo de algumas variaacuteveis cliacutenicas e laboratoriais e a melhor probabilidade

de sobrevida significativamente maior que confirmaram os resultados de

outros estudos para a pressatildeo arterial diastoacutelica (Horwich et al 2001 Kalantar-

Zadeh et al 2004) iacutendice de massa corpoacuterea (Horwich et al 2001 Davos et

al 2003 Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) e

dosagem de colesterol total (Krumholz et al 1994 Volpato et al 2001a

Horwich et al 2002 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006 Christ et al 2006 Kjekshus et al 2007 Horwich et

al 2008)

Na maioria dos pacientes (86 dos pacientes) observamos que a

dosagem de hemoglobina seacuterica foi superior a 12 mgdl e estes evoluiacuteram com

melhor sobrevida ao longo do tempo o que vai de encontro ao observado

(Silverberg et al 2000)

Reiteramos a relaccedilatildeo inversa entre a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo e a mortalidade concordante com estudos preacutevios (Senni Redfield

2001) poreacutem a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo foi associada com o

prognoacutestico apenas na anaacutelise univariada o que vai de encontro a observaccedilotildees

preacutevias de outros estudos (Cohn et al 1988 Gradman et al 1989 Cintron et

al 1993 Lewis et al 2003 Freitas et al 2005 Pocock et al 2006) mas natildeo

se manteve como variaacutevel significante na anaacutelise subsequente

A nossa casuiacutestica caracterizou-se pela baixa utilizaccedilatildeo do tratamento

medicamentoso recomendado apesar dos avanccedilos observados nos uacuteltimos

Discussatildeo 54

trinta anos (Sacks et al 2014 McMurray et al 2014) que comprovaram a

reduccedilatildeo na fraccedilatildeo de ejeccedilatildeo e de mortalidade (Burnett et al 2017)

Reproduzimos que 14 e 49 dos pacientes respectivamente natildeo

fizeram uso dos inibidores da enzima de conversatildeo da angiotensina ou do

bloqueador do receptor da angiotensina e do antagonista da aldosterona e

mais da metade dos pacientes (55) natildeo fizeram uso de betabloqueador

apesar da importacircncia do seu uso contra o deleteacuterio efeito da ativaccedilatildeo do

sistema nervoso simpaacutetico (Khan 2015) e da reduccedilatildeo de 34 na mortalidade

nos pacientes com etiologia isquecircmica (Hjalmarson et al 2000) bem como a

reduccedilatildeo de 35 na mortalidade em pacientes com insuficiecircncia cardiacuteaca

(Packer et al 2001) Sendo assim nossos resultados se aproximam das

tendecircncias observadas em estudos recentes em que 83 dos pacientes

fizeram uso de betabloqueador 16 de inibidores da enzima de conversatildeo

56 de bloqueadores do receptor da angiotensina e 21 com antagonistas

da aldosterona (Shah et al 2017 Steinberg et al 2017)

Verificamos mortalidade em cinco anos de 32 e em onze anos de

60 semelhante agraves observaccedilotildees de estudos nacionais (Godoy et al 2011

Kaufman et al 2015) e internacionais (Roger et al 2004 Barker et al 2006

McMurray et al 2014 Sacks et al 2014 Gerber et al 2015) Ainda que

elevada e necessitando de reduccedilatildeo foi menor do que o observado no

Framingham Heart Study com mortalidade superior a 50 decorridos cinco

anos do diagnoacutestico de insuficiecircncia cardiacuteaca (Kenchaiah Vasan 2015)

Selecionamos assim as variaacuteveis para a avaliaccedilatildeo prognoacutestica pelo modelo

de riscos proporcionais de Cox

Para a construccedilatildeo do modelo de riscos proporcionais de Cox houve

um cuidado adicional para identificar variaacuteveis associadas com o prognoacutestico

Na primeira etapa contribuiacuteram apenas os dados vaacutelidos cujo interesse foi

comparar grupos e identificar diferenccedilas A partir da segunda etapa a categoria

dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis natildeo

significativas

A pressatildeo arterial sistoacutelica foi retirada do modelo pois na avaliaccedilatildeo da

significacircncia do seu efeito pelo teste de verossimilhanccedila somente a categoria

Discussatildeo 55

dos ldquodados faltantesrdquo foi relevante portanto foi eliminada como fator

prognoacutestico para a sobrevida

Na terceira etapa as variaacuteveis natildeo significativas foram reintroduzidas

testadas uma a uma no modelo e tiveram sua significacircncia recalculada para

confirmar que natildeo estariacuteamos perdendo a relevacircncia cliacutenica de alguma

variaacutevel O antecedente de diabetes revelou-se significante Assim

identificamos cuidadosamente as variaacuteveis associadas com o prognoacutestico

Uma variaacutevel que se revelou importante durante o estudo foi o tempo

decorrido desde o iniacutecio dos sintomas estimado a partir da anamnese dos

pacientes individualmente que informa de certo modo a evoluccedilatildeo da doenccedila

Eacute digno de nota que tal informaccedilatildeo baacutesica e fundamental estivesse ausente

em alta percentagem de pacientes (76) Nossa observaccedilatildeo reiterou a

importacircncia de um dado obteniacutevel na anamnese tanto na avaliaccedilatildeo da

probabilidade de sobrevida quanto nas estimativas da rede neural e que deve

sempre ser pesquisado nos pacientes

Apesar de estudos anteriores revelarem maior mortalidade associada agrave

taxa de soacutedio seacuterico (Klein et al 2005 Levy WC et al 2006 Abraham et al

2008) agrave concentraccedilatildeo de hemoglobina seacuterica (Levy WC et al 2006) agrave taxa

de trigliceacuterides (Freitas et al 2009) agrave fraccedilatildeo de lipoproteiacutena de baixa

densidade (Horwich et al 2008) agrave fraccedilatildeo de lipoproteiacutena de alta densidade

(Volpato et al 2001b) e ao valor da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(Levy WC et al 2006) em nossa casuiacutestica essas variaacuteveis natildeo foram

selecionadas pela anaacutelise estatiacutestica como fatores prognoacutesticos de sobrevida

Portanto natildeo foram eleitas como variaacuteveis preditoras de sobrevida para a rede

neural

A associaccedilatildeo sugerida entre a taxa de hemoglobina e o prognoacutestico

(Anand et al 2004 Ezekowitz et al 2003 Maraldi et al 2006 Tang et al

2008 Kyriakow et al 2016) como preditor de sobrevida (Levy WC et al

2006) e como marcador de risco (Anand et al 2005 2008 Abebe et al 2017)

natildeo foi reproduzida nos achados deste estudo Por outro lado diabetes melito

influiu negativamente no prognoacutestico Entre os dados ecocardiograacuteficos

tambeacutem observamos a associaccedilatildeo com o prognoacutestico do diacircmetro do aacutetrio

Discussatildeo 56

esquerdo (Hsiao Chiou 2013) do diacircmetro diastoacutelico do ventriacuteculo esquerdo

(Merlo et al 2011 Addetia et al 2015) e da espessura do septo

interventricular variaacuteveis selecionadas para a rede neural

Nas 12 variaacuteveis selecionadas como fator prognoacutestico na sobrevida os

dados faltantes foram inferiores a 31 iacutendice de massa corpoacuterea 18

pressatildeo arterial diastoacutelica 6 classe funcional segundo a New York Heart

Association diabetes melito 7 dosagem seacuterica de potaacutessio 5 dosagem

seacuterica de creatinina 3 dosagem seacuterica de colesterol total 30 espessura do

septo interventricular do ventriacuteculo esquerdo 37 diacircmetro diastoacutelico do

ventriacuteculo esquerdo 21 diacircmetro do aacutetrio esquerdo 22

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede

neural

Antes de avaliar os resultados obtidos pelo emprego da rede neural

cabem observaccedilotildees sobre questotildees metodoloacutegicas desenvolvidas na anaacutelise

531 Amostras aleatoacuterias

O emprego da rede neural pressupotildee as etapas de aprendizado-

treinamento e previsatildeo aleacutem de experimentar a melhor maneira de agrupar os

dados para que a rede neural aprenda e reconheccedila padrotildees a partir de

exemplos alcanccedilando melhor estimativa da sobrevida

O primeiro meacutetodo de aprendizado-treinamento utilizado foi ordenar a

casuiacutestica em trecircs grupos aleatoacuterios de forma que o aprendizado seria feito no

primeiro o treinamento no segundo e a aplicaccedilatildeo no terceiro grupo A

acuraacutecia da previsibilidade da rede nesta circunstacircncia foi muito baixa Tal

Discussatildeo 57

ocorreu provavelmente em razatildeo de agrupar valores de tempos de sobrevida

tempo decorrido do iniacutecio dos sintomas ou tempo decorrido da primeira

consulta tatildeo diacutespares entre os pacientes Portanto ordenar a nossa casuiacutestica

pelo meacutetodo de amostras aleatoacuterias natildeo foi adequado para melhorar a previsatildeo

da sobrevida pela rede neural

Tambeacutem merece menccedilatildeo o fato de que este estudo natildeo se dedicou agrave

comparaccedilatildeo entre a anaacutelise estatiacutestica tradicional e a rede neural mas por

utilizar o meacutetodo estatiacutestico como ferramenta para definiccedilatildeo das variaacuteveis

associadas ao prognoacutestico viabilizando a imputaccedilatildeo dessas variaacuteveis para

aprendizado e treinamento da rede neural

532 Data do iniacutecio dos sintomas

Com base na importacircncia cliacutenica da referecircncia da data em que o

paciente iniciou a percepccedilatildeo dos sintomas a ser obtida na avaliaccedilatildeo inicial foi

oportuno considerar a variaacutevel data do iniacutecio dos sintomas que

independentemente de outras variaacuteveis limitadoras da funccedilatildeo de ativaccedilatildeo ou

do tempo de sobrevida com ou sem categorizaccedilatildeo sugeriu os melhores

resultados de previsatildeo da sobrevida pela rede neural

Constatamos que a presenccedila da data do iniacutecio dos sintomas para o

aprendizado-treinamento da rede revelou resultados adequados de previsatildeo de

sobrevida entre 2054 e 2260 de erro de previsatildeo Poreacutem estes

resultados foram piores quando se realizou a previsatildeo da rede nos pacientes

em acompanhamento (vivos) com valores entre 3323 e 3933 Sendo

assim estudos adicionais seratildeo necessaacuterios com a data inicial da estimativa do

iniacutecio dos sintomas para melhor acuraacutecia de previsatildeo da sobrevida pela rede

neural e avaliaccedilatildeo prognoacutestica

Em siacutentese quando a informaccedilatildeo data do iniacutecio dos sintomas foi

utilizada como momento inicial da estimativa de sobrevida a acuraacutecia da rede

neural foi maior A observaccedilatildeo por tempo mais longo teria permitido apreciar a

natureza do quadro cliacutenico mais estaacutevel (periacuteodo menos sintomaacutetico) em

Discussatildeo 58

relaccedilatildeo agrave data da primeira consulta (em geral associada agrave piora de sintomas e

referecircncia a hospital terciaacuterio) Tal achado permite sugerir que os pacientes

com longa evoluccedilatildeo da doenccedila portanto mais estaacuteveis foram propensos a

uma previsatildeo mais acurada da rede neural do que pacientes com menor tempo

de evoluccedilatildeo entendidos como clinicamente mais instaacuteveis

533 Tempos de evoluccedilatildeo

Em razatildeo da disparidade de valores considerados tanto por nossa

praacutetica cliacutenica quanto por dados de estudos preacutevios (Likoff et al 1987 Bestetti

et al 1994 Mady et al 1994 Alla et al 2000 Freitas et al 2005 Franke et

al 2015) a verificaccedilatildeo de acuraacutecia da rede sugere que existam grupos de

melhor prognoacutestico (tempo mais longo de evoluccedilatildeo) e de prognoacutestico mais

reservado (tempo mais curto de evoluccedilatildeo) resultado clinicamente

fundamentado a nosso ver pois categoriza os tempos de evoluccedilatildeo dos

pacientes da casuiacutestica

A categorizaccedilatildeo da rede neural em trecircs modelos de rede com faixas de

tempos distintos revelou-se em nossa casuiacutestica como a mais apropriada para

melhorar a estimativa da sobrevida Tal observaccedilatildeo eacute concordante com o

resultado obtido na melhora da acuraacutecia da rede neural apoacutes a categorizaccedilatildeo

dos tempos de seguimento ou tempo de sobrevida observado Esse cuidado

preveniu que a rede neural dissipasse as estimativas em virtude da grande

diferenccedila entre os tempos de sobrevida

Confirma-se desse modo que as doenccedilas de mais longa evoluccedilatildeo satildeo mais

estaacuteveis e indicam quadro cliacutenico mais benigno do que os quadros de curta

evoluccedilatildeo mais instaacuteveis

Os melhores resultados da rede neural foram revelados pelos trecircs

modelos de redes neurais categorizadas por tempo de sobrevida inferior a dois

anos (ateacute 729 dias) entre dois anos e seis anos (730 a 2190 dias) e superior a

seis anos (acima de 2190 dias) que viabilizaram a mais satisfatoacuteria previsatildeo

da sobrevida pela rede neural

Discussatildeo 59

Para o aprendizado-treinamento da rede neural com sobrevida superior

a 2 anos a retirada do extremo inferior (menor do que dois anos) do tempo de

sobrevida observado permitiu melhor previsatildeo pela rede neural

Se o paciente tiver longo tempo de histoacuteria poderaacute significar fase

avanccedilada de evoluccedilatildeo mas tambeacutem indicaraacute quadro cliacutenico mais benigno e de

melhor prognoacutestico ndash isto talvez se relacione ao achado de pacientes embora

aguardando muito tempo em fila de transplante foram retirados dela Estes

pacientes com tempo de evoluccedilatildeo mais curto portanto mais instaacuteveis

clinicamente talvez sejam os mais beneficiados da anaacutelise pelo emprego de

marcadores adicionais como parte da avaliaccedilatildeo prognoacutestica Para eles as

dosagens das catecolaminas plasmaacuteticas da funccedilatildeo renal e do peptiacutedeo

natriureacutetico atrial bem como a inclusatildeo dos medicamentos em uso

contribuiriam para o estudo da acuraacutecia ou da estimativa prognoacutestica

Sendo assim o modelo de rede neural com o melhor resultado de

previsatildeo da sobrevida ndash erro da rede inferior a 128 ndash ocorreu com os

pacientes com tempo de sobrevida observado superior a seis anos a partir da

data da primeira consulta independentemente da funccedilatildeo da ativaccedilatildeo Aleacutem

disso o segundo modelo de melhor acuraacutecia ndash erro da rede neural inferior a

23 ndash ocorreu para o tempo de sobrevida observado entre dois anos e seis

anos a partir da data do iniacutecio dos sintomas independentemente da funccedilatildeo de

ativaccedilatildeo utilizada pela rede neural

Por outro lado na fase de previsatildeo da rede neural o modelo com o

melhor resultado de previsatildeo da sobrevida ndash erro da rede inferior ou igual a

215 ndash ocorreu com os pacientes com tempo de sobrevida observado

superior a seis anos a partir da data da primeira consulta independentemente

da funccedilatildeo da ativaccedilatildeo em concordacircncia com o que sugeriu a rede neural na

fase de aprendizado-treinamento

Todavia para o segundo modelo a acuraacutecia da rede foi menos adequada ndash

erro da rede neural inferior a 394 ndash para o tempo de sobrevida observado

entre dois anos e seis anos a partir da data do iniacutecio dos sintomas

independentemente da funccedilatildeo de ativaccedilatildeo

Tambeacutem devemos tomar em consideraccedilatildeo que por razotildees

metodoloacutegicas a variaccedilatildeo dos tempos de seguimento dos pacientes foi fixada

Discussatildeo 60

e limitada ateacute 2012 para a anaacutelise de sobrevida e atualizada ateacute 2014 para a

rede neural

534 Variaacuteveis faltantes

Seguimos orientaccedilatildeo da literatura (Ennett et al 2001 Frize et al

2001) tanto para imputar valores normais para as informaccedilotildees faltantes como

pela necessidade deste preacute-requisito para o aprendizado da rede neural

(Ennett et al 2001 2008 Frize et al 2001) Para melhor avaliaccedilatildeo

exploramos para imputaccedilatildeo os valores de referecircncia da normalidade os

superiores da normalidade e os da mediana (Kaambwa et al 2012) Em face

dos resultados optamos por assumir os valores de referecircncia normais das

variaacuteveis faltantes

Tambeacutem devemos salientar que as variaacuteveis faltantes podem ou natildeo

associar-se com menor probabilidade de sobrevida

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em

geral

Por vezes a pressuposta importacircncia cliacutenica reconhecida da variaacutevel

submetida a teste natildeo se traduziu em melhor previsibilidade da rede neural A

inclusatildeo da variaacutevel fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo natildeo melhorou a

previsatildeo de sobrevida pela rede neural Esta observaccedilatildeo vai ao encontro do

resultado do modelo de Cox que natildeo considerou a fraccedilatildeo de ejeccedilatildeo como

variaacutevel prognoacutestica

A categorizaccedilatildeo de variaacuteveis como idade sexo creatinina colesterol

total diacircmetro diastoacutelico do ventriacuteculo esquerdo ou outras variaacuteveis

consideradas de importacircncia cliacutenica natildeo melhoraram a previsatildeo de sobrevida

da rede neural

Discussatildeo 61

Portanto o criteacuterio de limitar caracteriacutesticas cliacutenicas isoladamente natildeo foi bom

previsor de prognoacutestico

O teste de previsatildeo do prognoacutestico com a rede neural isoladamente

natildeo revelou boa acuraacutecia a acuraacutecia melhorou quando foram empregadas as

variaacuteveis selecionadas a partir do modelo de riscos proporcionais de Cox

536 Funccedilotildees de transferecircncia

A acuraacutecia da rede neural sem a categorizaccedilatildeo do tempo de

sobrevida foi baixa independentemente da funccedilatildeo de transferecircncia ou de

ativaccedilatildeo sugerida na literatura (Buskard et al 1994 Lundin et al 1999 Frize

et al 2000 Ennett e col 2004 2008 Grossi 2006) Por outro lado quando o

tempo de sobrevida foi categorizado e a funccedilatildeo de transferecircncia zero based log

sigmoid foi adotada o resultado na previsatildeo da sobrevida melhorou

537 Treinamento excessivo (overfitting)

Pode resultar em aumento do erro de previsatildeo e menor acuraacutecia da

rede neural Identificar o momento apropriado de finalizar o treinamento da

rede neural eacute um dos detalhes metodoloacutegicos relevantes (Guimaratildees et al

2008) Prevenimos o treinamento excessivo da rede neural ao limitar o nuacutemero

maacuteximo de ciclos e o erro delta da rede neural por meio de testes adicionais

variando o nuacutemero de ciclos e o erro delta

538 Estudo em cinco fases

Discussatildeo 62

O meacutetodo que empregamos foi criterioso nas fases iniciais para

categorizar e selecionar os melhores modelos de dados para a previsatildeo da

sobrevida pela rede neural Destacamos a estimativa do erro hipoteacutetico

(sobrevida prevista subtraiacuteda da sobrevida observada e multiplicada por cem

dividida pela sobrevida observada) utilizada na fase 2 do aprendizado-

treinamento em que a rede neural superestimou o erro verdadeiro de previsatildeo

da sobrevida Nas fases 4 e 5 com novos dados de mortalidade observamos a

acuraacutecia da rede e dependendo do modelo melhorou ou se manteve em

valores menores que 13 de meacutedia do erro de previsatildeo da sobrevida

54 Avaliaccedilatildeo dos melhores modelos de rede neural

541 Sensibilidade especificidade valor preditivo positivo e valor

preditivo negativo

Observamos boa sensibilidade (93) para ambas as funccedilotildees de

ativaccedilatildeo e razoaacutevel especificidade (superior a 763) ndash com valores de 764

ou 775 ndash para o modelo com tempo de sobrevida observado superior a seis

anos a partir da data da consulta inicial com o intervalo de corte de 1095 dias

ou trecircs anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Da

mesma forma a acuraacutecia da rede neural foi boa com valores de 802 e 81

dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Para estes

modelos de rede neural o valor preditivo negativo foi adequado (974) jaacute que

na previsatildeo da rede neural em que o paciente estava vivo no intervalo de

tempo definido existiram 974 de chance de acerto da rede no prognoacutestico

de sobrevida e 26 de chance de o paciente ter morrido

Tambeacutem observamos boa sensibilidade (898) para ambas as

funccedilotildees de ativaccedilatildeo e razoaacutevel especificidade (superior a 73) ndash com valores

de 725 ou 765 ndash para o modelo com tempo de sobrevida observado entre

Discussatildeo 63

dois anos a seis anos a partir da data do iniacutecio dos sintomas para intervalo de

corte de 730 dias ou dois anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada

pela rede neural Para estes modelos de rede a acuraacutecia foi boa com valores

de 852 e 839 dependendo da funccedilatildeo de ativaccedilatildeo e o valor preditivo

positivo foi adequado e variou entre 88 e 863 dependendo da funccedilatildeo de

ativaccedilatildeo jaacute que na previsatildeo da rede neural em que o paciente morreu no

intervalo de corte definido existiram 88 ou 863 de chance de acerto da

rede no prognoacutestico de sobrevida e respectivamente 12 ou 196 de

chance de o paciente estar vivo apesar de a rede ter sugerido o oposto

Observamos razoaacutevel sensibilidade (872) para ambas as funccedilotildees de

ativaccedilatildeo e inadequada especificidade (inferior a 667) ndash com valores de

665 ou 667 ndash para o modelo com tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de um

ano (365 dias) dependendo da funccedilatildeo de ativaccedilatildeo Para estes modelos a

acuraacutecia foi satisfatoacuteria entre 803 e 789 (dependendo da funccedilatildeo de

ativaccedilatildeo) valor preditivo positivo razoaacutevel entre 837 e 820 (dependendo

da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo entre 7275 e 714

(dependendo da funccedilatildeo de ativaccedilatildeo)

Tambeacutem observamos os resultados insatisfatoacuterios nas estimativas com

o tempo de seguimento observado superior a seis anos a partir da data do

iniacutecio dos sintomas com intervalo de corte de dois anos independentemente

da funccedilatildeo de ativaccedilatildeo assim como no tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de

seis meses independentemente da funccedilatildeo de ativaccedilatildeo Da mesma maneira

modelos com tempo de seguimento observado entre dois anos e seis anos

com intervalo de corte de um ano independentemente da funccedilatildeo de ativaccedilatildeo

tanto para a data do iniacutecio dos sintomas quanto para a data da consulta inicial

os resultados foram insatisfatoacuterios

Em siacutentese os resultados dos melhores modelos de redes neurais

evidenciaram

a) boa sensibilidade razoaacutevel especificidade bom valor preditivo

negativo e inadequado valor preditivo positivo para o modelo de rede com

Discussatildeo 64

tempo de sobrevida observado e categorizado superior a seis anos a partir da

data da consulta inicial independentemente da funccedilatildeo de transferecircncia

b) boa sensibilidade inadequada especificidade e razoaacutevel valor

preditivo positivo e valor preditivo negativo para o modelo de rede com tempo

de sobrevida observado e categorizado entre dois anos e seis anos a partir da

data do iniacutecio dos sintomas independentemente da funccedilatildeo de transferecircncia

Poreacutem se considerarmos o mesmo modelo com a data da primeira consulta a

sensibilidade e o valor preditivo positivo foram razoaacuteveis enquanto a

especificidade e o valor preditivo negativo foram inadequados

542 Funccedilatildeo de perda

Para maior rigor metodoloacutegico e levando em consideraccedilatildeo que os

conceitos de sensibilidade e especificidade satildeo aplicaacuteveis principalmente para

variaacuteveis binaacuterias e natildeo para variaacuteveis contiacutenuas o desempenho preditivo da

rede neural foi avaliado pelo emprego da funccedilatildeo de perda para a variaacutevel

contiacutenua tempo de sobrevida (Yuan 2008)

Observamos que os resultados de previsatildeo da sobrevida obtidos pela

funccedilatildeo de perda foram satisfatoacuterios e com variaccedilotildees de desempenho preditivo

que podem alcanccedilar erros de 44 meses ateacute 11 anos para mais ou para

menos para os modelos de rede neurais avaliados Tendo em vista o

pressuposto de que para a funccedilatildeo de perda quanto menor o erro da rede

neural melhor a previsatildeo de sobrevida da rede neural ou quanto maior o erro

da rede neural menor a previsatildeo de sobrevida (Santos 2013)

Cabe salientar que os quatro melhores resultados da funccedilatildeo de perda

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado respectivamente inferior a dois anos (126 dias 95 dias e 13307

dias) e entre dois anos e seis anos (23161 dias e 25906 dias) ambos com

data do iniacutecio dos sintomas independentemente da funccedilatildeo de ativaccedilatildeo

utilizada pelo modelo de rede neural Na sequecircncia os melhores resultados

Discussatildeo 65

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado acima de seis anos (29388 dias e 33255 dias) a partir da data da

primeira consulta independentemente da funccedilatildeo de ativaccedilatildeo e entre dois anos

e seis anos (38931 dias) a partir da data da primeira consulta para a funccedilatildeo

zero based log sigmoid utilizada pela rede neural

Os resultados permitem sugerir que a informaccedilatildeo data do iniacutecio dos

sintomas seja importante para a estimativa dos modelos de rede neural com

sobrevida inferior a seis anos independentemente do tamanho da amostra

543 Sensibilidade e especificidade versus funccedilatildeo de perda

O desempenho preditivo oposto obtido entre os resultados da funccedilatildeo

de perda e os resultados da sensibilidade e especificidade para os modelos de

redes neurais - os modelos de rede neural com as melhores estimativas pela

funccedilatildeo de perda foram os modelos de rede com as piores estimativas pela

sensibilidade e especificidade Eacute de se destacar que a melhor estimativa de

sobrevida obtida pela funccedilatildeo de perda para os modelos de rede neural foi

observada no modelo de rede com o menor nuacutemero de pacientes (n=47)

poreacutem com a informaccedilatildeo data do iniacutecio dos sintomas Tal verificaccedilatildeo reforccedila a

importacircncia da data do iniacutecio dos sintomas para a acuraacutecia da rede neural

55 Implicaccedilotildees cliacutenicas

Haacute na literatura meacutedica corrente o empenho no desenvolvimento de

ferramentas de inteligecircncia artificial como meacutetodo de avaliaccedilatildeo cliacutenica

(Braunwald 2008) Apesar disso natildeo identificamos na literatura trabalhos que

conciliassem as duas teacutecnicas ndash anaacutelise de sobrevida com rede neural ndash para a

previsatildeo da sobrevida em pacientes com insuficiecircncia cardiacuteaca o que

permitiria a hipoacutetese de originalidade para as observaccedilotildees deste trabalho

Discussatildeo 66

Eacute digno de ecircnfase termos identificado que a data do iniacutecio dos

sintomas obtida na anamnese eacute uma ferramenta de estimativa diagnoacutestica

principalmente associada a outras variaacuteveis do exame cliacutenico Suscita-se a

indagaccedilatildeo de esta variaacutevel estar subvalorizada por alguma razatildeo na medida

em que estaacute ausente dos registros cliacutenicos como informaccedilatildeo nuclear ateacute por

sua compreensiacutevel ldquoimprecisatildeordquo bioloacutegica Apesar dessa potencial inexatidatildeo

revelou-se variaacutevel relevante Portanto o empenho em obter com a precisatildeo

possiacutevel a data do iniacutecio dos sintomas pode ser reiterado uacutetil para a avaliaccedilatildeo

de pacientes

Finalizando nossos resultados sugeriram a possibilidade do uso da

rede neural artificial como uma ferramenta suplementar para a orientaccedilatildeo dos

pacientes com insuficiecircncia cardiacuteaca desde que a rede neural seja modelada

pelo tempo de sobrevida observado entre dois anos e seis anos inferior a dois

anos e superior a seis anos e com base em variaacuteveis preditivas de sobrevida

estimadas por meacutetodo estatiacutestico tradicional

Novos estudos em outras casuiacutesticas e serviccedilos podem adicionar experiecircncia

ampliar e aprofundar os resultados ora apresentados

56 Limitaccedilotildees do estudo

Entre as limitaccedilotildees deste trabalho citamos o caraacuteter uni-institucional

retrospectivo o nuacutemero limitado de variaacuteveis a presenccedila de dados faltantes a

ausecircncia de controle da uniformidade de tratamento medicamentoso com suas

particularidades entre elas a aderecircncia a tratamento e a mortalidade avaliada

no Estado de Satildeo Paulo Por outro lado atenuam-se as limitaccedilotildees por se tratar

de estudo em real life conditions no contexto de um Serviccedilo Meacutedico com

grande responsabilidade assistencial no acircmbito de hospital acadecircmico

6 Conclusotildees

Conclusotildees 68

A probabilidade de sobrevida geral desta casuiacutestica de insuficiecircncia

cardiacuteaca de diferentes etiologias no longo prazo foi 68 em cinco anos e 40

em onze anos

A influecircncia dos dados faltantes no prognoacutestico variou conforme a

natureza das variaacuteveis

O emprego de redes neurais categorizadas por tempo de sobrevida

dos pacientes a partir de variaacuteveis identificadas significantes em anaacutelise

estatiacutestica tradicional pode contribuir para identificar pacientes com

insuficiecircncia cardiacuteaca com prognoacutestico potencialmente mais reservado de

modo a contribuir para melhor orientaccedilatildeo da sequecircncia do tratamento na rede

de atenccedilatildeo meacutedica primaacuteria ou secundaacuteria ou em hospital de referecircncia em

nosso caso especiacutefico seria identificar os pacientes que pela condiccedilatildeo cliacutenica

mais grave demandariam recursos tecnoloacutegicos e intervenccedilotildees complexas para

seu tratamento O tempo de evoluccedilatildeo da insuficiecircncia cardiacuteaca obtida pelo

auxiacutelio da histoacuteria cliacutenica modulada pelas demais variaacuteveis cliacutenicas e

laboratoriais contribuiu para a avaliaccedilatildeo prognoacutestica quadros cliacutenicos de

evoluccedilatildeo mais longa podem sugerir pacientes com doenccedila mais estaacutevel

enquanto que tal avaliaccedilatildeo torna-se mais limitada no caso de quadro cliacutenico de

evoluccedilatildeo mais breve

7 Anexos

Anexos 70

Figura 1 - Delineamento do estudo de 2128 pacientes ambulatoriais com diagnoacutestico de insuficiecircncia cardiacuteaca

Dados de 2128 pacientes

consecutivos entre 2003 e 2007 com

diagnoacutestico de insuficiecircncia

cardiacuteaca

variaacuteveis selecionadas para a

rede neural

variaacuteveis demograacuteficas cliacutenicas laboratoriais eletrocardiograacutefica ecocardiograacuteficas medicaccedilotildees

variaacuteveis selecionadas para o modelo de regressatildeo

de riscos proporcionais de Cox

variaacuteveis com maior influecircncia para a

sobrevida

968 pacientes selecionados para a

rede neural (oacutebitos ateacute 2012)

pacientes elegiacuteveis para treinamento da

rede neural

pacientes elegiacuteveis para previsatildeo da

rede neural

modelos de rede neural

para previsatildeo

da sobrevida

Anexos 71

v1

v2

v3

vn 1 2 3 4 5

FONTE adaptado de Fernando J Von Zuben e Romis R F Attux Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubenia353_1s07toacutepico5_07pdf Figura 2 - Arquitetura da rede neural Perceptron de Muacuteltiplas Camadas em que f representa a funccedilatildeo de ativaccedilatildeo ou de transferecircncia natildeo linear definida para o aprendizado-treinamento da rede neural

Variaacuteveis de

entrada

sumf

Variaacutevel de saiacuteda

saiacuteda

Cinco camadas intermediaacuterias de neurocircnios ou unidades

computacionais

Anexos 72

y0

w0

y1 w1 xn

yn wn

Em que

n n-eacutesima variaacutevel de entrada (iteraccedilatildeo)

y0 y1 variaacuteveis de entrada

yn i-eacutesima variaacutevel de entrada

w0 w1 pesos sinaacutepticos ajustaacuteveis

wn peso sinaacuteptico ajustaacutevel conectando a entrada da unidade

agrave saiacuteda da unidade na iteraccedilatildeo n

xn i-eacutesima variaacutevel de saiacuteda da unidade na iteraccedilatildeo n

sum funccedilatildeo de soma

f funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

FONTE adaptado de Neural Networks and Learning Machines por Simon Hayken 1999 Figura 2a Representaccedilatildeo funcional de um neurocircnio da rede neural perceptron de muacuteltiplas camadas

sum f

Anexos 73

Em que propagaccedilatildeo da informaccedilatildeo

retro-propagaccedilatildeo do erro da informaccedilatildeo

FONTE adaptado de Leandro Nunes de Castro Silva 1998 Disponiacutevel em ftpftpdca feeunicampbrpubdocsvonzubentheseslnunes_mestindicepdf Figura 2b Representaccedilatildeo das duas fases de direccedilotildees de propagaccedilatildeo da informaccedilatildeo pelo algoriacutetmo de aprendizado supervisionado ou de retropropagaccedilatildeo do erro ou backpropagation da rede neural perceptron de multiplas camadas e permite o ajuste dos pesos sinaacutepticos

Anexos 74

Figura 3 - Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da funccedilatildeo log sigmoid Ambas satildeo funccedilotildees natildeo lineares de transferecircncia ou de ativaccedilatildeo poreacutem a funccedilatildeo logiacutestica zero based log sigmoid assume o intervalo de variaccedilatildeo entre 0 e 1 e a funccedilatildeo tangente hiperboacutelica preserva a forma sigmoidal e assume valores positivos e negativos (intervalo de variaccedilatildeo entre -1 e 1)

Figura 4 - Representaccedilatildeo esquemaacutetica das cinco fases da rede neural que compreenderam o aprendizadotreinamento da rede a previsatildeo da rede neural a comparaccedilatildeo dos melhores modelos de previsatildeo da rede neural os reensaios da rede neural incorporando os pacientes que faleceram em 2013 e 2014 e nova comparaccedilatildeo dos melhores modelos reensaiados

Anexos 75

Figura 5 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

com insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das abscissas indicam o

nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da

consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 76

Figura 6 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

de acordo com a etiologia da insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 77

Figura 7 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128

pacientes de acordo com sua idade Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 78

Figura 8 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o sexo Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 79

Figura 9 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a etnia Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 80

Figura 10 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o peso Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 81

Figura 11 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a altura Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 82

Figura 12 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o iacutendice de massa corpoacuterea (IMC) Os nuacutemeros sob o

eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 83

Figura 13 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial sistoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 84

Figura 14 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial diastoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 85

Figura 15 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a classe funcional da New York Heart Association

Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco

no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 86

Figura 16 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a frequecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 87

Figura 17 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com a data do iniacutecio dos sintomas

Anexos 88

Figura 18 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com antecedente de hipertensatildeo arterial Os nuacutemeros sob

o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 89

Figura 19 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de tabagismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 90

Figura 20 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o antecedente de diabetes melito Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 91

Figura 21 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de etilismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 92

Figura 22 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro do aacutetrio esquerdo no ecocardiograma Os

nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no

decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 93

Figura 23 - Probabilidade da sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 94

Figura 24 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 95

Figura 25 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 96

Figura 26 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica do septo interventricular no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 97

Figura 27 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica da parede posterior do

ventriacuteculo esquerdo no ecocardiograma Os nuacutemeros sob o eixo das abcissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 98

Figura 28 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com o riacutetmo cardiacuteaco Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 99

Figura 29 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de hemoglobina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 100

Figura 30 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a glicemia de jejum Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 101

Figura 31 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de creatinina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 102

Figura 32 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de soacutedio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 103

Figura 33 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de potaacutessio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 104

Figura 34 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de colesterol total Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 105

Figura 35 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de HDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 106

Figura 36 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de LDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 107

Figura 37 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de trigliceacuterides Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 108

Figura 38 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de leucoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 109

Figura 39 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de linfoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 110

Figura 40 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de inibidor de enzima conversora da angiotensina (captopril enalapril) ou de bloqueador dos receptores da angiotensina II (losartana) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 111

Figura 41 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de beta-bloqueadores na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 112

Figura 42 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de diureacuteticos (furosemida hidroclorotiazida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 113

Figura 43 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de espironolactona na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 114

Figura 44 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de digoxina na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 115

Figura 45 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 116

Figura 46 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de anticoagulante oral (varfarina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 117

Figura 47 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de estatina (sinvastatina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 118

Figura 48 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de vasodilatador (hidralazina e mononitrato de isossorbida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 119

Figura 49 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2148 pacientes quanto ao uso de bloqueador dos canais de caacutelcio (anlodipina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 120

Figura 50 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiarriacutetmico (amiodarona) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 121

Figura 51 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao nuacutemero de medicamentos em uso na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 122

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Idade (anos) 58 lt 0001

lt 40 200(9) 65

41-65 1325(62) 69

gt65 603(28) 51

Sexo 0025

Masculino 1362(64) 61

Feminino 766(36) 67

Grupo eacutetnico 027

Branca 343(16) 62

Natildeo-branca 131(6) 59

Dado faltante 1654(78) 65

Peso (kg) 694 lt 0001

lt 63 594(28) 57

631 - 749 562(26) 63

gt 75 614(29) 73

Dado faltante 358(17) 58

Altura (cm) 163 0048

lt 159 569(27) 64

159-166 546(26) 65

gt 167 628(30) 65

Dado faltante 385(18) 57

Iacutendice de massa corporal (kgm2)sect 26 lt0001

lt 25 660(31) 56

25-30 697(33) 69

gt 30 378(18) 59

Dado faltante 393(18) 74

Pressatildeo arterial sistoacutelica (mm Hg) 130 lt0001

lt 100 94(4) 38

100-130 927(44) 60

gt130 980(46) 57

Dado faltante 127(6) 69

Anexos 123

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Pressatildeo arterial diastoacutelica (mm Hg) 90 lt0001

lt 80 447(21) 51

80-90 905(43) 66

gt90 646(30) 73

Dado faltante 130(6) 57

Frequecircncia cardiacuteaca (batimentosmin) 80 062

lt 60 68(3) 57

60-100 1586(75) 63

gt100 144(7) 62

Dado faltante 330(16) 60

Duraccedilatildeo dos sintomas (meses) 119 068

lt 12 261(12) 60

gt 12 247(12) 59

Dado faltante 1620 (76) 63

Histoacuteria meacutedica

Hipertensatildeo arterial 1538(72) 65 0049

Normotenso 492(23) 56

Dado faltante 98(5) 65

Consumo de aacutelcool Leve 100(5) 69 084

Moderado 37(2) 65

Intenso 86(4)

Indeterminado 84(4) 69

Ex-etilista 297(14)

Natildeo etilista 1076(51) 62

Dado faltante 448(21)

Fumante lt 20 cigarros 111(5) 60 074

gt 20 cigarros 104(5)

Indeterminado 190(9) 62

Ex-fumante 626(29) 65

Natildeo fumante 859(40) 64

Dado faltante 238(11)

Anexos 124

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Diabetes mellitus 0024

Insulino dependente 99(5) 64

Natildeo insulino dependente 389(18) 59

Natildeo diabeacutetico 1481(70) 65

Dado faltante 159(7) 64

Etiologia da Insuficiecircncia Cardiacuteaca 0001

Cardiomiopatia da Doenccedila de Chagas 333(16) 50

Cardiomiopatia hipertensiva 920(43) 71

Cardiomiopatia isquecircmica 523(25) 55

Cardiomiopatia dilatada 206(10) 69

Cardiomiopatia alcooacutelica 146(7) 66

Classe funcional NYHApara 0001

I 300(14) 72

II 805(38) 64

III 575(27) 56

IV 302(14) 50

Dado faltante 146(7) 59

Ritmo cardiacuteaco no eletrocardiograma 00051

Fibrilaccedilatildeo atrial 294(14) 56

Ritmo sinusal 1561(73) 65

Ritmo de marca-passo 38(2) 68

Outro 7(0) 66

Dado faltante 228(11) 62

Espessura do septo interventricular (mm) 9 lt0001

lt 8 206(10) 57

8-12 1385(65) 68

gt12 109(5) 63

Dado faltante 428(20) 54

Espessura da parede posterior do ventriacuteculo esquerdo (mm) 9 lt0001

lt 8 206(10) 63

8-12 1428(67) 66

gt12 63(3) 54 Dado faltante 431(20) 62

Anexos 125

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos ()

Valor-pŦ

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) 64 lt0001

lt 60 514(24) 74

60-75 938(44) 65

gt 75 224(11) 56

Dado faltante 452(21) 53

Diacircmetro sistoacutelico do ventriacuteculo esquerdo (mm) 56 lt0001

lt 40 110(5) 79

40-55 462(22) 72

gt 55 612(29) 59

Dado faltante 944(44) 60

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo () 31 lt0001

lt 35 1027(48) 60

35-45 449(21) 69

45-55 220(10) 72

gt 55 59(3) 82

Dado faltante 373(18) 53

Diacircmetro do aacutetrio esquerdo (mm) 46 lt0001

lt 40 295(14) 78

gt 40 1375(65) 63

Dado faltante 458(22) 53

Creatinina seacuterica (mgdL) 11 lt0001

lt 13 1469(69) 68

13-26 535(25) 51

gt 26 51(2) 28

Dado faltante 73(3) 53

Soacutedio seacuterico (mEqL) 139 lt0001

lt 136 170(8) 49

gt 136 1852(87) 66

Dado faltante 106(5) 54

Anexos 126

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Potaacutessio seacuterico (mEqL) 46 lt0001

lt 35 31(1) 60

35-50 1646(77) 66

gt 50 345(16) 54

Dado faltante 106(5) 53

Hemoglobina (gdL) 142 lt0001

lt 10 41(2) 43

10-12 190(9) 53

gt 12 1826(86) 65

Dado faltante 71(3) 66

Leucoacutecitos (mm3) 7300 0048

lt 4000 45(2) 33

4000-11000 1791(84) 63

gt 11000 142(7) 56

Dado faltante 150(7) 62

Linfoacutecitos (mm3) 1919 0011

lt 900 14(1) 34

900-3400 301(14) 65

gt 3400 7(0) 71

Dado faltante 1806(85) 62

Colesterol total (mgdL) 188 lt0001

lt 200 881(41) 65

200-240 394(19) 75

gt 240 209(10) 74

Dado faltante 644(30) 53

Trigliceacuterides (mgdL) 112 lt0001

lt 150 1011(48) 65

150-300 397(19) 74

gt 300 71(3) 80

Dado faltante 649(30) 53

Anexos 127

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

HDL - colesterol (mgdL)Ħ 43 lt0001

lt 40 560(26) 68

40-60 681(32) 71

gt 60 207(10) 54

Dado faltante 680(32) 69

LDL- colesterol (mgdL)Ħ 116 lt0001

lt 100 471(22) 60

100-129 451(21) 68

gt 129 521(24) 53

Dado faltante 685(32) 72

Glicose de jejum (mgdL) 100 lt0001

lt 100 843(40) 65

100-126 571(27) 66

gt 126 345(16) 68

Dado faltante 369(17) 53

IECABRAeuro (captopril enalapril losartana)

Com medicaccedilatildeo 1564(73) 62 091

Sem medicaccedilatildeo 302(14) 62

Dado faltante 262(12)

Diureacuteticos (hidroclorotiazida e furosemida)

com medicaccedilatildeo 1548(73) 62 00032

sem medicaccedilatildeo 318(15) 71

Dado faltante 262(12) 66

Antagonista do receptor da aldosterona (espironolactona)

Com medicaccedilatildeo 832(39) 60 032

Sem medicaccedilatildeo 1034(49) 63

Dado faltante 262(12) 65

Digital (digoxina)

com medicaccedilatildeo 1013(48) 62 0077

sem medicaccedilatildeo 853(40) 66

Dado faltante 262(12) 65

Anticoagulante oral (varfarina)

Com medicaccedilatildeo 134(6) 56 043

Sem medicaccedilatildeo 1732(81) 63

Dado faltante 262(12) 65

Anexos 128

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Antiagregante plaquetaacuterio (aspirina) com medicaccedilatildeo 639(30) 60 055

sem medicaccedilatildeo 1227(58) 63

Dado faltante 262(12) 65

Estatina (sinvastatina)

Com medicaccedilatildeo 153(7) 75 007

Sem medicaccedilatildeo 1712(80) 60

Dado faltante 262(12) 63

Bloqueador dos canais de caacutelcio (anlodipina)

com medicaccedilatildeo 42(2) 69 077

sem medicaccedilatildeo 1824(86) 60

Dado faltante 262(12) 62

Vasodilator direto (hidralazina mononitrato de isossorbida)

Com medicaccedilatildeo 63(3) 63 058

Sem medicaccedilatildeo 1802(85) 62

Dado faltante 263(12) 62

Bloqueador adreneacutergico (carvedilol metoprolol atenolol propanolol) com medicaccedilatildeo 706(33) 66 0042

sem medicaccedilatildeo 1160(55) 60

Dado faltante 262(12) 65

Antiarriacutetmico (amiodarona)

Com medicaccedilatildeo 80(4) 54 051

Sem medicaccedilatildeo 1786(84) 62

Dado faltante 262(12) 65

Nuacutemero de medicamentos em uso Φ

1 118(6)

2 272(13)

3 471(22)

4 496(23)

5 349(16)

6 127(6)

7 26(1)

8 2(0)

9 1(0)

Dado faltante 266(12)

Anexos 129

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Nuacutemero de drogas agrupadas em uso ζ 014

lt 3 861(40) 65

gt 3 1001(47) 65

Dado faltante 266(12) 60

sect Peso em kgaltura2

para Classe funcional da New York Heart Association (NYHA) I- nenhuma limitaccedilatildeo II- limitaccedilatildeo a moderados esforccedilos III- limitaccedilatildeo a esforccedilos habituais IV- limitaccedilatildeo em repouso

Ħ HDL- colesterol ou fraccedilatildeo lipoproteica de alta densidade do colesterol LDL- colesterol ou fraccedilatildeo lipoproteica de baixa densidade do colesterol

euro IECA - inibidores da enzima de conversatildeo da angiotensina BRA - bloqueadores dos receptores da angiotensina I

Φ Nuacutemero de medicaccedilotildees em uso pelo paciente e respectivas porcentagens

ζ Nuacutemero de medicaccedilotildees agrupadas em uso pelo paciente e respectivas porcentagens

Ŧ Valor-p (log rank)

Anexos 130

Tabela 2 ndash Variaacuteveis estudas quanto agrave probabilidade de sobrevida (etapa 1)

Variaacutevel Valor-p Valores disponiacuteveis

n

Dados omissos

()

Idade

plt0001 2128 -

Etnia p =0789 474 78

Sexo plt0001 2128 -

Iacutendice de massa corpoacuterea plt0001 1735 19

Pressatildeo Arterial Sistoacutelica plt0001 2001 6

Pressatildeo Arterial Diastoacutelica plt0001 1998 6

Frequecircncia Cardiacuteaca p =0446 1798 16

Etiologia da Insuficiecircncia Cardiacuteaca plt0001 2128 -

Classe Funcional plt0001 1982 7

Hipertensatildeo Arterial plt0001 2030 5

Etilismo p =0602 1680 21

Tabagismo p =0117 1890 11

Diabetes p =0135 1969 7

Ritmo cardiacuteaco p =0105 1893 11

Espessura do septo interventricular p =0083 1332 37

Espessura da parede posterior do ventriacuteculo esquerdo

p =0477 1258 41

Diacircmetro diastoacutelico do ventriacuteculo esquerdo

plt0001 1676 21

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

plt0001 1184 44

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

plt0001 1755 18

Diacircmetro do aacutetrio esquerdo plt0001 1670 22

Soacutedio seacuterico plt0001 2022 5

Potaacutessio seacuterico p =0002 2022 5

Hemoglobina seacuterica p =0008 2057 3

Taxa de leucoacutecitos p =0018 1978 7

Taxa de linfoacutecitos p =0037 322 85

Colesterol total p =0001 1484 30

Trigliceacuterides p =0015 1479 30

HDL - colesterol p =0280 1448 32

LDL - colesterol p =0119 1443 32

Glicemia de jejum p =0051 1759 17

Creatinina seacuterica plt0001 2055 3

Nuacutemero de medicamentos em uso p =0134 1864 12

Iniacutecio dos sintomas p =0564 510 76

valor - p foi resultante do teste da razatildeo de verossimilhanccedilas para cada uma das variaacuteveis os valores

- p inferiores a 10 tornaram a caracteriacutestica correspondente elegiacutevel para inclusatildeo na na segunda etapa do modelo nuacutemero de informaccedilotildees disponiacuteveis para cada variaacutevel a variaacutevel idade mostrou-se significante (p lt 0001) e foi incluiacuteda em todos os ajustes do modelo por ser a sobrevida a resposta do modelo de Cox Em negrito estatildeo as variaacuteveis selecionadas para a etapa 2 do modelo de Cox

Anexos 131

Tabela 3 ndash Uso de tratamento medicamentoso

Medicamento em uso

Grupo Sim

n ()

Natildeo

n ()

Sem informaccedilatildeo

n ()

IECA BRA 1564(73) 302(14) 262(12)

Diureacuteticos 1548(73) 318(15) 262(12)

Espironolactona 832(39) 1034(49) 262(12)

Digoxina 1013(48) 853(40) 262(12)

Anticoagulante oral 134(6) 1732(81) 262(12)

Antiagregante plaquetaacuterio 639(30) 1227(58) 262(12)

Estatina 153(7) 1713(80) 262(12)

Bloqueador dos canais de caacutelcio

42(2) 1824(86) 262(12)

Vasodilatador direto 63(3) 1802(85) 263(12)

Bloqueador alfa-adreneacutergico ou beta-adreneacutergico

706(33) 1160(55) 262(12)

Antiarriacutetmico 80(4) 1786(84) 262(12)

IECA inibidores da enzima conversora da angiotensina (captopril enalapril) BRA bloqueadores dos receptores da angiotensina II (losartana) Diureacuteticos hidroclorotiazida ou furosemida Espironolactona diureacutetico poupador de potaacutessio e antagonista do receptor da aldosterona Anticoagulante oral varfarina Antiagregante plaquetaacuterio aacutecido acetilsaliciacutelico Estatina sinvastatina Bloqueador dos canais de caacutelcio anlodipina Vasodilatdor direto hidralazina e mononitrato diisossorbida Bloqueadores alfa adreneacutergico (carvedilol) e beta-adreneacutergico (metoprolol atenolol e propranolol) Antiarritmico amiodarona

Anexos 132

Tabela 4 - Nuacutemero de medicamentos em uso

Nuacutemero de medicamentos em uso pelos pacientes - n ()

1

n()

2

n()

3

n()

4

n()

5

n()

6

n()

7

n()

8

n()

9 n()

Sem Informaccedilatildeo

n()

118(6) 272(13) 471(22) 496(23) 349(16) 127 (6)

26(1) 2(0) 1(0) 266(12)

nuacutemero de medicamentos em uso pelo paciente entre os diferentes grupos de medicaccedilotildees

Tabela 5 - Variaacuteveis retiradas do modelo de Cox (etapa 2)

Variaacutevel Valor-p

Hipertensatildeo arterial sistecircmica 0790

Hemoglobina 0789

Glicemia de jejum 0751

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

0702

Frequecircncia cardiacuteaca 0568

Sexo 0434

Soacutedio seacuterico 0428

Leucoacutecitos seacuterico 0165

Trigliceacuterides seacuterico 0144

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

0111

Linfoacutecitos seacuterico 0082

apoacutes ajuste do modelo inicial e considerando o valor-p do teste de razatildeo de verossimilhanccedilas para cada uma das variaacuteveis foi realizado novo ajuste sequencial do modelo e as variaacuteveis com valor-p superiores a 5 foram eliminadas

Anexos 133

Tabela 6 - Reavaliaccedilatildeo das variaacuteveis inicialmente excluiacutedas da etapa 2 do modelo de Cox (etapa 3)

Variaacutevel Valor-p

Etnia 0650

Frequecircncia cardiacuteaca 0489

Etilismo 0702

Tabagismo 0536

Diabetes melito 0034

Espessura da parede posterior do ventriacuteculo esquerdo

0546

Ritmo cardiacuteaco 0137

HDL - colesterol 0710

LDL- colesterol 1000

Nuacutemero de medicamentos em uso 0696

Iniacutecio dos sintomas 0784

HDL-colesterol ou lipoproteiacutena de alta densidade LDL-colesterol ou lipoproteiacutena de baixa densidade Resultado do teste da razatildeo de verossimilhanccedila para todas as variaacuteveis Excluiacutedas no primeiro ajuste do modelo (etapa 1) e reavaliaccedilatildeo da importacircncia de cada uma das variaacuteveis apoacutes reintroduzi- las no modelo em conjunto com as variaacuteveis do segundo ajuste do modelo (etapa 2) sect Diabetes melito foi a uacutenica variaacutevel que permaneceu para o modelo final

Tabelas 7 - Variaacuteveis do modelo final de Cox selecionadas para a rede neural

Variaacutevel Valor-p

Idade (anos) lt0001

Iacutendice de massa corpoacuterea (kgm2) lt0001

Pressatildeo arterial diastoacutelica (mmHg) lt0001

Etiologia da insuficiecircncia cardiacuteaca lt0001

Classe funcional (NYHA)Δ lt0001

Espessura do septo interventricular (mm) 0037

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) lt0001

Diacircmetro do aacutetrio esquerdo (mm) 0025

Potaacutessio seacuterico (mEqL) 0015

Colesterol total (mgdL) lt0001

Creatinina (mgdL) lt0001

Diabetes melito 0034

etiologias da insuficiecircncia cardiacuteaca hipertensiva isquecircmica dilatada alcooacutelica e Doenccedila de Chagas Δ classe funcional segundo a New York Heart Association valor - p do teste de razatildeo de verossimilhanccedila do ajuste final do modelo de Cox

Anexos 134

Tabela 8 - Valores de referecircncia para as variaacuteveis com dados faltantes

Variaacutevel Estrateacutegia

1 Estrateacutegia

2 Estrateacutegia

3

Iacutendice de massa corpoacuterea (kgm2) 25 25 26

Pressatildeo arterial diastoacutelica (mm Hg) 80 80 90 Espessura diastoacutelica do septo intraventricular (mm)

8 8 9

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm)

60 60 64

Diacircmetro do aacutetrio esquerdo (mm) 40 40 46 Potaacutessio seacuterico (mEqL) 35 35 46 Colesterol total (mgdL) 160 200 188

Creatinina (mgdL) 09 13 11 Preacute-requisito para o aprendizado da rede neural estrateacutegias para a imputaccedilatildeo de valores nas informaccedilotildees faltantes valores de referecircncia da normalidade valores superiores da normalidade para as variaacuteveis colesterol total e creatinina seacuterica valores de referecircncia da mediana

Anexos 135

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado -treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 1 1

417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 2 2

417 968 Zero Based Log Sigmoid data da consulta 52618

sem limite 3 1

417 968 Tangente Hiperboacutelica data da consulta 70731

sem limite 4 1 Teste RN 1 118 240 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 20100

sem limite 5 1 Cardiopatia dilatada 36 70 Zero Based Log Sigmoid data da consulta 100275

sem limite 6 1 Cardiopatia hipertensiva 168 379 Zero Based Log Sigmoid data da consulta 88500

sem limite 7 1 Cardiopatia alcooacutelica 28 57 Zero Based Log Sigmoid data da consulta 81429

sem limite 8 1 Cardiopatia isquemica 106 263 Zero Based Log Sigmoid data da consulta 36109

sem limite 9 1 Cardiopatia doenccedila Chagas 8 188 Zero Based Log Sigmoid data da consulta 40044

sem limite 10 1 sexo 417 968 Zero Based Log Sigmoid data da consulta 57836

sem limite 11 1 sexo e FEλ 25 417 968 Zero Based Log Sigmoid data da consulta 73544

sem limite 12 1 sexo e FEλ 55 417 968 Zero Based Log Sigmoid data da consulta 102308

2 lt sobrevida lt 6 13 1

200 402 Zero Based Log Sigmoid data da consulta 3199

2 lt sobrevida lt 6 14 1 22 a 52 anos 121 206 Zero Based Log Sigmoid data da consulta 88000

1 lt sobrevida lt 6 15 1 22 a 52 anos 83 162 Zero Based Log Sigmoid data da consulta 5185

1 lt sobrevida lt 6 16 1 13 lt CrΦ

lt 26 72 184 Zero Based Log Sigmoid data da consulta 6200

1 lt sobrevida lt 6 17 1 200 lt TCΨ

lt 239 61 245 Zero Based Log Sigmoid data da consulta 7068

1 lt sobrevida lt 6 18 1 60 lt DDVEε lt 75 160 374 Zero Based Log Sigmoid data da consulta 6360

1 lt sobrevida lt 6 19 1 200ltTCΨlt239 e 60ltDDVE

εlt75 163 34 Zero Based Log Sigmoid data da consulta 5284

Anexos 136

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado- treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede neural

() Aprendizado

(TAA) Previsatildeo

(TAP)

2 lt sobrevida lt 6 20 1

50 98 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2260

2 lt sobrevida lt 6 21 1

200 402 Tangente Hiperboacutelica data da consulta 4801

2 lt sobrevida lt 6 22 1

50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

0 lt sobrevida lt 2 23 1

118 383 Tangente Hiperboacutelica data da consulta 42244

sobrevida gt 6 24 1

101 186 Tangente Hiperboacutelica data da consulta 1277

0 lt sobrevida lt 2 25 1

118 383 Zero Based Log Sigmoid data da consulta 52725

sobrevida gt 6 26 1

101 186 Zero Based Log Sigmoid data da consulta 1137

0 lt sobrevida lt 2 27 1

22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

sobrevida gt 6 28 1

46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

0 lt sobrevida lt 2 29 1

22 47 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 3381

sobrevida gt 6 30 1

46 93 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2413

15 lt sobrevida lt 85 31 1

317 632 Zero Based Log Sigmoid data da consulta 7478

sobrevida gt 2 32 1

298 584 Zero Based Log Sigmoid data da consulta 5660

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

λ valor de referecircncia para a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo (capacidade funcional) ao ecocardiograma

Φ valores de referecircncia para a dosagem da creatinina seacuterica Ψ valores de referecircncia para a dosagem seacuterica do colesterol total

ε valores de referecircncia para o diacircmetro diastoacutelico do ventriacuteculo esquerdo ao ecocardiograma

Anexos 137

Tabela 91 - Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1)

Tempo de sobrevida

observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizadotreinamento da

rede ou limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 33 3 30000τ 00001

ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 34 1 20000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 55141

sem limite 35 1 10000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 54241

sem limite 36 1 00010 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 69427

sem limite 37 1 00020 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 70479

2 lt sobrevida lt 6 38 1 Cardiopatia dilatada 18 38 Zero Based Log Sigmoid data da consulta 2667

2 lt sobrevida lt 6 39 1 Cardiopatia hipertensiva 80 161 Zero Based Log Sigmoid data da consulta 2948

2 lt sobrevida lt 6 40 1 Cardiopatia alcooacutelica 18 29 Zero Based Log Sigmoid data da consulta 2952

2 lt sobrevida lt 6 41 1 Cardiopatia isquemica 48 101 Zero Based Log Sigmoid data da consulta 2705

2 lt sobrevida lt 6 42 1 Cardiopatia da doenccedila de Chagas

37 73 Zero Based Log Sigmoid data da consulta 2191

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

τ nuacutemero de ciclos maacuteximos ou iteraccedilotildees estipuladas para o aprendizado-treinamento da rede neural

ζ erro delta estipulado para o aprendizado-treinamento da rede neural

Anexos 138

Tabela 10 - Comparaccedilatildeo das redes neurais categorizadas pelo tempo de sobrevida observado seleccedilatildeo dos melhores modelos de rede neural

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

23 118 383 Tangente Hiperboacutelica data da consulta 42244

25 118 383 Zero Based Log

Sigmoid data da consulta 52725

27 22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

29 22 47 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 3381

tempo de seguimento ou tempo de sobrevida observado inferior a 2 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

13 200 402 Zero Based Log

Sigmoid data da consulta 3199

21 200 402 Tangente Hiperboacutelica data da consulta 4801

20 50 98 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2260

22 50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

tempo de seguimento ou tempo de sobrevida observado entre 2 e 6 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

24 101 186 Tangente Hiperboacutelica data da consulta 1277

26 101 186 Zero Based Log

Sigmoid data da consulta 1137

28 46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

30 46 93 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2413

tempo de seguimento ou tempo de sobrevida observado superior a 6 anos

em todos os testes das redes neurais foram utilizados valores normais para o dado

faltante

Anexos 139

Tabela 11 - Modelos de redes neurais para previsatildeo da sobrevida nos pacientes vivos ateacute 2012 (fase 2)

Aprendizado da rede neural (pacientes falecidos ateacute 2012)

Previsatildeo de sobrevida da rede neural

(pacientes vivos ateacute 2012)

Modelo de rede neural

TAA

Erro real da rede

neural ()

Sobrevida (tempo

decorrido)

Funccedilatildeo de

transferecircncia

Tempo de sobrevida observado

(anos)

Previsatildeo da rede neural

(PREV) λ

TAP

Sobrevida hipoteacutetica

Erro hipoteacutetico da rede neural

()

13 200 3199 (DO-DPC)Ψ zero based

log sigmoid 2 a 6 PREV01 300 (DUR-

DPC) Φ

3847

20 50 2260 (DO - DIS) ζ zero based

log sigmoid 2 a 6 PREV02 51 (DUR-DIS)

Φ

3933

22 50 2054 (DO - DIS) ζ tangente

hiperboacutelica 2 a 6 PREV03 51 (DUR-DIS)

Φ

3323

24 101 1277 (DO-DPC)Ψ tangente

hiperboacutelica superior a

6 PREV04 636 (DUR-

DPC) Φ

2071

26 101 1137 (DO-DPC)Ψ zero based

log sigmoid superior a

6 PREV05 636 (DUR-

DPC) Φ

2150

27 22 3529 (DO - DIS) ζ tangente

hiperboacutelica 0 a 2 PREV06 24 (DUR-DIS)

Φ

6372

29 22 3381 (DO - DIS) ζ zero based

log sigmoid 0 a 2 PREV07 24 (DUR-DIS)

Φ

8547

28 46 3029 (DO - DIS) ζ tangente

hiperboacutelica superior a

6 PREV08 199 (DUR-DIS)

Φ

4323

30 46 2413 (DO - DIS) ζ zero based

log sigmoid superior a

6 PREV09 199 (DUR-DIS)

Φ

4867

TAA tamanho da amostra para aprendizado da rede neural

TAP tamanho da amostra para a previsatildeo da rede neural

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da

rede neural com os pacientes falecidos ateacute 2012

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou do uacuteltimo contato com o

paciente e o dado disponiacutevel (data da primeira consulta ou data do iniacutecio dos sintomas)

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

ζ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Anexos 140

Tabela 12 - Modelos de redes neurais comparaacuteveis erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Modelo de rede neural

Previsatildeo da rede neural (PREV) λ

Nuacutemero de pacientes

para comparaccedilatildeo

Erro de previsatildeo hipoteacutetico de

sobrevida pela rede neural

(vivos ateacute 2012) ()

Erro de previsatildeo da sobrevida pela rede

neural real (falecidos em 2013)

()

13 PREV 01 19 3562 4755 20 PREV 02 2 1155 4037 22 PREV 03 2 4095 5614 24 PREV04 36 2120 1880 26 PREV 05 36 1848 1948

corresponde ao modelo de rede utilizada no aprendizado com os melhores resultados na previsatildeo da sobrevida λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 141

Tabela 13 - Modelo de rede neural 13 individual e comparaacutevel erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 13 (aprendizado falecidos ateacute 2012) e PREV01 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

13 200 (DOndashDPC)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira

consulta

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-

DPC) Φ

Sobrevida hipoteacutetica da rede neural

PREV 01λ

(vivos em 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural comparado

com erro real (falecidos em

2013) ()

127 1330 1258 543 3769 6663

180 1434 1797 2535 3526 4902

407 1302 1716 3179 3490 5083

675 2063 1795 1299 3630 5055

878 1736 1261 2734 3509 6405

1086 859 1265 4722 3429 6312

1194 1218 1798 4760 3532 4910

1341 1172 1794 5306 3297 4559

1685 1061 1803 6994 3259 4468

2204 950 1795 8899 2971 3957

2669 1997 1761 1182 2477 2891

2962 1357 1427 529 2659 4635

3687 1886 1255 3345 2499 5017

3837 1834 1221 3341 2451 2396

3838 1603 1792 1177 2356 3204

3855 1108 1794 6194 2640 7789

3862 1726 548 6825 2479 2780

3892 1745 1720 144 2382 4547

3997 1013 1255 3980 2302 4766

3562 DP2498

4755 DP1384

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro relativo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 142

Tabela 14 - Modelo de rede neural 20 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 20 (aprendizado falecidos ateacute 2012) e PREV02 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

20 50 (DO-DIS)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede neural PREV 02

λ

(vivos ateacute 2012)

(em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos ateacute 2012)

()

Sobrevida

real (falecidos em

2013)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1329 2310 2659 5002

3997 2008 1595 680 2302 3072

1155 DP 1249

4037 DP 1365

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural

para os pacientes vivos ateacute 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede

comparada com a porcentagem do erro real de sobrevida dos pacientes que faleceram em 2013

Anexos 143

Tabela 15- Modelo de rede neural 22 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 22 (aprendizado falecidos ateacute 2012) e PREV03 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

22 50 (DO- DIS) Ψ

tangente hiperboacutelica

2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do

caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede

neural PREV 03

λ

(vivos ateacute 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1166 3220 2659 5615

3997 2008 1010 4970 2302 5614

4095 DP 1237 5614 DP 001

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro de previsatildeo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 144

Tabela 16 ndash Modelo de rede neural 24 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 24 (aprendizado falecidos em 2012) e PREV04 (previsatildeo vivos em 2012)

Modelo de rede neural

δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

24 101 (DO-DPC) Ψ

tangente hiperboacutelica

superior a 6 anos

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

Nuacutemero do caso

Sobrevida calculada VIVO (DUR-DPC)

Φ

(em dias)

Sobrevida hipoteacutetica da rede neural PREV 04

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico da rede neural

(vivos ateacute 2012) ()

Sobrevida real

(falecidos em 2013) (em dias)

Erro da rede neural comparado com

erro real (falecidos em 2013)

()

115 3558 3495 176 3586 252

156 3552 3239 882 3630 1077

157 3615 3548 184 3705 259

267 3437 2302 3303 3755 387

442 2496 2445 206 3573 3157

475 3681 3527 418 3700 466

702 3281 2756 1600 3544 2223

848 3362 2628 2183 3474 2435

949 3108 3309 646 3339 09

1015 3410 2166 3648 3449 3719

1166 2931 3399 1597 3423 069

1269 2693 3183 1820 3461 802

1272 3277 3482 627 3343 417

1408 3346 2435 2721 3427 2893

1453 3281 3232 151 3473 69

1460 3285 4047 2319 3330 2152

1477 3480 2236 3574 3485 3583

1490 2902 3332 1480 3244 269

1511 2612 3052 1685 3423 1083

1513 2589 3239 2510 3399 471

1525 3425 2702 2110 3429 2118

1538 2963 4069 3734 3312 2286

1686 3059 3821 2492 3284 1635

1754 3214 2612 1873 3284 2045

2083 2938 2264 2293 2964 236

2477 2828 4067 4381 2973 3647

2481 2467 4062 6464 2780 461

2526 2559 3548 3865 2799 2676

2612 2626 3485 3271 2894 2041

2621 2534 2224 1224 2802 2063

2641 2915 3548 2171 2934 2091

2714 2737 3486 2738 2810 2407

2789 2726 3442 2628 2753 2504

2815 2938 3016 264 2943 246

2871 2884 2237 2242 2904 2295 3475 2514 3231 2852 2547 2685

2120 DP 1396

1880 DP 1239

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da rimeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural meacutedia e desvio-padratildeo (DP) das

porcentagens do erro hipoteacutetico de previsatildeo da rede neural ara os pacientes vivos ateacute 2012 meacutedia desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 145

Tabela 17 - Modelo de rede neural 26 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 26 (aprendizado oacutebito em 2012) e PREV05 (previsatildeo vivos em 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

26 101 (DO-DPC) Ψ

zero based log sigmoid

superior a 6 anos

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

115 3558

3902 966 3586 881

156 3552

2656 2522 3630 2682

157 3615

3408 573 3705 802

267 3437

2655 2275 3755 2929

442 2496

2514 074 3573 2963

475 3681

2694 2681 3700 2718

702 3281

2841 134 3544 1983

848 3362

3307 163 3474 480

949 3108

2318 2541 3339 3057

1015 3410

2189 358 3449 3653

1166 2931

4085 3937 3423 1934

1269 2693

2367 1221 3461 3162

1272 3277

2669 1854 3343 2015

1408 3346

3006 1015 3427 1228

1453 3281

2430 2595 3473 3004

1460 3285

4095 2465 3330 2297

1477 3480

2147 3832 3485 3841

1490 2902

2571 1142 3244 2076

1511 2612

2241 1419 3423 3452

1513 2589

3044 1757 3399 1044

1525 3425

2770 1913 3429 1922

1538 2963

3743 2631 3312 1300

1686 3059

2747 1021 3284 1636

1754 3214

2590 1940 3284 2112

2083 2938

2805 452 2964 536

2477 2828

3974 4052 2973 3366

2481 2467

4055 6439 2780 4588

2526 2559

3027 1828 2799 813

2612 2626

2090 2043 2894 2779

2621 2534 2947 1629 2802 517

2641 2915 2247 2293 2934 2343

2714 2737 2488 908 2810 1144

2789 2726 2727 003 2753 095

Anexos 146

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

2871 2884 2831 183 2904 251

3475 2514 2432 327 2547 452

1848 DP 1354

1948 DP 1167

δ modelo de rede neural utilizada no aprendizado da rede Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013 Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos em 2012

Anexos 147

Tabela 18 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2013 (Reensaio 1) fase 4

Modelo de rede neural 24 (falecidos ateacute 2012)

Modelo de rede neural 24 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1277

145

269

1376

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Modelo de rede neural 26 (falecidos ateacute 2012)

Modelo de rede neural 26 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo

da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1137

145

269

1230

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Anexos 148

Tabela 19 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2014 (Reensaio 2) fase 4

Modelo de rede neural 24

(falecidos ateacute 2012)

Modelo de rede neural 24

Reensaio1 (falecidos em

2013)

Modelo de rede neural 24

Reensaio 2 (falecidos em

2014)

TAA TAP

sect

Erro de previsatildeo de sobrevida da rede neural

()

TAA TAeuro Erro de

previsatildeo real da rede neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida

da rede neural ()

101

186

1277

145

269

1376

175

319

1733

corresponde aos pacientes falecidos em 2012 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a falecer em 2013 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer em 2014 sem dados faltantes sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde agrave somatoacuteria do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer 2013 pound corresponde ao somatoacuterio do total de oacutebitos 2013 e o total de pacientes que vieram a falecer em 2014

Modelo de rede neural 26

(falecidos ateacute 2012)

Modelo de rede neural 26

Reensaio1 (falecidos em 2013)

Modelo de rede neural 26

Reensaio 2 (falecidos em 2014)

TAA TAP sect Erro de

previsatildeo de sobrevida da rede neural

()

TAA TAPeuro Erro de

previsatildeo real da rede

neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida da

rede neural ()

101

186

1137

145

269

1230

175

319

1488

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2012 e os pacientes que vieram a falecer

em 2013 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer

em 2014 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer

em 2013

pound corresponde ao somatoacuterio do total de oacutebitos ateacute 2013 e o total de pacientes que vieram a falecer

em 2014

Anexos 149

Tabela 20 - Comparaccedilatildeo da previsatildeo de sobrevida entre o modelo inicial da rede neural 24 e reensaio 1 fase 4

PREV 04 λ (vivos em 2012)

REENSAIO 1 do modelo de rede neural 24 (falecidos em 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Erro de previsatildeo real rede neural ()

115 3586 3495 176 3709 344

156 3630 3239 882 3041 1623

157 3705 3548 184 3469 637

267 3755 2302 3303 3549 549

442 3573 2445 206 3568 013

475 3700 3527 418 3370 892

702 3544 2756 16 3727 515

848 3474 2628 2183 3547 211

949 3339 3309 646 3505 496

1015 3449 2166 3648 3637 544

1166 3423 3399 1597 3555 386

1269 3461 3183 182 3378 240

1272 3343 3482 627 3286 171

1408 3427 2435 2721 3403 070

1453 3473 3232 151 3458 044

1460 3330 4047 2319 4024 2083

1477 3485 2236 3574 3498 038

1490 3244 3332 148 3511 823

1511 3423 3052 1685 3225 579

1513 3399 3239 251 3564 484

1525 3429 2702 211 3527 284

1538 3312 4069 3734 3422 332

1686 3284 3821 2492 3304 060

1754 3284 2612 1873 3324 120

2083 2964 2264 2293 2501 1564

2477 2973 4067 4381 3026 155

2481 2780 4062 6464 2827 169

2526 2799 3548 3865 3264 1660

2612 2894 3485 3271 3989 3784

2621 2802 2224 1224 2545 917

2641 2934 3548 2171 2659 937

2714 2810 3486 2738 2329 1712

2789 2753 3442 2628 2490 955

2815 2943 3016 264 3200 873

2871 2904 2237 2242 3558 2253

3475 2547 3231 2852 3568 4008

2120 DP 1396

848 DP 961

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo

(DP) das porcentagens do erro real de previsatildeo do reensaio 1 para o modelo de rede neural 24

Anexos 150

Tabela 21 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 e reensaio 1 fase 4

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (oacutebitos 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Sobrevida da rede neural ()

115 3586 3902 966 3520 184

156 3630 2656 2522 2618 2787

157 3705 3408 573 3568 371

267 3755 2655 2275 3787 084

442 3573 2514 074 3326 691

475 3700 2694 2681 2654 2827

702 3544 2841 1340 3400 406

848 3474 3307 163 3467 020

949 3339 2318 2541 3418 236

1015 3449 2189 3580 3621 499

1166 3423 4085 3937 2635 2303

1269 3461 2367 1221 2628 2405

1272 3343 2669 1854 2688 1960

1408 3427 3006 1015 3269 460

1453 3473 2430 2595 2596 2524

1460 3330 4095 2465 2653 2033

1477 3485 2147 3832 3408 221

1490 3244 2571 1142 2711 1642

1511 3423 2241 1419 2617 2354

1513 3399 3044 1757 3340 175

1525 3429 2770 1913 3093 979

1538 3312 3743 2631 2651 1995

1686 3284 2747 1021 2665 1886

1754 3284 2590 1940 2798 1480

2083 2964 2805 452 2695 906

2477 2973 3974 4052 2622 1182

2481 2780 4055 6439 2873 334

2526 2799 3027 1828 2627 614

2612 2894 2090 2043 3243 1204

2621 2802 2947 1629 2645 562

2641 2934 2247 2293 2654 954

2714 2810 2488 908 2943 474

2789 2753 2727 003 2567 677

2815 2943 2663 935 2620 1096

2871 2904 2831 183 2550 1219

3475 2547 2432 327 2731 724

1848 DP 1410

1124 DP 851

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia das porcentagens e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo do reensaio 1 para o modelo de rede neural 26

Anexos 151

Tabela 22 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 24 reensaio 1 e reensaio 2 fase 5

PREV 04 λ

(vivos ateacute 2012) REENSAIO 1 do modelo de rede neural 24 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 24

(aprendizado 2013 e 2014)

Nuacutemero do

caso

Sobrevida real (em dias)

Sobrevida da rede neural

(em dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural ()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3495 176 3709 344 3241 963

156 3630 3239 882 3041 1623 2523 3049

157 3705 3548 184 3469 637 3513 518

267 3755 2302 3303 3549 549 3513 644

442 3573 2445 206 3568 013 2523 2938

475 3700 3527 418 3370 892 3442 698

702 3544 2756 16 3727 515 2968 1625

848 3474 2628 2183 3547 211 3616 408

949 3339 3309 646 3505 496 3513 521

1015 3449 2166 3648 3637 544 3508 171

1166 3423 3399 1597 3555 386 3363 175

1269 3461 3183 182 3378 240 3628 483

1272 3343 3482 627 3286 171 2867 1424

1408 3427 2435 2721 3403 070 3184 710

1453 3473 3232 151 3458 044 3572 284

1460 3330 4047 2319 4024 2083 3058 817

1477 3485 2236 3574 3498 038 3513 081

1490 3244 3332 148 3511 823 3370 388

1511 3423 3052 1685 3225 579 3096 955

1513 3399 3239 251 3564 484 3130 791

1525 3429 2702 211 3527 284 3518 261

1538 3312 4069 3734 3422 332 3347 106

1686 3284 3821 2492 3304 060 3141 435

1754 3284 2612 1873 3324 120 3014 822

2083 2964 2264 2293 2501 1564 3157 652

2477 2973 4067 4381 3026 155 2404 1913

2481 2780 4062 6464 2827 169 2697 300

2526 2799 3548 3865 3264 1660 2524 983

2612 2894 3485 3271 3989 3784 3183 999

2621 2802 2224 1224 2545 917 3447 2303

2641 2934 3548 2171 2659 937 3334 1365

2714 2810 3486 2738 2329 1712 2523 1020

2789 2753 3442 2628 2490 955 2404 1267

2815 2943 3016 264 3200 873 2208 2497

2871 2904 2237 2242 3558 2253 2871 113

3475 2547 3231 2852 3568 4008 2524 092

2120

DP 1396

848

DP 961

910

DP 787

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-

-padratildeo das porcentagens (DP) do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1

(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo da rede neural para

os pacientes do reensaio 2 (oacutebitos incorporados ateacute 2014) λ PREV modelo de previsatildeo da rede neural para os

pacientes vivos associado ao modelo de aprendizado da rede

Anexos 152

Tabela 23 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 o reensaio 1 e o reensaio 2 fase 5

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 26 (aprendizado

2013 e 2014)

Nuacutemero do

caso

Sobrevida real

(em dias)

Sobrevida da rede neural (em

dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3902 966 3520 184 3274 870

156 3630 2656 2522 2618 2787 2750 2425

157 3705 3408 573 3568 371 3347 968

267 3755 2655 2275 3787 084 3708 126

442 3573 2514 074 3326 691 3740 467

475 3700 2694 2681 2654 2827 2751 2565

702 3544 2841 1340 3400 406 3207 952

848 3474 3307 163 3467 020 2989 1395

949 3339 2318 2541 3418 236 3552 637

1015 3449 2189 3580 3621 499 3352 282

1166 3423 4085 3937 2635 2303 3287 397

1269 3461 2367 1221 2628 2405 2915 1579

1272 3343 2669 1854 2688 1960 3045 892

1408 3427 3006 1015 3269 460 3299 373

1453 3473 2430 2595 2596 2524 2722 2163

1460 3330 4095 2465 2653 2033 4369 3120

1477 3485 2147 3832 3408 221 3472 038

1490 3244 2571 1142 2711 1642 3742 1534

1511 3423 2241 1419 2617 2354 3180 710

1513 3399 3044 1757 3340 175 3054 1015

1525 3429 2770 1913 3093 979 2763 1941

1538 3312 3743 2631 2651 1995 2845 1409

1686 3284 2747 1021 2665 1886 2767 1576

1754 3284 2590 1940 2798 1480 2830 1381

2083 2964 2805 452 2695 906 2813 508

2477 2973 3974 5052 2622 1182 3080 359 2481 2780 4055 6439 2873 334 2980 721

2526 2799 3027 1828 2627 614 3034 838

2612 2894 2090 2043 3243 1204 4367 5090

2621 2802 2947 1629 2645 562 2920 421

2641 2934 2247 2293 2654 954 3095 549

2714 2810 2488 908 2943 474 3998 4227

2789 2753 2727 003 2567 677 2492 947

2815 2943 2663 935 2620 1096 2722 749

2871 2904 2831 183 2550 1219 2887 059

3475 2547 2432 327 2731 724 3103 2183

1848 DP 1410

112 4 DP 851

126 DP 1127

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-padratildeo das porcentagens do erro Hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) das porcentagens Do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 2 (oacutebitos incorporadosateacute 2014) λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associados ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 153

Tabela 24 - Sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo dos melhores modelos de rede neural

Pacientes com oacutebitos confirmados ateacute 2012 Pacientes com oacutebitos natildeo confirmados ateacute 2012 Criteacuterio para o modelo de rede neural (RN)

Intervalo de corte (dias)

Modelo da rede neural

Total de oacutebitos

Verdadeiro Positivo (VP)

Falso Negativo (FN)

Sensibilidade da rede neural

ζ

Modelo de Previsatildeo da RN (Prev)

Total de pacientes vivos

Verdadeiro Negativo (VN)

Falso Positivo (FP)

Especificidade da rede neural δ

Acuraacutecia da rede neural

ξ

Valor Preditivo Positivo (VPP)

π

Valor Preditivo Negativo (VPN)

φ

sobrevida de 2 a 6 anos Log Sig DO-DPC 730 (2 anos) RN13 402 338 64 841 PREV01 300 226 74 753 803 820 779

sobrevida de 2 a 6 anos Log Sig DO-DPC 365 (1 ano) RN13 402 226 176 562 PREV01 300 139 161 463 520 584 441

sobrevida de 2 a 6 anos Log Sig DO-DIS 730 (2 anos) RN20 98 88 10 898 PREV02 51 39 12 765 852 880 796

sobrevida de 2 a 6 anos Log Sig DO-DIS 365 RN20 98 71 27 724 PREV02 51 23 28 451 631 717 460

sobrevida de 2 a 6 anos Tag h DO-DIS 730 (2 anos) RN22 98 88 10 898 PREV03 51 37 14 725 839 863 787

sobrevida de 2 a 6 anos Tag h DO-DIS 365 (1 ano) RN22 98 75 23 765 PREV03 51 22 29 431 651 721 489

sobrevida inferior a 2 anos Tag h DO-DIS 180 (6 meses) RN27 47 33 14 702 PREV06 24 9 15 375 592 688 391

sobrevida inferior a 2 anos Tag h DO-DIS 365 (1 ano) RN27 47 41 6 872 PREV06 24 16 8 667 803 837 727

sobrevida inferior a 2 anos Log Sig DO-DIS 180 (6 meses) RN29 47 33 14 702 PREV07 24 7 17 292 563 660 333

sobrevida inferior a 2 anos Log Sig DO-DIS 365 (1 ano) RN29 47 41 6 872 PREV07 24 15 9 625 789 820 714

sobrevida superior a 6 anos Tag h DO-DPC 730 (2 anos) RN24 186 135 51 726 PREV04 636 355 281 558 596 325 874

sobrevida superior a 6 anos Tag h DO-DPC 1095 (3 anos) RN24 186 173 13 930 PREV04 636 493 143 775 810 547 974

sobrevida superior 6 anos Log Sig DO-DPC 730 (2 anos) RN26 186 135 51 726 PREV05 636 348 288 547 588 319 872

sobrevida superior 6 anos Log Sig DO-DPC 1095 (3 anos) RN26 186 173 13 930 PREV05 636 486 150 764 802 536 974

sobrevida superior 6 anos Tag h DO-DIS 730 (2 anos) RN28 93 63 30 677 PREV08 199 60 139 302 421 312 667

sobrevida superior 6 anos Log Sig DO-DIS 730 (2 anos) RN30 93 63 30 677 PREV09 199 51 148 256 390 299 630

ε Os caacutelculos de sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo para cada modelo de dados da rede neural foram baseados no padratildeo ouro a partir de dois grupos distintos pacientes

falecidos ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural (RN) pacientes sobreviventes ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural para a previsatildeo da sobrevida (PREV) para estes pacientes foi considerada a data da uacuteltima revisatildeo como a data hipoteacutetica de oacutebito para o calculo da sobrevida DO data de oacutebito do paciente DIS data do iniacutecio dos sintomas DPC data da primeira consulta Tag h funccedilatildeo de transferecircncia ou ativaccedilatildeo tangente hiperboacutelica Log Sig funccedilatildeo de transferecircncia ou ativaccedilatildeo zero based log sigmoid funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural ζ Sensibilidade da rede neural = VP (VP + FN) δ Especificidade da rede neural = VN (VN + FP) ξ Acuraacutecia da rede neural = (VP + VN) (VP+FP+VN+FN) π Valor preditivo positivo da rede neural = VP (VP + FP) φ Valor preditivo negativo da rede neural = VN (VN + FN)

Anexos 154

Tabela 25 ndash Avaliaccedilatildeo dos melhores modelos de rede neural com o emprego da funccedilatildeo de perda

Caracteriacutesticas do modelo de rede neural Modelo de rede neural (RN)

Tamanho da

amostra (TAP) φ

Erro meacutedio estimado com a

funccedilatildeo de perdapara

(dias)

Erro meacutedio estimado com a funccedilatildeo de perda quadraacutetica (dias)

sobrevida de 2 a 6 anos Log Sig sect

(DO - DPC) RN13 402 38931 25453684

sobrevida de 2 a 6 anos Log Sig sect

(DO - DIS) RN20 98 25906 18176135

sobrevida de 2 a 6 anos Tag hip sect

(DO - DIS) RN22 98 23161 18081308

sobrevida superior a 6 anos Tag hip sect (DO - DPC) RN24 186 33255 27277589

sobrevida superior a 6 anos Log Sig sect

(DO - DPC) RN26 186 29388 334004

sobrevida inferior a 2 anos Tag hip sect

(DO - DIS) RN28 47 13307 5598847

sobrevida inferior a 2 anos Log Sig sect (DO - DIS)

RN30 47 12695 5223339

sect funccedilatildeo de ativaccedilatildeo ou transferecircncia tangente hiperboacutelica (Tag hip) ou zero based log sigmoid (Log Sig) funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural

DO data do oacutebito DPC data da consulta inicial DIS data do iniacutecio dos sintomas

φ TAP tamanho da amostra de treinamento ou previsatildeo

para Funccedilatildeo de perda absoluta = somatoacuteria (|sobrevida real-sobrevida estimada|) de cada paciente nuacutemero de pacientes

8 Referecircncias Bibliograacuteficas

Referecircncias Bibliograacuteficas 156

Aaronson KD Schwartz JS Chen TM Wong Kl Goin JE Mancini DM Development and prospective validation of a clinical index to predict survival in ambulatory patients referred for cardiac transplant evaluation Circulation 1997 Jun 95(12)2660-7 Abdul-Rahim AH MacIsaac RL Jhund P Petrie MC Lees KR McMurray JJV On behalf the VICCTA-Heart Failure Collaborators Efficacy and safety of digoxin in patients with heart failure and reduced ejection fraction according to diabetes status An analysis of the Digitalis Investigation Group (DIG) trial Int J Cardiol 2016 Feb209310-316 doi101016jijcard201602074 Abebe TB Gebreyohannes EA Bhagavathula AS Tefera YG Abegaz TM Anemia in severe heart failure patients does it predict prognosis BMC Cardiovasc Disord 2017 Sep17(1)248 doi101186s12872-017-0680-5 Abraham WT Fonarow GC Albert NM Stough WG Gheorghiade M Greenberg BH et al OPTIMIZE-HF Investigators and Coordinators Predictors of in-hospital mortality in patients hospitalized for heart failure insights from the Organized Program to Initiate Lifesaving Treatment in Hospitalized Patients with Heart Failure (OPTIMIZE-HF) J Am Coll Cardiol 2008 Jul52(5)347-56 doi 01016jjacc200804028 Acanfora D Gheorghiade M Trojano L Furgi G Pasini E Picone C et al Relative lymphocyte count a prognostic indicator of mortality in elderly patients with congestive heart failure Am Heart J 2001 Jul 142(1)167-73 PMID11431674 Addetia K Michel C Holcroft CA Sheppard R Rudski LG Early improvement in serial echocardiographic studies in heart failure patients predicts long term survival-a pilot study J Card Fail 2015 Jun21(6)470-8 doi 101016 jcardfail 201504002 Afsarmanesh N Horwich TB Fonarow GC Total cholesterol levels and mortality risk in nonischemic systolic heart failure Am Heart J 2006 Dec152(6)1077-83 doi10 1016jahj200606015 Ahmed FE Artificial neural networks for diagnosis and survival prediction in colon cancer Mol Cancer 2005 Aug429 doi1011861476-4598-4-29 Ahmed A Rich MW Love TE Lloyd-Jones DM Aban IB Colucci WS et al Digoxin and reduction in mortality and hospitalization in heart failure a comprehensive post hoc analysis of the DIG trial Eur Heart J 2006a Jan 27(2)178-86 doi101093eurheartjehi687 Ahmed A Aronow WS Fleg JL Predictors of mortality and hospitalization in women with heart failure in the Digitalis Investigation Group trial Am J Ther 2006 b Jul-Ago 13(4) 325-31 PMID16858168 Ahmed A Zannad F Love TE Tallaj J Gheorghiade M Ekundayo OJ Pitt B A propensity-matched study of the association of low serum potassium levels and mortality in chronic heart failure Eur Heart J 2007 Jun28 (11)1334-43 doi10 1093eurheartjehm091

Referecircncias Bibliograacuteficas 157

Alla F Brianccedilon S Juilliegravere Y Mertes PM Villemot JP Zannad F Differential clinical prognostic classifications in dilated and ischemic advanced heart failure the EPICAL study Am Heart J 2000 May139(5)895-904 doi101016S0002-8703(00)90023-1 Albuquerque DC Neto JD Bacal F Rohde LE Bernardez-Pereira S Berwanger O et al Investigadores Estudo BREATHE I Brazilian registry of heart failure - Clinical aspects care quality and hospitalization outcomes Arq Bras Cardiol 2015 Jun104(6)433-42 Erratum in Correction [Arq Bras Cardiol 2015] doi 10 5935 abc20150031 Ambroacutesio PE Redes neurais artificiais no apoio ao diagnoacutestico diferencial de lesotildees intersticiais pulmonares [dissertaccedilatildeo] Ribeiratildeo Preto Universidade de Satildeo Paulo Faculdade de Filosofia Ciecircncias e Letras 2002 Disponiacutevel em wwwtesesuspbrtesesdisponiveis5959135tde-26102002-155559Dissertacaopdf Anand I McMurray JJ Whitmore J Warren M Pham A McCamish MA et al Anemia and its relationship to clinical outcome in heart failure Circulation 2004 Jul110(2)149-54 doi10116101CIR00001342797957173 Anand IS Kuskowski MA Rector TS Florea VG Glazer RD Hester A et al Anemia and change in hemoglobin over time related to mortality and morbidity in patients with chronic heart failure results from Val-HeFT Circulation 2005 Aug112(8)1121-7 doi101161 CIRCULATIONAHA104512988 Anand IS Anemia and chronic heart failure implications and treatment options J Am Coll Cardiol 2008 Aug52(7)501-11 doi101016jjacc200804044 Anker SD Ponikowski P Varney S Chua TP Clark AL Webb-Peploe KM et al Wasting as independent risk factor for mortality in chronic heart failure Lancet1997 Apr349(9058)1050-3 doi 10 1016S0140-6736(96)07015-8 Anker SD Negassa A Coats AJ Afzal R Poole-Wilson PA Cohn JN et al Prognostic importance of weight loss in chronic heart failure and the effect of treatment with angiotensin ndash converting - enzyme inhibitors an observational study Lancet 2003 Mar361(9363)1077-83 doi101016S0140-6736(03)12892-9 Assunccedilatildeo F Estrateacutegias para tratamento de variaacuteveis com dados faltantes durante o desenvolvimento de modelos preditivos [mestrado] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2012 doi1011606D712010tde-21062010-100432 Recuperado em 2017-01-18 de wwwtesesuspbr Astion ML Wilding P The application of backpropagation neural networks to problems in pathology and laboratory medicine Arch Pathol Lab Med1992 Oct 116(10)995-1001 PMID1417451 Barker WH Mullooly JP Getchell W Changing incidence and survival for heart failure in a well-defined older population 1970-1974 and 1990-1994 Circulation 2006 Fev113(6)799-805 doi101161CIRCULATIONAHA104492133

Referecircncias Bibliograacuteficas 158

Bartosch-Haumlrlid A Andersson B Aho U Nilsson J Andersson R Artificial neural networks in pancreatic disease Br J Surg 2008 Jul95(7)817-26 doi101002 bjs 6239 Baxt WG Use of an artificial neural network for the diagnosis of myocardial infarction Ann Intern Med 1991 Jan115(11)843-8 PMID 1952470 Erratum in Ann Intern Med 1992116(1)94 doi1073260003-4819-115-11-843 Baxt WG Application of artificial neural networks to clinical medicine Lancet 1995 Oct 346(8983)1135-8 PMID 7475607 Baxt WG Skora J Prospective validation of artificial neural network trained to identify acute myocardial infarction Lancet 1996 Jan347(8993)12-5 PMID 8531540 Bestetti RB Dalbo CM Freitas OC Teno LA Castilho OT Oliveira JS Noninvasive predictors of mortality for patients with Chagasrsquo heart disease a multivariate stepwise logistic regression study Cardiology 1994 Nov84(4-5)261-7 doi1011590001 76409 Bestetti RB Muccillo G Clinical course of Chagasrsquoheart disease a comparison with dilated cardiomyopathy Int J Cardiol 1997 Jul60(2)187-93 PIMD 9226290 Bestetti RB Otaviano AP Cardinalli-Neto Rocha BF Theodoropoulos TA Cordeiro JA Effects of B-Blockers on outcome of patients with Chagasrsquo cardiomyopathy with chronic heart failure Int J Cardiol 2011 Sep115205-208 doi101016jijcard 201005033 Bestetti RB Daniel RAF The treatment of chronic heart failure secondary to Chagas cardiomyopathy in the contemporary era International Cardiovascular Forum Journal 2016vol719-25 doi1017987icfjv7i0217 Bielecka-Dabrowa A Mikhailidis DP Jones L Rysz J Aronow WS Banach M The meaning of hypokalemia in heart failure Int J Cardiol 2012 Jun158(1) 12-7 doi 10 1016jijcard201106121 Bocchi EA Cruz F Guimaratildees G Pinho Moreira LF Issa VS Ayub-Ferreira SM et al Long-term prospective randomized controlled study using repetitive education at six-month intervals and monitoring for adherence in heart failure outpatients the REMADHE trial Circ Heart Fail 2008 Jul1(2)115-124 doi 101161CIRCHEARTFAILURE107744870 Bocchi EA Marcondes-Braga FG Ayub-Ferreira SM Rohde LE Oliveira WA Almeida DR et al Sociedade Brasileira de Cardiologia III Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica Arq Bras Cardiol 200993 (1supl1)1-71 doi101590S0066-782X2009002000001

Referecircncias Bibliograacuteficas 159

Bocchi EA Marcondes-Braga FG Bacal F Ferraz AS Albuquerque D Rodrigues D et al Sociedade Brasileira de Cardiologia Atualizaccedilatildeo da Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica-2012 Arq Bras Cardiol 2012 Jan 98(1 supl 1)1- 33 Bocchi EA Arias A Verdejo H Diez M Goacutemez E Castro P Interamerican Society of Cardiology The reality of heart failure in Latin America J Am Coll Cardiol 2013 Sep62(11)949-58 doi101016jjacc201306013 Bocchi EA Bestetti RB Scanavacca MI Neto EC Issa VS Chronic Chagas heart disease management From etiology to cardiomyopathy treatment J Am Coll Cardiol 2017 Sep70(12)1510-24 doi101016jjacc201708004 Boumlhm M Swedberg K Komajda M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Heart rate as a risk factor in chronic heart failure (SHIFT) the association between heart rate and outcomes in a randomised placebo -controlled trial Lancet 2010 Sep376(9744) 886-94 doi101016S0140-6736(10) 61259-7 Braunwald E Biomarkers in heart failure N Engl J Med 2008 May 358(20) 2148-59 doi101056NEJMra0800239 Burnett H Earley A Voors AA Senni M McMurray JJ Deschaseaux C et al Thirty years of evidence on the efficacy of drug treatments for chronic heart failure with reduced ejection fraction a network meta-analysis Circ Heart Fail 2017 Jan10 (1)pii e003529 doi 101161CIRCHEARTFAILURE116003529 Buskard T Stevenson M Frize M Solven F Estimation of ventilation length of stay and mortality using artificial neural networks Conf Proc Electrical and Computer Engineering 1994 Canada September 25-28 1994 IEEEXplore 2002 doi 101109CCECE1994405854 Bustamante-Teixeira MT Faerstein E Latorre MR Teacutecnica de anaacutelise de sobrevida Cad Sauacutede Puacuteblica 2002 May-Jun Rio de Janeiro18(3)579-594 doi101590S 0102-311X2002000300008 Carlo CH Cardoso JN Ochia ME Oliveira Junior MT Ramires JA Pereira-Barretto AC Temporal variation in the prognosis and treatment of advanced heart failure - before and after 2000 Arq Bras Cardiol 2014 May102(5)495-504 PMID 24759950 Castro LN Anaacutelise e siacutentese de estrateacutegias de aprendizado para redes neurais artificiais [dissertaccedilatildeo] Campinas Universidade Estadual de Campinas Faculdade de Engenharia Eleacutetrica e de Computaccedilatildeo 1998 Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubentheseslnunes_ mestindicepdf

Referecircncias Bibliograacuteficas 160

Castro FCC de Castro MC Redes Neurais Artificiais Pontifiacutecia Universidade Catoacutelica do Rio Grande do Sul Capiacutetulo 2 Processos de aprendizado [citado 10 Nov 2016] p1-23 Disponiacutevel em wwwpolitecnica pucrsbr~decastro pdf RNA_C2pdf Charach G Grosskopf I Roth A Afek A Wexler D Sheps D et al Usefulness of total lymphocyte count as predictor of outcome in patients with chronic heart failure Am J Cardiol 2011 May 107 (9) 1353-6 doi101016jamjcard201012049 Chizzola PR Mansur AJ da Luz PL Bellotti G Compliance with pharmacological treatment in outpatients from a Brazilian cardiology referral center Sao Paulo Med J 1996 Sep-Oct114(5)1259-64 doi101590S1516-31801996000500004 Christ M Klima T Grimm W Mueller HH Maisch B Prognostic significance of serum cholesterol levels in patients with idiopathic dilated cardiomyopathy Eur Heart J 2006 Mar27(6)691-9 doi101093eurheartjehi195 Cintron G Jonhson G Francis G Cobb F Cohn JN Prognostic significance of serial changes in left ventricular ejection fraction in patients with congestive heart failure The V-HeFT VA Cooperative Studies Group Circulation 1993 Jun87(6Suppl)VI17-23 PMID 8500235 Cohn JN Archibald DG Ziesche S Franciosa JA Harston WE Tristani FE et al Effect of vasodilator therapy on mortality in chronic congestive heart failure Results of a Veterans Administration Cooperative Study N Engl J Med 1986 Jun314 (24) 1547-52 doi101056NEJM198606123142404 Cohn JN Archibald DG Francis GS Ziesche S Franciosa JA Harston WE et al Veterans Administration Cooperative Study on Vasodilator Therapy of Heart Failure Influence of prerandomization variables on the reduction of mortality by treatment with hydralazine and isosorbide dinitrate Circulation 1987 May75(5 Pt 2)IV49-54 PMID 3552302 Cohn JN Rector TS Prognosis of congestive heart failure and predictors of mortality Am J Cardiol 1988 Jul62(2)25A-30A doi 101016 S0002-9149(88) 80081-X Cox DR Regression Models and Life-Tables J R Stat Soc Series B Stat Methodol Vol 34 No 2 (1972) p187-220 Cowie MR Wood DA Coats AJ Thompson SG Suresh V Poole-Wilson PA et al Survival of patients with a new diagnosis of heart failure a population based study Heart 2000 May83(5)505-10 doi101136heart 835505 Cross SS Harrison RF Kennedy RL Introduction to neural networks Lancet 1995 Oct346(8982)1075-9 PMID7564791

Referecircncias Bibliograacuteficas 161

Das A Ben-Menachem T Farooq FT Cooper GS Chak A Sivak MV Jr et al Artificial neural network as a predictive instrument in patients with acute nonvariceal upper gastrointestinal hemorrhage Gastroenterology 2008 Jan134 (1)65-74 doi101053jgastro200710037 Damman K Valente MA Voors AA OConnor CM van Veldhuisen DJ Hillege HL Renal impairment worsening renal function and outcome in patients with heart failure an updated meta-analysis Eur Heart J 2014 Fev35(7)455-69 doi 101093 eurheartjeht386 Davos CH Doehner W Rauchhaus M Cicoira M Francis DP Coats AJ et al Body mass and survival in patients with chronic heart failure without cachexia The importance of obesity J Cardiac Fail 2003 Fev9(1)29-35 doi10 1054 jcaf20034 Diaz A Bourassa MG Guertin MC Tardif JC Long-term prognostic value of resting heart rate in patients with suspected or proven coronary artery disease Eur Heart J 2005 Mar26(10)967-74 doi101093eurheartjehi190 Doehner W Critical appraisal of the obesity paradox in cardiovascular disease how to manage patients with overweight in heart failure Heart Fail Rev 2014 Sep 19(5)637-44 doi101007s10741-014-9425-z Dries DL Exner DV Domanski MJ Greenberg B Stevenson LW The prognostic implications of renal insufficiency in asymptomatic and symptomatic patients with left ventricular systolic dysfunction J Am Coll Cardiol 2000 Mar35(3)681-9 doi10 1016S0735-1097(99)00608-7 Ennett CM Frize M Walker CR Influence of missing values on artificial neural network performance Stud Health Technol Inform 200184(Pt 1)449-53 doi 10 3233978-1-60750-928-8-449 Ennett CM Frize M Charette E Improvement and automation of artificial neural networks to estimate medical outcomes Med Eng Phys 2004 May26(4)321-328 doi101016jmedengphy200309005 Ennett CM Frize M Wlaker R Imputation of missing values by integrating neural networks and case-based reasoning Conf Proc IEEE Eng Med Biol Soc 200820084337-41 Proferida na 30th Annual International IEEE EMBS Conference Vancouver British Columbia Canada August 20-24 2008 doi101109 IEMBS 20084650170 Espinosa R Carrasco HA Belandria F Fuenmayor AM Molina C Gonzaacutelez R et al Life expectancy analysis in patients with Chagasrsquo disease prognosis after one decade (1973-1983) Int J Cardiol 1985 May8(1)45-56 PMID 3997291 Ezekowitz JA McAlister FA Armstrong PW Anaemia is common in heart failiure and is associated with poor outcomes insights from a cohort of 12065 patients with new-onset heart failure Circulation 2003 Jan107(2)223-225 doi101161 01 CIR00 00 0526 2251963FC

Referecircncias Bibliograacuteficas 162

Fogel DB Wasson EC 3rd Boughton EM Evolving neural networks for detecting breast cacircncer Cancer Lett 1995 Sep96(1)49-53 PMID 7553607 Fonarow GC Adams KF Jr Abraham WT Yancy CW Boscardin WJ ADHERE Scientific Advisory Committee Study Group and Investigators Risk stratification for in-hospital mortality in acutely decompensated heart failure classification and regression tree analysis JAMA 2005 Feb293(5)572-80 doi 101001 jama 2935572 Fonarow GC Srikanthan P Costanzo MR Cintron GB Lopatin M ADHERE Scientific Advisory Committee and Investigators An obesity paradox in acute heart failure analysis of body mass index and inhospital mortality for 108927 patients in the Acute Decompensated Heart Failure National Registry Am Heart J 2007a Jan153(1)74-81 doi101016jahj200609007 Fonarow GC Heywood JT Heidenreich PA Lopatin M Yancy CW ADHERE Scientific Advisory Committee and Investigators Temporal trends in clinical characteristics treatments and outcomes for heart failure hospitalizations 2002 to 2004 findings from Acute Decompensated Heart Failure National Registry (ADHERE) Am Heart J 2007b Jun153(6)1021-8 doi101016jahj200703012 Franke J Zugck C Hochadel M Hack A Frankenstein L Zhao JD et al Etiology-specific assessment of predictors of long-term survival in chronic systolic heart failure Int J Cardiol Heart Vasc 2015 Feb761-68 doi101016jijcha 2015 01015e Collection 2015 Jun 1 Freitas HFG Prognoacutestico em portadores de insuficiecircncia cardiacuteaca encaminhados para avaliaccedilatildeo de tratamento ciruacutergico [tese] Satildeo Paulo Universidade de Satildeo Paulo Faculdade de Medicina 2002 doi1011606 T52002tde-19082014-100741 Disponiacutevel em http wwwtesesuspbr Freitas HFG Chizzola PR Paes AT Lima AC Mansur AJ Risk stratification in a Brazilian hospital - based cohort of 1220 outpatients with heart failure role of Chagasheart disease Int J Cardiol 2005 Jul102(2)239-47 doi101016jijcard 2004 05025 Freitas HFG Barbosa EA Rosa FHFP Lima ACP Mansur AJ Association of HDL cholesterol and triglycerides with mortality in patients with heart failure Braz J Med Biol Res 2009 May42(5)420-425 doi101590S0100-879X2009000500004 Frize M Ennett CM Charette E Automated optimization of neural networks in estimating medical outcomes Proc 3rd IEEE ITAB-ITIS Conference Information Technology Applications in Biomedicine and International Telemedical Information Society 2000168-73 Frize M Ennett CM Stevenson M Trigg HC Clinical decision support systems for intensive care units using artificial neural networks Med Eng Phys 2001 23217-25 doiorg101016S1350-4533(01)00041-8

Referecircncias Bibliograacuteficas 163

Gerber Y Weston SA Redfield MM Chamberlain AM Manemann SM Jiang R et al A contemporary appraisal of the heart failure epidemic in Olmsted County Minnesota 2000 to 2010 JAMA Intern Med 2015 Jun 175(6)996-1004 doi101001jamainternmed20150924 Gheorghiade M Filippatos G Reassessing treatment of acute heart failure syndromes the ADHERE Registry Eur Heart J Suppl 2005 Apr7(suppl B)B13-B19 doi101093eurheartjsui008 Gheorghiade M Patel K Filippatos G Anker SD van Veldhuisen DJ Cleland JG et al Effect of oral digoxin in high-risk heart failure patients a pre-specified subgroup analysis of the DIG trial Eur J Heart Fail 2013 May15(5)551-9 doi101093eurjhfhft010 Godoy HL Silveira JA Segalla E Almeida DR Hospitalization and Mortality rates for heart failure in public hosptitals in Satildeo Paulo Arq Bras Cariol 2011 Nov97(5)402-7 doi101590S0066-782X2011005000096 Go AS Yang J Ackerson LM Lepper K Robbins S Massie BM et al Hemoglobin level chronic kidney disease and the risks of death and hospitalization in adults with chronic heart failure the Anaemia in Chronic Heart Failure Outcomes and Resource Utilization (ANCHOR) Study Circulation 2006 Jun113(23)2713-3 doi101161CIRCULATIONAHA105577577 Gradman A Deedwania P Cody R Massie B Packer M Pitt Bet al Predictors of total mortality and sudden death in mild to moderate heart failure Captopril-Digoxin Study Group J Am Coll Cardiol 1989 Sep14564-570 PMID 2768707 Grossi E How artificial intelligence tools can be used to assess individual patient risk in cardiovascular disease problems with the current methods BMC Cardiovasc Disord 2006 May620 doi1011861471-2261-6-20 Guidi G Pettenati MC Melillo P Iadanza E A machine learning system to improve heart failure patient assistance IEEE J Bioimed Health Inform 2014 Nov18(6)1750-6 doi101109JBHI20142337752 Guimaratildees AM Mathias IM Dias AH Ferrari JW Cazelatto Junior CDO Modulo de validaccedilatildeo cruzada para treinamento de redes neurais artificiais com algoritmos back propagation e resilient propagation Publ UEPG Exact Earth Sci Agr Sci Eng Ponta Grossa 14 (1) 17-24 abr 2008 doi 105212 Publ Exatasv 14i1 017024 Disponiacutevel em httpdxdoiorg105212Publ Exatasv14i1017024 Haykin S Neural Networks A Comprehensive Foundation Chapter Multilayer preceptrons p178 New Jersey Prentice-Hall Inc 1999[cited 2009 ] Available from httpcdnpreterhumannetneuralnetworks

Referecircncias Bibliograacuteficas 164

Hecht-Nielsen R Theory of the backpropagation neural network Proceedings of the international joint conference on neural networks 1 p593-611 June 1989 doi101016B978-0-12-741252-8500108 Hjalmarson A Goldstein S Fagerberg B Wedel H Waagstein F Kjekshus Jet al Effects of controlled -release metoprolol on total mortality hospitalizations and well-being in patients with heart failure the Metoprolol CRXL Randomized Intervention Trial in congestive heart failure (MERIT-HF) MERIT-HF Study Group JAMA 2000 Mar 283 (10) 1295-302 doi 101001jama283101295 Horwich TB Fonarow GC Hamilton MA MacLellan WR Woo MA Tillisch JH The relationship between obesity and mortality in patients with heart failure J Am Coll Cardiol 2001 Sep38(3)789-95 PMID 11527635 Horwich TB Hamilton MA Maclellan WR Fonarow GC Low serum total cholesterol is associated with marked increase in mortality in advanced heart failure J Card Fail 2002 Aug8(4)216-24 PMID 12397569 Horwich TB Hernandez AF Dai D Yancy CW Fonarow GC Cholesterol levels and in-hospital mortality in patients with acute decompensated heart failure Am Heart J 2008 Dec156(6)1170-6 doi101016jahj200807004 Huehnergarth KV Mozaffarian D Sullivan MD Crane BA Wilkinson CW Lawler RL et al Usefulness of relative lymphocyte count as an independent predictor of deathurgent transplant in heart failure Am J Cardiol 2005 Jun95(12)1492-5 doi101016jamjcard200502022 Hunt SA Baker DW Chin MH Cinquegrani MP Feldman AM Francis GS et al ACCAHA guidelines for the evaluation and management of chronic heart failure in the adult executive summary a report of the American College of CardiologyAmerican Heart Association Task Force on Practice Guidelines (Committee to Revise the 1995 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2001 Dec38(7)2101-13 doi101016S0735-1097(01)01683-7 Hunt SA American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) ACCAHA 2005 guideline update for the diagnosis and management of chronic heart failure in the adult a report of the American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2005 Sep46(6)e1-82 Erratum in J Am Coll Cardiol 2006 Apr47(7)1503-1505 doi101016jjacc200508022 Hsiao SH Chiou KR Left atrial expansion index predicts all-cause mortality and heart failure admissions in dyspnoea Eur J Heart Fail 2013 Nov15(11)1245-52 doi101093eurjhfhft087

Referecircncias Bibliograacuteficas 165

Issa VS Amaral AF Cruz FD Ferreira SM Guimaratildees GV Chizzola PR et al B-blocker therapy and mortality of patients with Chagas cardiomyopathy a sub analysis of the REMADHE prospective trial Circ Heart Fail 2010 Jan3(1)82-88 doi101161CIRCHEARTFAILURE109882035 James PA Oparil S Carter BL Cushman WC Dennison-Himmelfarb C Handler J et al 2014 Evidence-based guideline for the management of high blood pressure in adults report from the Panel Members appointed to the eighth joint national committee (JNC 8) JAMA 2014 Feb 311(5)507-520 doi101001jama2013284427 Kaambwa B Bryan S Billingham L Do the methods used to analyse missing data really matter An examination of data from an observational study of Intermediate Care patients BMC Res Notes 2012 Jun5330 doi1011861756-0500-5-330 Kajimoto K Minami Y Sato N Takano T Investigators of the Acute Decompensated Heart Failure Syndromes (ATTEND) registry Serum sodium concentration blood urea nitrogen and outcomes in patients hospitalized for acute decompensated heart failure Int J Cardiol 2016 Nov222195-201 doi 10 1016jijcard201607255 Kalantar-Zadeh K Block G Horwich T Fonarow GC Reverse epidemiology of conventional cardiovascular risk factors in patients with chronic heart failure J Am Coll Cardiol 2004 Apr43(8)1439-44 doi101016jjacc200311039 Kang J Park JJ Cho YJ Oh IY Park HA Lee SE et al Predictors and prognosis value of worsening renal function during admission in HFpEF versus HFrEF data from the KorAHF J Am Heart Assoc 2018 Mar7(6)piie007910 doi101161JAHA117007910 Kannel WB Epidemiology and prevention of cardiac failure Framingham Study insights Eur Heart J 1987 Sep8 Suppl F23-6 PMID 3665963 doi101093 eurheartj 8 suppl_F23 Kaplan EL Meier P Nonparametric estimation from incomplete observations J Am Stat Assoc 1958 Jun53(282)457-481 doi 10 23072281868 Kaufman R Azevedo VMP Xavier RMA Geller M Chaves RBM Castier MB Evolution of heart failure-related hospital admissions and mortality rates a 12-year analysis Int J Cardiovasc Sci 2015 Sep28(4)276-28 doi 1059352359-480220150040 Kenchaiah S Evans JC Levy D Wilson PW Benjamin EJ Larson MG et al Obesity and the risk of heart failure N Engl J Med 2002 Aug 347 (5)305-13 doi101056NEJMoa020245 Kenchaiah S Vasan RS Heart Failure in Women--Insights from the Framingham Heart Study Cardiovasc Drugs Ther 2015 Aug29(4)377-90 doi 101007s10557-015-6599-0

Referecircncias Bibliograacuteficas 166

Keogh AM Baron DW HickieJB Prognostic guides in patients with idiopathic or ischemic dilated cardiomyopathy assessed for cardiac transplantation Am J Cardiol1990 Apr65(13)903-8 PMID2138849 Khan MG Cardiac drug therapy 8th ed Humana Press 2015 p31[cited 2015] Available from httprudiaptfileswordpresscom201711cardiac-drug-therapy-8th-ed-2015-pdf Kjekshus J Apetrei E Barrios V Boumlhm M Cleland JGF Cornel JH et al CORONA Group Rosuvastatin in older patients with systolic heart failure N Engl J Med 2007 Nov 357(22)2248-61 doi101056NEJMoa0706201 Klein L OConnor CM Leimberger JD Gattis-Stough W Pintildea IL Felker GM et al OPTIME-CHF Investigators Lower serum sodium is associated with increased short-term mortality in hospitalized patients with worsening heart failure results from the Outcomes of a Prospective Trial of Intravenous Milrinone for Exacerbations of Chronic Heart Failure (OPTIME-CHF) study Circulation 2005 May111(19)2454-60 doi101161 01CIR 0000165065 82609 3D Krittanawong C Zhang H Wang Z Aydar M Kitai T Artificial intelligence in precision cardiovascular medicine J Am Coll Cardiol 2017 May69(21)2657-2664 doi101016jjacc201703571 Krumholz HM Seeman TE Merrill SS Mendes de Leon CF Vaccarino V Silverman DI et al Lack of association between cholesterol and coronary heart disease mortality and morbidity and all-cause mortality in persons older than 70 years JAMA 1994 Nov272(17)1335-40 doi 101001jama 1994 03520170045034 Kyriakou M Kiff PF Prognosis of the comorbid heart failure and anaemia a systematic review Clin Trials Regul Sci Cardiol 2016 Jul 1612 -21 doi101016jctrsc201601008 Lang RM Bierig M Devereux RB Flachskampf FA Foster E Pellikka PA et al Recommendations for chamber quantification a report from the American Society of Echocardiography`s guidelines and standards committee and the chamber quantification writing group developed in conjunction with the European Association of Echocardiography a branch of the European Society of Cardiology J Am Soc Echocardiogr 2005 Dec181440-1463 doi101016jctrsc 201601008 Lee DS Austin PC Rouleau JL Liu PP Naimark D Tu JV Predicting mortality among patients hospitalized for heart failure derivation and validation of a clinical model JAMA 2003 Nov290(19)2581-7doi101001jama290192581 Lee WH Packer M Prognostic importance of serum sodium concentration and its modification by converting-enzyme inhibition in patients with severe chronic heart failure Circulation 1986 Fev73(2)257-67 PMID3002660

Referecircncias Bibliograacuteficas 167

Levy WC Mozaffarian D Linker DT Sutradhar SC Anker SD Cropp AB et al The Seattle Heart Failure Model prediction of survival in heart failure Circulation 2006 Mar113(11)1424-33 doi 101161 CIRCULATIONAHA 105584102 Lewis EF Moye LA Rouleau JL Sacks FM Arnold JM Warnica JW et al CARE Study Predictors of late development of heart failure in stable survivors of myocardial infarction the CARE study J Am Coll Cardiol 2003 Oct42(8)1446-53 PMID 14563590 Likoff MJ Chandler SL Kay HR Clinical determinants of mortality in chronic congestive heart failure secondary to idiopathic dilated or to ischemic cardiomyopathy Am J Cardiol 1987 Mar59(6)634-8 PMID 3825904 Lisboa PJ A review of evidence of health benefit from artificial neural networks in medical intervention Neural Netw 2002 Jan15(1)11-39 PMID11958484 Lisboa PJ Taktak AFG The use of an artificial neural network in decision support in cancer a systematic review Neural Netw 2006 May19(4)408-15 doi101016j neunet200510007 Little RJ DrsquoAgostino R Cohen M Dickersin K Emerson SS Farrar JT et al The prevention and treatment of missing data in clinical trials N Engl J Med 2012 Oct 367(14) 1355-1360 doi101056NEJMsr1203730 Lundin M Lundin J Burke HB Toikkanen S Pylkkaumlnen L Joensuu H Artificial neural networks applied to survival prediction in breast cancer Oncology 1999 Nov57(4)281-6 doi101159000012061 MacIntyre K Capewell S Stewart S Chalmers JW Boyd J Finlayson A et al Evidence of improving prognosis in heart failure trends in case fatality in 66547 patients hospitalized between 1986 and 1995 Circulation 2000 Sep102(10)1126-31 PMID 10973841 Mahmood SS Levy D Vasan RS Wang TJ The Framingham Heart Study and the epidemiology of cardiovascular diseases a historical perspective Lancet 2014 Mar 383(9921)999ndash1008 doi 101016S0140-6736(13)61752-3 McKee PA Castelli WP McNamara PM Kanel WB The natural history of congestive heart failure the Framingham study N Engl J Med 1971 Dec 285 (26) 1441-1446 doi101056NEJM197112232852601 McManus DD Shah SJ Fabi MR Rosen A Whooley MA Schiller NB Prognostic value of left ventricular end-systolic volume index as a predictor of heart failure hospitalization in stable coronary artery disease data from the Heart and Soul Study J Am Soc Echocardiogr 2009 Fev22(2)190-7 doi 101016jecho200811005

Referecircncias Bibliograacuteficas 168

McMurray JJ Packer M Desai AS Gong J Lefkowitz MP Rizkala AR et al PARADIGM-HF Investigators and Committees Angiotensin-neprilysin inhibition versus enalapril in heart failure N Engl J Med 2014 Sep 371(11)993-1004 doi 101056NEJMoa 1409077 Mady C Cardoso RH Barretto AC da Luz PL Bellotti G Pileggi F Survival and predictors of survival in patients with congestive heart failure due to Chagasrsquo cardiomyopathy Circulation 1994 Dec90(6)3098-3102 doi 10116101CIR9063098 Maraldi C Volpato S Cesari M Onder G Pedone C Woodman RC et al Investigators of the Gruppo Italiano di Farmacoepidemiologia nellrsquoAnziano Study Anemia physical disability and survival in older patients with heart failure J Card Fail 2006 Sep12(7)533-9 doi101016 jcardfail 2006 05002 Marccedilula M Cuoco MAR Yamada ATY De Paula RS UemuraRT Barretto ACP Mansur AJ Comparison of prognostic variables between two cohorts of outpatients with heart failure in the last two decades Paris European Heart Jo0urnal (Abstract Supplement) (2011)32459 Marccedilula M de Souza Buto MF Madaloso BA Nunes RA Cuoco MA de Paula RS et al Lymphocyte count and prognosis in patients with heart failure Int J Cardiol 2015 Jun18860-2 doi 10 1016 j ijcard 201504043 Maron BJ Towbin JA Thiene G Antzelevitch C Corrado D Arnett D et al American Heart Association Council on Clinical Cardiology Heart Failure and Transplantation Committee Quality of Care and Outcomes Research and Functional Genomics and Translational Biology Interdisciplinary Working Groups Council on Epidemiology and Prevention Circulation 2006 Apr 113(14)1807-16 doi 101161 CIRCULATIONAHA 10617428 Merlo M Pyxaras SA Pinamonti B Barbati G Di Lenarda A Sinagra G Prevalence and prognostic significance of left ventricular reverse remodeling in dilated cardiomyopathy receiving tailored medical treatment J Am Coll Cardiol 2011Mar57(13)1468-76 doi101016jjacc201011030 Miller DD Brown EW Artificial intelligence in medical practice The question to the answer Am J Med 2018 Fev131(2)129ndash133 doi 101016 jamjmed201710 03 5 Milo-Cotter O Cotter G Weatherley BD Adams KF Kaluski E Uriel N et al Hyponatraemia in acute heart failure is a marker of increased mortality but not when associated with hyperglycaemia Eur J Heart Fail 2008 Jan10(2)196-200 doi101016jejheart200801008 Moutinho MA Colucci FA Alcoforado V Tavares LR Rachid MB Rosa ML et al Heart failure with preserved ejection fraction and systolic dysfunction in the community Arq Bras Cardiol 2008 Fev90 (2)132-7 doi101590S0066-782X2008000200011

Referecircncias Bibliograacuteficas 169

Myers J de Souza CR Borghi-Silva A Guazzi M Chase P Bensimhon Det al A neural network approach to predicting outcomes in heart failure using cardiopulmonary exercise testing Int J Cardiol 2014 Feb171(2)265-9 doi 101016jijcard 2013 12031 Nadruz W Jr Gioli-Pereira L Bernardez-Pereira S Marcondes-Braga FG Fernandes-Silva MM Silvestre OM et al Temporal trends in the contribution of Chagas cardiomyopathy to mortality among patients with heart failure Heart 2018 Sep104(18)1522-1528 doi 101136heartjnl-2017-312869 Neuro XL Predictor OLSOFT Software Development Available from http wwwNeuroXLcom adquirido em 2011-3-14 New York Heart Association Criteria Committee New York Heart Association Inc Diseases of the Heart and Blood Vessels Nomenclature and Criteria for diagnosis 6th ed Boston Little Brown and Co 1964 p114 [cited 1964] Available from httpwwwheartorgenhealth-topicsheart-failurewhat-is-heart-failureclasses-of-heart-failure Nieminen MS Harjola VP Hochadel M Drexler H Komajda M Brutsaert D et al Gender related diferences in patients presenting with acute heart failure Results from Euro Heart Failure Survey II Eur J Heart Fail 2008 Feb10(2)140-8 doi10 1016jejheart 200712012 Nunes LN Kluumlck MM Fachel JMG Uso da imputaccedilatildeo muacuteltipla de dados faltantes

uma simulaccedilatildeo utilizando dados epidemioloacutegicos Cad Sauacutede Puacuteblica Rio de

Janeiro 200925(2)268-278 [citado18 jan 2017] Disponiacutevel em httpdxdoiorg10

1590SO102-311X2009000200005

Nunes LN Meacutetodos de imputaccedilatildeo de dados aplicados na aacuterea da sauacutede

[dissertaccedilatildeo] Rio Grande do Sul Universidade Federal do Rio Grande do Sul

Instituto de Epidemiologia 2011 [citado 01 jan 2018] Disponiacutevel em

httphdlhandlenet10183 11422

Nunes MC Rocha MO Ribeiro AL Colosimo EA Rezende RA Carmo GA et al Right ventricular dysfunction is an independent predictor of survival in patients with dilated chronic Chagas cardiomyopathy Int J Cardiol 2008 Jul 127 (3)372-9 doi101016jijcard200706012 Nunes MC Dones W Morillo CA Encina JJ Ribeiro AL Council on Chagas Disease

of the Interamerican Society of Cardiology Chagas disease an overview of clinical

and epidemiological aspects J Am Coll Cardiol 2013 Aug 62 (9)767-76 doi 10

1016jjacc201305046

Ogava MH Redes neurais em anaacutelise de sobrevivecircncia uma aplicaccedilatildeo na aacuterea de relacionamento com clientes [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 D45 2007tde-26082007-225003

Referecircncias Bibliograacuteficas 170

Ogulata SN Sahin C Erol R Neural network-bases computer-aided diagnosis in classification of primary generalized epilepsy by EEG signals J Med Syst 2009 Apr33(2)107-12 PMID 19397095 Okoshi MP Capalbo RV Romeiro FG Okoshi K Cardiac Cachexia perspectives for prevention and treatment Arq Bras Cardiol 2017 Jan 108(1)74-80 doi 105935 abc20160142 Oliveira JW Valecircncia DM Medeiros PG Marccedilula M Risk-adjusted monitoring of time to event in the presence of long-term survivors Biom J 2016 Nov 58(6)1485-1505 doi101002 bimj 201500094 Ortiz J Ghefter CGM Silva CE Sabbatini RME One-year mortality prognosis in heart failure a neural network approach based on echocardiographic data J Am Coll Cardiol 1995a Dec26(7)1586-93 doi1010160735-1097(95)00385-1 Ortiz J Sabbatini RME Ghefter CGM Silva CES Uso de redes neurais artificiais na avaliaccedilatildeo da sobrevida na insuficiecircncia cardiacuteaca Arq Bras Cardiol 1995b Jan64(1)87-90 PMID 7669018 Packer M Coats AJ Fowler MB Katus H Mohacsi P Rouleau JL et al Carvedilol prospective randomized cumulative survival study group N Engl J Med 2001 May344(22)1651-8 doi 101056NEJM200105313442201 Paes TA Uso de modelos com fraccedilatildeo de cura na anaacutelise de dados de sobrevivecircncia com omissatildeo nas covariaacuteveis [tese] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 T45 2007tde-22072007-134749 Palazzuoli A Lombardi C Ruocco G Padeletti M Nuti R Metra M et al Chronic kidney disease and worsening renal function in acute heart failure different phenotypes with similar prognostic impact Eur Heart J Acute Cardiovasc Care 2016 Dec5(8)534-548 doi1011772048872615589511 Papik K Molnar B Schaefer R Dombovarl Z Tulassay Z Feher J Application of neural networks in medicine - a review Med Sci Monit 19984(3)538-546 [cited 1997 dec 30] Available from httppdfssemanticscholarorg2da18cb0287042e27ded932f9 Pereira Barretto AC Nobre MRC Wajngarten M Canesin MF Ballas D Serro-Azul JB Heart failure in a large tertiary hospital of Satildeo Paulo Arq Bras Cardiol 1998 Jul71(1)15-20 doi101590S0066-782X1998000700004 Pereira Barretto AC Nobre MRC Lancarotte I Scipioni AR Ramires JAF Do cardiologists at a University Hospital adopt the guidelines for the treatment of heart failure Arq Bras Cardiol 2001 Jul77(1)30-60 PMID11500745

Referecircncias Bibliograacuteficas 171

Peto R Peto J Asymptotically efficient rank invariant test procedures J R Stat Soc Ser A1972135(2)185-207 Pfeffer MA Swedberg K Granger CB Held P McMurray JJ Michelson EL et al CHARM Investigators and Committees Effects of candesartan on mortality and morbidity in patients with chronic heart failure the CHARM-Overall programme Lancet 2003 Sep 362(9386)759-66 PMID13678868 Pimentel R Couto M Laszczyńska O Friotildees F Bettencourt P Azevedo A Prognostic value of worsening renal function in outpatients with chronic heart failure Eur J Intern Med 2014 Sep25(7)662-8 doi101016jejim201406002 Pitt B Zannad F Remme WJ Cody R Castaigne A Perez A et al The effect of

spironolactone on morbidity and mortality in patients with severe heart failure N Engl

J Med 1999 Sep341709-17 doi 101056NEJM199909023411001

Pitt B Remme WJ Zannad F Neaton J Martinez F Roniker B et al Eplerenone a

selective aldosterone blocker in patients with left ventricular dysfunction after

myocardial infarction N Engl J Med 2003 May3481309-21 doi

101056NEJMmMoa030207

Pocock SJ Wang D Pfeffer MA Yusuf S McMurray JJ Swedberg KB et al Predictors of mortality and morbidity in patients with chronic heart failure Eur Heart J 2006 Jan27(1)65-75 doi101093eurheartjehi555 Ponikowski P Voors AA Anker SD Bueno H Cleland JGF Coats AJS et al 2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure The Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC) Developed with the special contribution of the Heart Failure Association (HFA) of the ESC Eur J Heart Fail 2016 Jul18891-975 doi101002ejhf592 [cited 2016 jul 14] Available from httpeurheartj oxford journalsorg doi10 1093 eur heartj ehw128 Poole-Wilson PA Uretsky BF Thygesen K Cleland JG Massie BM Rydeacuten L Atlas Study Group Assessment of treatment with lisinopril and survival Mode of death in heart failure findings from the ATLAS trial Heart 2003 Jan89(1)42-8 PMID12482789 Rassi AJr Rassi A Little WC Xavier SS Rassi SG Rassi AG et al Development and validation of a risk score for predicting death in Chagasacute heart disease N Engl J Med 2006 Aug 355(8)799-808 doi101056NEJMoa053241 Rassi AJr Rassi A Rassi SG Predictors of mortality in chronic Chagas disease a systematic review of observational studies Circulation 2007 Mar 115(9)1101-8 doi101161CIRCULATIONAHA106627265 Rassi AJr Rassi A Marin-Neto Chagas disease Lancet 2010 Apr3751388-402 doi101016S0140-6736(10)60061-X

Referecircncias Bibliograacuteficas 172

Rauchhaus M Clark AL Doehner W Davos C Bolger A Sharma R et al The relationship between cholesterol and survival in patients with chronic heart failure J Am Coll Cardiol 2003 Dec42(11)1933-40 PMID14662255 Remme WJ Swedberg K Task force for the diagnosis and treatment of chronic heart failure European Society of Cardiology Guidelines for the diagnosis and treatment of chronic heart failure Eur Heart J 2001 Sep22(17)1527-60 doi 10 1053 euhj20012783 Erratum in Eur Heart J 200122(23)2217-8 Rohde LE Clausell N Ribeiro JP Goldraich L Netto R William Dec G et al Health outcomes in decompensated congestive heart failure a comparison of tertiary hospitals in Brazil and United States Int J Cardiol 2005 Jun102(1)71-7 doi101016jijcard200404006 Roger VL Weston SA Redfield MM Hellermann-Homan JP Killian J Yawn BP et al Trends in heart failure incidence and survival in a community-based population JAMA 2004Jul292(3)344-50 doi101001jama2923344 Roger VL Epidemiology of heart failure Circ Res 2013 Aug113(6)646-59 doi 101161CIRCRESAHA113300268 Rossignol P Meacutenard J Fay R Gustafsson F Pitt B Zannad F Eplerenone survival benefits in heart failure patients post-myocardial infarction are independent from its diuretic and potassium-sparing effects Insights from an EPHESUS (Eplerenone Post-Acute Myocardial Infarction Heart Failure Efficacy and Survival Study) substudy J Am Coll Cardiol 2011 Nov58(19)1958-66 doi 101016jjacc201104049 Sacks CA Jarcho JA Curfman GD Paradigm shifts in heart-failure therapy-a timeline N Engl J Med 2014 Sep371(11)989-91 doi 101056 NEJMp 1410241 Sanchez ECM Controle por aprendizado acelerado e neuro-fuzzi de sistemas servo-hidraacuteulicos de alta frequecircncia [dissertaccedilatildeo] Rio de Janeiro Pontifiacutecia Universidade Catoacutelica do Rio de Janeiro Engenharia Mecacircnica 2009 Certificado Digital nordm0721406CA Disponiacutevel em www2dbdpuc-riobrpergamumtesesabertas 0721406_09_cap_03pdf Santos TM Avaliaccedilatildeo do desempenho de modelos preditivos no contexto de anaacutelise de sobrevivecircncia [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo doi 1011606D452013tde-03092013-111337 [citado 2017 jan 11]Disponiacutevel em httpwwwtesesuspbr Scott R Artificial intelligence its use in medical diagnosis J Nucl Med 1993 Mar34(3)510-4 PMID8441047 Senni M Tribouilloy CM Rodeheffer RJ Jacobsen SJ Evans JM Bailey KR et al Congestive heart failure in the community trends in incidence and survival in a 10-year period Arch Intern Med 1999 Jan159(1)29-34 PMID 98923 27

Referecircncias Bibliograacuteficas 173

Senni M Redfield MM Heart failure with preserved systolic function A different natural history J Am Coll Cardiol 2001 Nov38(5)1277-82 PMID11691495 Senni M Santilli G Parrella P De Maria R Alari G Berzuini C et al A novel prognostic index to determine the impact of cardiac conditions and co-morbidities on one-year outcome in patients with heart failure Am J Cardiol 2006 Oct98(8)1076-82 doi101016 jamjcard 200605031 Shah KS Xu H Matsouaka RA Bhatt DL Heidenreich PA Hernandez AF et al Heart failure with preserved borderline and reduced ejection fraction 5-year outcomes J Am Coll Cardiol 2017Nov70 (20)2476-2486 doi101016jjacc201708074 Silva LA Hernandez EDM Rangayyan MR Classification of breast masses using a committee machine of artificial neural networks J Eletron Imaging 2008 Jan-Fev17 (1)1-10 Biblioteca Digital da Produccedilatildeo Intelectual - BDPI Universidade de Satildeo Paulo [cited 18 mar 2008] Available from httpproducao uspbrhandleBDPI14703 Silva CP Bacal F Pires PV Mangini S Issa VS Moreira SF et al Heart failure profile at the beta blockers Arq BrasCardiol 2007 Apr88475-9 doi101590S0066 - 782X20070004000 018 Silverberg DS Wexler D Blum M Keren G Sheps D Leibovitch E et al The use of subcutaneous erythropoietin and intravenous iron for the treatment of the anemia of severe resistant congestive heart failure improves cardiac and renal function and functional cardiac class and markedly reduces hospitalizations J Am Coll Cardiol 2000 Jun35(7)1737-44 PMID10841219 Sinha RK Aggarwal Y Das BN Backpropagation artificial neural network detects change in electro-encephalogram power spectra of syncopic patients J Med Syst 2007 Feb31(1)63-8 PubMed PMID17283923 Steinberg BA Fang JC Long-term outcomes of acute heart failure Where are we now J Am Coll Cardiol 2017 Nov70(20)2487-2489 doi 101016 jjacc 201708075 Swedberg K Cleland J Dargie H Drexler H Follath F Komajda M et al Task Force for the diagnosis and treatment of chronic heart failure of the european society of cardiology Eur Heart J 2005 Mai26(11)1115-40 doi 101093 eurheartj ehi204 Swedberg K Komajda M Boumlhm M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Ivabradine and outcomes in chronic heart failure (SHIFT) a randomised placebo-controlled study Lancet 2010 Sep376(9744)875-85 doi 101016S0140-6736(10)61198-1 Erratum in Lancet 2010376(9757)1988 Lajnscak M [corrected to Lainscak M] Rabanedo I Roldan [corrected to Rabadaacuten I Roldan] Leva M [corrected to Ieva M]

Referecircncias Bibliograacuteficas 174

Tang YD Katz SD The prevalence of anemia in chronic heart failure and its impact on the clinical outcomes Heart Fail Rev 2008 Dec13(4)387-92 doi 10 1007s 10741-008-9089-7 Theodoropoulos TA Bestetti RB Otaviano AP Cordeiro JA Rodrigues VC Silva AC Predictors of all-cause mortality in chronic Chagas heart disease in the current era of heartfailure therapy Int J Cardiol 2008 Aug128(1)22-9 doi 101016jijcard 200711 057 Tourassi GD Floyd CE Sostman HD Coleman RE Artificial neural network for diagnosis of acute pulmonary embolism effect of case and observer selection Radiology 1995 Mar194(3)889-93 doi101148radiology19437862997 Uthamalingam S Patvardhan EA Subramanian S Ahmed W Martin W Daley M et al Utility of the neutrophil to lymphocyte ratio in predicting long- term outcomes in acute decompensated heart failure Am J Cardiol 2011 Fev 107 (3) 433-8 doi10 1016jamjcard201009039 Vardeny O Wu DH Desai A Rossignol P Zannad F Pitt B et al RALES Investigators Influence of baseline and worsening renal function on efficacy of spironolactone in patients with severe heart failure insights from RALES (Randomized Aldactone Evaluation Study) J Am Coll Cardiol 2012 Nov60(20)2082-9 doi101016jjacc201207048 Vasan RS Larson MG Leip EP Evans JC ODonnell CJ Kannel WB et al Impact of high-normal blood pressure on the risk of cardiovascular disease N Engl J Med 2001 Nov345(18)1291-7 doi101056NEJMoa003417 Veloso LG de Oliveira MT Jr Munhoz RT Morgado PC Ramires JA Barretto AC Nutritional repercussion in advanced heart failure and its value in prognostic assessment Arq Bras Cardiol 2005 Jun84(6)480-5 doiS0066-782X2005000 600009 Volpato S Zuliani G Guralnik JM Palmieri E Fellin R The inverse association between age and cholesterol level among older patients the role of poor health status Gerontology 2001a Jan-Fev47(1)36-45 doi 101159000052768 Volpato S Leveille SG Corti MC Harris TB Guralnik JM The value of serum albumin and high-density lipoprotein cholesterol in defining mortality risk in older persons with low serum cholesterol J Am Geriatr Soc 2001b Sep49(9)1142-7 PMID11559371 Von Zubben FJ Attux RRF Perceptron de muacuteltiplas camadas IA353-Profs Fernando J Von Zuben amp Romis RFAttux DCAFEECUnicamp amp DECOM FEECUnicampToacutepico 5 [citado 2001] Disponiacutevel em ftpftpdcafeeunicampbrpubdocs vonzubenia353_1s07topico5_07pdf

Referecircncias Bibliograacuteficas 175

Waikar SS Mount DB Curhan GC Mortality after hospitalization with mild moderate and severe hyponatremia Am J Med 2009 Sep122(9)857-65 doi 101016j amjmed 200901027 Ware JH Harrihgton D Hunter DJ DrsquoAgostino Sr Missing data N Engl J Med 2012 Oct367(14)1353-1354 PIMC 3771340 Wilding P Morgan MA Grygotis AE Shoffner MA Rosato EF Application of backpropagation neural networks to diagnosis of breast and ovarian cancer Cancer Lett 1994 Mar 1577(2-3)145-53 PMID 8168061 WHO Expert Committee on Physical Status the use and Interpretation of Anthropometry (1993 Geneva Switzerland) amp World Health Organization (1995) Physical status the use of and interpretation of anthropometry report of a WHO expert committee Geneva World Health Organization[cited 1995] Available from httpwww whointirishandle1066537003 World Health Organization (WHO) ICD-10 Version 2010 ndash International Classification of Diseases 10 th revision [cited 2010] Available from http appswhoint classifications icd10browse2010en Yuan Y Prediction performance of survival models [tese] Canada University of Waterloo Ontario 2008 [cited 2008]Available fromhttpuwspaceuwaterloocabitstream100 1239741thesispdf Zannad F Garcia AA Anker SD Armstrong PW Calvo G Cleland JG et al Clinical outcome endpoints in heart failure trials a European Society of Cardiology Heart Failure Association consensus document Eur J Heart Fail 2013 Oct15(10)1082-94 doi101093eurjhfhft095 Zugck C Kruumlger C Kell R Koumlrber S Schellberg D Kuumlbler W et al Risk stratification in middle-aged patients with congestive heart failureprospective comparison of the Heart Failure Survival Score (HFSS) and a simplified two-variable model Eur J Heart Fail 2001 Oct3(5)577-85 PMID 11595606

Page 4: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao

Agradecimentos

Agradecimentos

Ao Prof Dr Antonio Carlos Pereira Barretto que nos iniciou para a

investigaccedilatildeo cliacutenica de modo inspirador estimulando-nos incessantemente no

desenvolvimento do presente trabalho

Agrave Comissatildeo de Poacutes-Graduaccedilatildeo da Disciplina de Cardiologia que

amparou a iniciativa para a conclusatildeo de um trabalho desenvolvido no decorrer

de pelo menos treze anos ora apresentado na forma de tese

Ao orientador Prof Dr Alfredo Joseacute Mansur pela orientaccedilatildeo nas

diferentes etapas do trabalho e nas produtivas interaccedilotildees interdisciplinares no

decorrer da investigaccedilatildeo

Ao Centro de Estatiacutestica Aplicada do Instituto de Matemaacutetica e

Estatiacutestica da Universidade de Satildeo Paulo nas pessoas do Prof Dr Antonio

Carlos Pedroso de Lima Profa Dra Lucia Pereira Barroso Profa Dra Gisela

Tunes da Silva pelo conviacutevio competente dedicado e edificante durante todas

as etapas deste trabalho Agradecimento especial ao Dr Tiago Mendonccedila dos

Santos pelo auxiacutelio no cocircmputo da funccedilatildeo de perda

Agrave Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) nas

pessoas da Dra Bernadette Cunha Waldvogel Monica La Porte Teixeira e

Lilian Cristina Correia Morais pelo inestimaacutevel auxiacutelio no estudo de sobrevida

Agrave empresa Arion Tecnologia Ltda na pessoa de seu Diretor de

Pesquisa e Desenvolvimento Arnaldo Marccedilula Jr e da Diretora Administrativa

Adriana Marccedilula mestre em Fiacutesico-quiacutemica pelo Instituto de Quiacutemica da

Universidade de Satildeo Paulo pelo apoio logiacutestico e liberaccedilatildeo de horas de

trabalho dedicadas agrave presente pesquisa

Ao Prof Dr Marco Antonio Gutierrez Diretor da Divisatildeo de Informaacutetica

do Instituto do Coraccedilatildeo pelas contribuiccedilotildees metodoloacutegicas que auxiliaram a

consolidar a aplicaccedilatildeo da rede neural

Agradecimentos

Aos meacutedicos da Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo do HC FMUSP pelo conviacutevio em ambiente cientificamente

estimulante voltado para o cultivo das dimensotildees de ensino e pesquisa a partir

da responsabilidade institucional de assistecircncia aos pacientes

Agrave biomeacutedica Sra Marcia Nunes Figueira e ao engenheiro eletroteacutecnico

Marcelo Marccedilula pela revisatildeo e ediccedilatildeo dos graacuteficos apresentados neste

trabalho

Ao Serviccedilo de Arquivo Meacutedico e Estatiacutestico na pessoa do Sr Wallace

Fernandes colegas e colaboradores pelo dedicado e competente auxiacutelio na

consulta a dados de arquivo

Agrave Secretaria da Comissatildeo de Poacutes-Graduaccedilatildeo na pessoa da Sra Neusa

Rodrigues Dini e sua equipe de assessoras pelo empenho receptivo nos

encaminhamentos necessaacuterios a um projeto desta natureza

Agrave Profa Marise Cukier pela revisatildeo e correccedilatildeo gramatical deste

trabalho

Agrave Sra Sandra Miranda Souza assistente administrativa da Unidade

Cliacutenica de Ambulatoacuterio Geral do Instituto do Coraccedilatildeo do HC FMUSP pela

devotada eficiente e cordial contribuiccedilatildeo cotidiana durante o desenvolvimento

do trabalho

Epiacutegrafe

Epiacutegrafe

Πάντες ἄνθρωποι τοῦ εἰδέναι ὀρέγονται φύσει

Todos os homens aspiram por natureza ao conhecimento

(Aristoacuteteles Metafiacutesica)

Alles Interesse meiner Vernunft (das spekulative sowohl als das praktische) vereinigt sich in folgenden drei Fragen

1 Was kann ich wissen 2 Was soll ich tun 3 Was darf ich hoffen

Todo o interesse da minha razatildeo (tanto especulativa como praacutetica) concentra-se nas seguintes trecircs interrogaccedilotildees

1 Que posso saber 2 Que devo fazer 3 Que me eacute permitido esperar (Emanuel Kant Criacutetica da Razatildeo Pura)

This warp seemed necessity and here thought I with my own hand I ply my own shuttle and weave my own destiny into these unalterable threads

A urdidura parecia a Necessidade e aqui pensei com as minhas proacuteprias matildeos guio a lanccediladeira e teccedilo meu proacuteprio destino nestes fios inalteraacuteveis

(Herman Melville Moby Dick)

Normatizaccedilatildeo adotada

Normatizaccedilatildeo adotada

Esta tese estaacute de acordo com as seguintes normas em vigor no momento de sua publicaccedilatildeo Referecircncias adaptado de International Committee of Medical Journals Editors (Vancouver) Universidade de Satildeo Paulo Faculdade de Medicina Divisatildeo de Biblioteca e Documentaccedilatildeo Guia de apresentaccedilatildeo de dissertaccedilotildees teses e monografias Elaborado por Anneliese Carneiro da Cunha Maria Julia de ALFreddi Maria FCrestana Marinalva de Souza Aragatildeo Suely Campos Cardoso Valeacuteria Vilhena 3ordf ed Satildeo Paulo Divisatildeo de Biblioteca e Documentaccedilatildeo 2011 Abreviatura dos tiacutetulos e perioacutedicos de acordo com List of Journals Indexed in Index Medicus

Sumaacuterio

Sumaacuterio

Lista de figuras

Lista de tabelas

Resumo

Abstract

1 INTRODUCcedilAtildeO 1

2 OBJETIVO 7

21 Objetivos primaacuterios 8

22 Objetivos secundaacuterios 8

3 MEacuteTODOS 9

31 Delineamento do estudo 10

32 Avaliaccedilatildeo cliacutenica 10

33 Criteacuterios diagnoacutesticos 11

34 Criteacuterios de inclusatildeo 11

35 Criteacuterios de exclusatildeo 12

36 Casuiacutestica 12

37 Variaacuteveis estudadas 12

371 Demograacuteficas 12

372 Cliacutenicas 13

373 Eletrocardiograacuteficas 13

374 Ecocardiograacuteficas 13

375 Laboratoriais 13

376 Medicamentos em uso na consulta inicial 14

38 Mortalidade 14

39 Anaacutelise dos dados 14

391 Anaacutelise estatiacutestica 15

3911 Anaacutelise descritiva e exploratoacuteria 15

3912 Anaacutelise inferencial 15

392 Rede neural 16

3921 Escolha da arquitetura da rede neural 17

3922 Aprendizado-treinamento da rede neural 19

3923 Avaliaccedilatildeo dos melhores modelos de rede neural 21

310 Aspectos eacuteticos 22

4 RESULTADOS 23

41 Anaacutelise estatiacutestica 24

411 Anaacutelise descritiva e exploratoacuteria 24

412 Anaacutelise inferencial 27

42 Rede neural 29

Sumaacuterio

421 Escolha da arquitetura da rede neural 29

422 Aprendizado-treinamento da rede neural 29

4221 Amostragem aleatoacuteria 30

4222 Fases do estudo da casuiacutestica 30

42221 Primeira fase ndash aprendizado-treinamento da rede neural 30

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar a sobrevida 33

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede neural 33

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural 35

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede neural 37

43 Avaliaccedilatildeo dos melhores modelos da rede neural 39

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo valor preditivo negativo da rede neural 39

432 Funccedilatildeo de perda da rede neural 40

5 DISCUSSAtildeO 42

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes 43

511 Casuiacutestica 43

512 Idade 44

513 Sexo 44

514 Antecedentes 45

515 Etiologia 45

516 Iacutendice de massa corpoacuterea 46

517 Frequecircncia cardiacuteaca 46

518 Pressatildeo arterial sistoacutelica e diastoacutelica 46

519 Classe funcional 47

5110 Tempo decorrido ateacute o desfecho 47

5111 Variaacuteveis ecocardiograacuteficas 48

5112 Variaacuteveis laboratoriais 49

5113 Medicamentos em uso 50

5114 Mortalidade 51

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica 51

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede neural 56

Sumaacuterio

531 Amostras aleatoacuterias 56

532 Data do iniacutecio dos sintomas 57

533 Tempos de evoluccedilatildeo 58

534 Variaacuteveis faltantes 60

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em geral 60

536 Funccedilotildees de transferecircncia 61

537 Treinamento excessivo (overfitting) 61

538 Estudo em cinco fases 62

54 Avaliaccedilatildeo dos melhores modelos de rede neural 62

541 Sensibilidade especificidade valor preditivo positivo e valor preditivo negativo 62

542 Funccedilatildeo de perda 64

543 Sensibilidade e especificidade versus funccedilatildeo de perda 65

55 Implicaccedilotildees cliacutenicas 65

56 Limitaccedilotildees do estudo 66

6 CONCLUSOcircES 67

7 ANEXOS 69

8 REFEREcircNCIAS BIBLIOGRAacuteFICAS 153

Listas

Lista de figuras

Figura 1 Representaccedilatildeo esquemaacutetica do delineamento do estudo 70

Figura 2 Arquitetura da rede neural perceptron muacuteltiplas camadas 71

Figura 2a Representaccedilatildeo do modelo natildeo linear de um neurocircnio

artificial 72

Figura 2b Ilustraccedilatildeo das direccedilotildees de propagaccedilatildeo do sinal e do erro da

informaccedilatildeo 73

Figura 3 Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da

funccedilatildeo zero based log sigmoid 74

Figura 4 Representaccedilatildeo esquemaacutetica das fases da rede neural 74

Figura 5 Probabilidade de sobrevida estimada (Kaplan-Meier)

geral 75

Figura 6 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etiologia da insuficiecircncia cardiacuteaca 76

Figura 7 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave idade 77

Figura 8 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao sexo 78

Figura 9 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etnia 79

Figura 10 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao peso 80

Figura 11 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave altura 81

Figura 12 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iacutendice de massa corpoacuterea 82

Figura 13 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial sistoacutelica 83

Figura 14 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial diastoacutelica 84

Figura 15 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave classe funcional 85

Figura 16 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

agrave frequecircncia cardiacuteaca 86

Figura 17 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iniacutecio dos sintomas 87

Figura 18 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de hipertensatildeo arterial 88

Figura 19 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de tabagismo 89

Figura 20 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de diabetes 90

Figura 21 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de etilismo 91

Figura 22 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro do aacutetrio esquerdo no ecocardiograma 92

Figura 23 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma 93

Figura 24 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma 94

Figura 25 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no ecocardiograma 95

Figura 26 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica do septo interventricular no

ecocardiograma 96

Figura 27 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica da parede posterior do ventriacuteculo

esquerdo no ecocardiograma 97

Figura 28 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao ritmo cardiacuteaco 98

Figura 29 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto a

taxa de hemoglobina 99

Figura 30 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

glicemia de jejum 100

Lista de figuras

Figura 31 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de creatinina seacuterica 101

Figura 32 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de soacutedio seacuterico 102

Figura 33 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de potaacutessio seacuterico 103

Figura 34 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de colesterol total 104

Figura 35 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de HDL- colesterol 105

Figura 36 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de LDL-colesterol 106

Figura 37 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de trigliceacuterides 107

Figura 38 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de leucoacutecitos 108

Figura 39 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de linfoacutecitos 109

Figura 40 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso dos inibidores da enzima conversora da angiotensina

e bloqueadores dos receptores da angiotensina II 110

Figura 41 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueadores adreneacutergicos 111

Figura 42 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de diureacuteticos 112

Figura 43 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de espironolactona 113

Figura 44 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de digoxina 114

Figura 45 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de antiagregante plaquetaacuterio

115

Figura 46 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

ao uso de anticoagulante 116

Figura 47 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de sinvastatina 117

Figura 48 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de vasodilatador direto 118

Figura 49 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueador do canal de caacutelcio 119

Figura 50 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de amiodarona 120

Figura 51 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao nuacutemero de medicamentos em uso 121

Lista de tabelas

Tabela 1 Caracteriacutesticas demograacuteficas e cliacutenicas dos pacienteshelliphelliphellip 122

Tabela 2 Variaacuteveis estudadas quanto agrave probabilidade de sobrevida

(etapa 1) 129

Tabela 3 Uso de tratamento medicamentosohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 130

Tabela 4 Nuacutemero de medicamentos em uso 131

Tabela 5 Variaacuteveis retiradas do modelo de Cox (etapa 2)helliphelliphelliphelliphelliphellip 131

Tabela 6 Reavaliaccedilatildeo das variaacuteveis excluiacutedas da etapa 2 do modelo

de Cox (etapa 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 7 Variaacuteveis do modelo final de Cox selecionadas para a rede

neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 8 Valores de referecircncia para as variaacuteveis com dados faltantes 133

Tabela 9 Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1) 134

Tabela 91 Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1) 135

Tabela 10 Comparaccedilatildeo das redes neurais categorizadas pelo tempo de

sobrevida observado seleccedilatildeo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 136

Tabela 11 Modelos de redes neurais para previsatildeo da sobrevida dos

pacientes vivos ateacute 2012 (fase 2)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 137

Tabela 12 Modelos de redes neurais comparaacuteveis erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)helliphelliphellip 138

Tabela 13 Modelo de rede neural 13 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 139

Tabela 14 Modelo de rede neural 20 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 140

Tabela 15 Modelo de rede neural 22 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 141

Tabela 16 Modelo de rede neural 24 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 142

Tabela 17 Modelo de rede neural 26 individual e comparaacutevel erro

Lista de tabelas

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip

143

Tabela 18 Reensaio da rede neural com pacientes que vieram a falecer

em 2013 (reensaio 1) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 145

Tabela 19 Reensaio da rede neural com pacientes que vieram a falecer

em 2014 (reensaio 2) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 146

Tabela 20 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 147

Tabela 21 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 148

Tabela 22 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 149

Tabela 23 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 150

Tabela 24 Sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 151

Tabela 25 Avaliaccedilatildeo dos melhores modelos de rede neural com o

emprego da funccedilatildeo de perdahelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 152

Resumo

Resumo

Marccedilula M Avaliaccedilatildeo prognoacutestica em pacientes com insuficiecircncia

cardiacuteaca com o emprego de redes neurais artificiais [tese] Satildeo Paulo

Faculdade de Medicina Universidade de Satildeo Paulo 2018

Fundamentos ndash Identificar pacientes ambulatoriais que necessitam de

recursos terciaacuterios de hospital de referecircncia voltado para a praacutetica cardioloacutegica

eacute inerente agrave responsabilidade assistencial Compete reconhecer pacientes sob

maior risco de prognoacutestico desfavoraacutevel o que pode ser feito pelo emprego de

meacutetodos estatiacutesticos tradicionais Com o mesmo fito as redes neurais tecircm sido

objeto de interesse Formulamos a hipoacutetese de que as redes neurais

alimentadas a partir de variaacuteveis selecionadas com o emprego de estatiacutestica

tradicional pudessem contribuir para a avaliaccedilatildeo prognoacutestica de pacientes com

insuficiecircncia cardiacuteaca

Objetivos ndash Avaliar o prognoacutestico de pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca com o emprego de meacutetodos da estatiacutestica de

sobrevivecircncia associada com a rede neural artificial

Delineamento ndash Estudo de coorte retrospectiva a partir de dados assistenciais

de pacientes que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

identificaccedilatildeo das variaacuteveis associadas ao prognoacutestico com o emprego da

estatiacutestica tradicional e alimentaccedilatildeo da rede neural perceptron de muacuteltiplas

camadas (Neuro XL Predictor - OLSOFT Software Development) com essas

variaacuteveis

Local ndash Ambulatoacuterio cardioloacutegico com alto volume de atendimentos voltado

para pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital acadecircmico de

referecircncia terciaacuterio

Participantes ndash 2128 pacientes consecutivos que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca de 2 de julho de 2003 a 2 de julho de 2007

Desfecho ndash oacutebito por qualquer causa

Anaacutelise de dados ndash Agrave anaacutelise descritiva e exploratoacuteria seguiu-se a avaliaccedilatildeo

da probabilidade de sobrevida pelo meacutetodo de Kaplan Meier seguida de

anaacutelise inferencial com o emprego do teste de log-rank e do modelo de riscos

proporcionais de Cox Identificadas as variaacuteveis associadas ao prognoacutestico de

sobrevida foi desenvolvida a rede neural nas diferentes fases de aprendizado-

Resumo

treinamento e com o recurso do algoritmo de treinamento backpropagation A

rede neural foi desenvolvida em cinco fases fase 1 ndash aprendizado-treinamento

(n=968 oacutebitos com informaccedilatildeo completa) fase 2 ndash avaliaccedilatildeo e aplicaccedilatildeo

(pacientes vivos ateacute 2012) fase 3 ndash comparaccedilatildeo da previsatildeo de sobrevida com

o emprego rede ( pacientes vivos ateacute 2012) com a sobrevida observada fase 4

ndash reensaios para aprendizados com novos desfechos (oacutebitos em 2013 e 2014)

fase 5 ndash avaliaccedilatildeo do aprendizado da rede na fase 4 (pacientes vivos e

falecidos)

A acuraacutecia a sensibilidade a especificidade o valor preditivo positivo e o valor

preditivo negativo dos melhores modelos na previsatildeo da sobrevida obtidas com

a rede neural foram avaliados considerando as duas funccedilotildees de ativaccedilatildeo

(tangente hiperboacutelica e zero-based log sigmoid) Para tanto foi preciso

determinar intervalos de corte definidos por criteacuterio cliacutenico de razoabilidade de

expectativa do tempo de sobrevida e acerto calculado pela rede A estimativa

da previsibilidade e do erro tambeacutem foi avaliada com o emprego da funccedilatildeo de

perda

Resultados ndash A anaacutelise estatiacutestica (n=2128 pacientes) revelou as seguintes

variaacuteveis associadas ao prognoacutestico idade (plt0001) iacutendice de massa

corpoacuterea (plt0001) pressatildeo arterial diastoacutelica (plt0001) etiologia da

insuficiecircncia cardiacuteaca (plt0001) classe funcional (plt0001) espessura do

septo interventricular (p=0037) diacircmetro diastoacutelico do ventriacuteculo esquerdo

(plt0001) diacircmetro do aacutetrio esquerdo (p=0025) potaacutessio seacuterico (p=0015)

colesterol total (plt0001) creatinina (plt0001) e a presenccedila de diabetes melito

(p=0034)

Os modelos de redes neurais com melhor previsibilidade foram obtidos pela

categorizaccedilatildeo do tempo de sobrevida inferior a 2 anos entre 2 anos e 6 anos

e superior a 6 anos

Nos pacientes com tempo de sobrevida observado superior a 6 anos a partir

da consulta inicial com intervalo de corte de 3 anos a estimativa feita com o

emprego da rede neural demonstrou sensibilidade 930 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade 764 ou 775 (dependendo da funccedilatildeo

de ativaccedilatildeo) valor preditivo negativo 974 (com ambas as funccedilotildees de

Resumo

ativaccedilatildeo) e valor preditivo positivo 536 ou 547 (dependendo da funccedilatildeo de

ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de 2 anos

obtivemos sensibilidade 898 (com ambas as funccedilotildees de ativaccedilatildeo)

especificidade 725 ou 765 valor preditivo positivo 863 ou 880 e valor

preditivo negativo 787 ou 796 (dependendo da funccedilatildeo de ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado inferior a 2 anos a partir da

data do iniacutecio dos sintomas com intervalo de corte de 1 ano a estimativa com

o emprego da rede neural demonstrou sensibilidade 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade de 625 ou 667 (dependendo da

funccedilatildeo de ativaccedilatildeo) valor preditivo positivo 820 ou 837 (dependendo da

funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo 714 ou 727 (dependendo da

funccedilatildeo de ativaccedilatildeo)

O erro da previsatildeo de sobrevida com o emprego da rede neural estimado com

o auxiacutelio da funccedilatildeo de perda variou de 44 meses ateacute 11 anos

Conclusotildees - O emprego da rede neural alimentada por variaacuteveis

selecionadas com o emprego de estatiacutestica de sobrevivecircncia tradicional pode

ser meacutetodo profiacutecuo na avaliaccedilatildeo prognoacutestica de pacientes com insuficiecircncia

cardiacuteaca

A previsibilidade de estimativa de sobrevida alcanccedilada com o uso de rede

neural foi menor nos pacientes com quadros cliacutenicos de menor tempo de

evoluccedilatildeo comparativamente aos pacientes com maior tempo de evoluccedilatildeo no

primeiro caso permitiria sugerir quadros mais instaacuteveis em relaccedilatildeo aos casos

mais estaacuteveis isto eacute aqueles com tempo de evoluccedilatildeo maior

Descritores insuficiecircncia cardiacuteaca cardiomiopatia assistecircncia ambulatorial

anaacutelise de sobrevivecircncia rede neural prognoacutestico

Abstract

Abstract

Marccedilula M Prognostic evaluation of patients with heart failure with the use

of artificial neural networks [thesis] Satildeo Paulo ldquoFaculdade de Medicina

Universidade de Satildeo Paulordquo 2018

Background ndash Identifying outpatients who need tertiary resources of a referral

cardiology hospital includes recognizing those at higher risk of unfavorable

prognosis Studies aimed at this objective may be accomplished with traditional

statistics Neural networks have been studied as a promising tool in the

assessment of patientsacute prognosis We hypothesized that the neural networks

developed with variables selected through traditional statistics might contribute

to the prognostic evaluation of patients with heart failure

Objectives ndash To evaluate the prognosis of patients with heart failure using

methods of survival statistics combined with the resources of artificial neural

networks

Design ndash Retrospective cohort study from a database of patients previously

diagnosed with heart failure identification of variables associated with

prognosis using traditional statistics development of a neural network

perceptron of multiple layers (Neuro XL Predictor - OLSOFT Software

Development) with these variables

Setting ndash outpatient clinic from an academic tertiary cardiology center

Participants ndash 2128 consecutive patients who received the diagnosis of heart

failure between July 2 2003 and July 2 2007

Outcomes ndash death for any cause

Data analysis ndash Statistical evaluation was performed for descriptive and

exploratory analysis and was followed by Kaplan Meier survival probability and

inferential analysis using the log-rank test and the Cox proportional hazards

model to identify the variables associated with prognosis Variables thus

selected were then input for the neural network in the different stages of

learning-training with the backpropagation algorithm The neural network was

developed in 5 phases phase 1 - learning training (n = 968 deaths with

complete information) phase 2 - evaluation and application (patients alive until

2012) phase 3 - comparison of the predicted versus the observed survival

Abstract

using the network (patients alive until 2012) phase 4 - re-tests for learning with

new outcomes (deaths in 2013 and 2014) phase 5 - assessment of network

learning in phase 4 (living and deceased patients)

The accuracy sensitivity specificity positive predictive value and negative

predictive value of the best models in the prediction of survival obtained with the

neural network were evaluated taking into account the two activation functions

(hyperbolic tangent and zero-based log sigmoid) and the cut-off intervals

defined by clinical criteria of reasonableness of expected survival time and the

estimated estimate by the network The estimation of predictability and error

was also evaluated using the loss function

Results ndash Statistical analysis (n = 2128 patients) revealed the following

variables associated with prognosis age (p lt0001) body mass index (p

lt0001) diastolic blood pressure (p lt0001) heart failure etiology (P lt0001)

functional class (p lt0001) interventricular septum thickness (p = 0037) left

ventricular diastolic diameter (p lt0001) left atrial diameter (p = 0025) serum

potassium level total cholesterol (p lt0001) serum creatinine level (p lt0001)

and the presence of diabetes mellitus (p = 0034)

The models of neural networks with better predictability were obtained with the

categorization of the survival time of less than 2 years between 2 and 6 years

and over 6 years

In patients with a survival time of more than 6 years from the initial consultation

with a cut-off interval of 3 years (or 1095 days) the estimate using the neural

network showed sensitivity 930 (with both activation functions) specificity of

764 or 775 (depending on the activation function) negative predictive

value 974 (with both activation functions) and positive predictive value 536

or 547 (depending on the function of activation)

In patients with a survival time of 2 to 6 years from the onset of symptoms with

a cut-off interval of 2 years (or 730 days) we obtained 898 sensitivity (with

both activation functions) specificity 725 or 765 positive predictive value

863 or 880 and negative predictive value 787 or 796 (depending on

the activation function)

In patients with a survival time of less than 2 years from the onset of symptoms

with a cut-off interval of 1 year (or 365 days) the estimate using the neural

Abstract

network showed a sensitivity of 872 (with both activation functions)

specificity of 625 or 667 (depending on the activation function) positive

predictive value 820 or 837 (depending on the activation function) and

negative predictive value 714 or 727 (depending on the activation

function)

The error of survival prediction with the use of the estimated neural network with

the aid of the function of absolute loss ranged from 44 months to 11 years

Conclusions ndash The use of selected variables input in the neural network with

the use aid of traditional survival statistics may be a useful method for the

prognostic evaluation of patients with heart failure Estimates were less

accurate in patients with a shorter duration of symptoms relative to those with

symptoms for a long time in the first case it would suggest more unstable

disease relative to those with more stable disease namely with symptoms for a

long time

Descriptors heart failure cardiomyopathy ambulatory care survival analysis

neural networks prognosis

1 Introduccedilatildeo

Introduccedilatildeo 2

A atuaccedilatildeo em ambulatoacuterio meacutedico cardioloacutegico com alto volume de

atendimentos a pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital

acadecircmico de referecircncia terciaacuterio (940048 consultas de 1988 a 2017) traz agrave

atividade cotidiana a responsabilidade de avaliar e distinguir pacientes com

maior necessidade cliacutenica de receber tratamento que utilize as competecircncias e

a tecnologia disponiacuteveis em hospital de referecircncia recursos que tecircm entre

suas caracteriacutesticas o fato de serem limitados

Portanto eacute necessaacuterio continuamente estudar e aprimorar a avaliaccedilatildeo

cliacutenica para orientar a terapecircutica no longo prazo em recursos da comunidade

ou em centros de atenccedilatildeo terciaacuteria Esta responsabilidade diz respeito

tambeacutem aos pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca atendidos em

ambulatoacuterio cardioloacutegico de hospital acadecircmico de referecircncia

O conhecimento da probabilidade de sobrevida no longo prazo como

meacutetodo de avaliaccedilatildeo do prognoacutestico eacute de interesse para essa orientaccedilatildeo a

menor sobrevida seria indicador de maior gravidade da condiccedilatildeo A sobrevida

pode ser avaliada por diferentes meacutetodos (Oliveira et al 2016) Decorre

tambeacutem a identificaccedilatildeo de variaacuteveis associadas com a sobrevida (Marccedilula et

al 2011)

A probabilidade de sobrevida foi avaliada previamente em casuiacutestica no

proacuteprio Serviccedilo (Freitas et al 2005) em 1220 pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca sintomaacutetica tratados entre 1991 e 2000 e foi estimada

apoacutes um ano de acompanhamento aproximadamente em 60 o que revalida

dados publicados de sobrevida estimada entre 40 e 70 (Mady et al 1994

Pereira Barretto et al 1998 Carlo et al 2014 Bocchi et al 2017)

A etiologia cardiopatia da doenccedila de Chagas foi o fator mais relevante

associado com a mortalidade (risco relativo 297) quando comparada com

cardiomiopatia dilatada idiopaacutetica (risco relativo 227) cardiopatia isquecircmica

(risco relativo 253) cardiopatia hipertensiva (risco relativo 273) aleacutem de

outras variaacuteveis como diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma (risco relativo 116) e fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(risco relativo 095) na ventriculografia por radioisoacutetopo (Freitas et al 2005) A

Introduccedilatildeo 3

observaccedilatildeo do pior prognoacutestico dos pacientes com insuficiecircncia cardiacuteaca por

doenccedila de Chagas se harmoniza com dados publicados em outras

investigaccedilotildees (Espinosa et al 1985 Mady et al 1994 Bestetti et al 1997

Bestetti Daniel 2016 Pereira-Barretto et al 1998 Carlo et al 2014 Rassi et

al 2010 Bocchi 2012 2013 2017) que nas formas mais severas da doenccedila

revelaram mortalidade de 80 a 100 em um ano de seguimento (Mady et al

1994 Theodoropoulos et al 2008)

Uma questatildeo intrincada nesse estudo (Freitas et al 2005) realizado

em condiccedilotildees que a literatura denomina ldquovida realrdquo (ldquoreal life conditionsrdquo em

oposiccedilatildeo a ldquoprotocol conditionsrdquo situaccedilatildeo de variaacuteveis controladas) foi lidar

com dados faltantes e objeto de pesquisa especiacutefica (Paes 2007)

Aleacutem do tratamento medicamentoso os processos de transformaccedilatildeo

inerentes agrave praacutetica cliacutenica abrangem caracteriacutesticas dos pacientes inclusive no

acesso agraves oportunidades de tratamento progresso na experiecircncia cliacutenica seja

em ferramentas diagnoacutesticas seja na terapecircutica com a natural consequecircncia

na sobrevida em longo prazo (Pitt et al 1999 2003 Bocchi et al 2008 Issa et

al 2010 Bestetti et al 2011 Carlo et al 2014) Portanto a necessidade de

reavaliaccedilatildeo perioacutedica do prognoacutestico dos pacientes eacute inerente agrave praacutetica meacutedica

Aleacutem dos recursos metodoloacutegicos da estatiacutestica de sobrevivecircncia a

experiecircncia preacutevia com pesquisadores de estatiacutestica estimulou a associaccedilatildeo de

meacutetodos estatiacutesticos pelo uso de redes neurais (Ogava 2007) Aleacutem disso

uma experiecircncia pioneira em nosso meio foi conduzida haacute duas deacutecadas com

casuiacutestica pequena (95 pacientes) fora do ambiente do Sistema Uacutenico de

Sauacutede (Ortiz et al 1995a) De fato o uso de redes neurais artificiais na anaacutelise

de dados cliacutenicos de pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca foi

apresentado como um meacutetodo que deve ser investigado (Braunwald 2008)

As redes neurais artificiais tecircm sido progressivamente utilizadas na

praacutetica cliacutenica (Lisboa Taktak 2006) e a potencial contribuiccedilatildeo da aplicaccedilatildeo

da rede neural no diagnoacutestico e prognoacutestico de vaacuterias doenccedilas inclusive tem

se tornado objeto de interesse e investigaccedilatildeo na aacuterea da Cardiologia (Lisboa

2002)

Rede neural artificial foi conceituada como ldquoestrutura de

processamento de informaccedilatildeo distribuiacuteda em paralelo e constituiacuteda por

Introduccedilatildeo 4

elementos de processamento ligados por canais de sinal unidirecionais

denominados conexotildees em que cada elemento de processamento possui uma

uacutenica conexatildeo de saiacuteda que se ramifica em tantas quantas as conexotildees

colaterais desejadasrdquo (Hecht-Nielsen 1989) Entre as caracteriacutesticas potenciais

da rede neural haacute o caraacuteter adaptativo treinaacutevel capaz de armazenar e

processar informaccedilotildees por associaccedilatildeo e adquirir conhecimento pela

experiecircncia por meio de exemplos ou da proacutepria aplicaccedilatildeo (Sanchez 2009)

A arquitetura de rede neural mais utilizada e estudada eacute a do tipo

perceptron de muacuteltiplas camadas (Cross Harrison e Kennedy 1995) e o tipo de

treinamento mais frequente utiliza o algoritmo de treinamento supervisionado

ou de retropropagaccedilatildeo do erro (backpropagation) (Scott 1993 Cross et al

1995 Papik et al 1998) Estas redes neurais tecircm por caracteriacutestica a

propagaccedilatildeo positiva (feedforward) ou na mesma direccedilatildeo do erro partindo da

camada de entrada rumo agrave camada de saiacuteda e agrave retropropagaccedilatildeo do erro

(backward) partindo da camada de saiacuteda ateacute a camada de entrada (Castro LN

1998 Sanchez 2009) O algoritmo backpropagation fundamenta-se numa

regra de aprendizado que corrige os erros durante todo o aprendizado e

treinamento da rede neural em todas as camadas partindo da saiacuteda ateacute a

entrada (Haykin 1994)

O processo de aprendizado da rede neural eacute gradual interativo e

iterativo de ajuste dos pesos sinaacutepticos de forma a adequar a rede a um

conjunto de exemplos adaptar o seu comportamento ao longo do tempo e

aperfeiccediloar a resposta a ser obtida (Ambrosio 2002 Castro FCC 2016) Por

sua caracteriacutestica de aprendizado e treinamento a rede neural permite a

melhoria contiacutenua de seu desempenho a partir de exemplos e tem sido

aplicada na aacuterea meacutedica no estudo de diferentes condiccedilotildees (Baxt 1991 1995

1996 Astion Wilding 1992 Widing et al 1994 Tourassi et al 1995 Fogel et

al 1995 Ahmed 2005 Sinha et al 2007 Bartosch-Haumlrlid et al 2008 Silva et

al 2008 Das et al 2008 Ogulata et al 2009)

Estudos que integram anaacutelise estatiacutestica como fundamento para

alimentaccedilatildeo de rede neural satildeo escassos (Ogava 2007)

Em pacientes com insuficiecircncia cardiacuteaca a comparaccedilatildeo entre vaacuterios

meacutetodos computacionais entre eles a rede neural a partir de informaccedilotildees da

Introduccedilatildeo 5

etiologia severidade e evoluccedilatildeo da doenccedila evidenciou melhor desempenho

dos sistemas de suporte (Guidi et al 2014) Por outro lado estudo de

casuiacutestica nacional publicada haacute duas deacutecadas avaliou o prognoacutestico de 95

pacientes com insuficiecircncia cardiacuteaca e fraccedilatildeo de ejeccedilatildeo reduzida em

seguimento de doze meses esta baseou-se em paracircmetros ecocardiograacuteficos

e na idade estimou a acuraacutecia sensibilidade especificidade valor preditivo

positivo e valor negativo respectivamente 67 67 68 28 92 por

anaacutelise discriminatoacuteria linear enquanto pelos valores correspondentes agrave rede

neural artificial foram estimados em 90 71 93 63 e 95 (Ortiz et al

1995b)

Recentes publicaccedilotildees apontaram para o potencial uso da rede neural

no universo da inteligecircncia artificial (neurocomputing machine learning deep

learning) (Krittanawrong et al 2017 Miller e Brown 2018) usando o algoritmo

de aprendizado supervisionado (backpropagation) na anaacutelise de amplas bases

de dados para melhor precisatildeo cardiovascular (Krittanawong et al 2017) Aleacutem

disso a rede neural foi utilizada na prediccedilatildeo da mortalidade em pacientes

submetidos a teste de esforccedilo cardiopulmonar (Myers et al 2014) como

tambeacutem em ampla metanaacutelise que avaliou a eficaacutecia do tratamento em

pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca nos uacuteltimos trinta anos

(Burnet et al 2017)

Como meacutetodo a rede neural artificial tem vantagens e desvantagens

quando comparada aos sistemas de computaccedilatildeo convencionais ou sistemas

baseados em algoritmos (Papik et al 1998)

Entre as vantagens foram citadas a efetividade do meacutetodo na modelagem natildeo

linear de fenocircmenos bioloacutegicos com grande nuacutemero de dados precisatildeo para

inferecircncia preditiva e ajuda na tomada de decisatildeo meacutedica facilidade de

disseminaccedilatildeo do conhecimento pelo meacutetodo (Lisboa et al 2006) capacidade

de utilizar informaccedilotildees incompletas aprendizado por meio de exemplos e

exposiccedilatildeo de padrotildees agrave rede neural (Sanchez 2009)

Tendo em vista a missatildeo assistencial no atendimento de pacientes com

diagnoacutestico de insuficiecircncia cardiacuteaca recebidos para avaliaccedilatildeo diagnoacutestico e

orientaccedilatildeo de tratamento em unidade ambulatorial de hospital de referecircncia

voltado para pacientes do Sistema Uacutenico de Sauacutede situaccedilatildeo na qual se

Introduccedilatildeo 6

esmera a aplicaccedilatildeo mais judiciosa possiacutevel dos recursos instalados requer-se

a atualizaccedilatildeo constante dos dados prognoacutesticos para a melhor orientaccedilatildeo

Estudos satildeo necessaacuterios para reunir recursos de teacutecnicas estatiacutesticas

tradicionais como tambeacutem para empregar redes neurais e sua potencial

capacidade de aprendizado possibilitando mudanccedilas nas casuiacutesticas

brasileiras lastreadas no tempo

Destarte planejamos o presente estudo para avaliar o emprego da

estatiacutestica tradicional como etapa de seleccedilatildeo de variaacuteveis para a aplicaccedilatildeo da

rede neural artificial na avaliaccedilatildeo prognoacutestica de pacientes para esmerar na

distinccedilatildeo de pacientes de prognoacutestico menos favoraacutevel e com maior

necessidade cliacutenica de tratamentos que utilizem as competecircncias e a

tecnologia geralmente disponiacuteveis apenas em serviccedilos meacutedicos de referecircncia

2 Objetivos

Objetivos 8

21 Objetivos Primaacuterios

Avaliar o prognoacutestico de pacientes com diagnoacutestico de insuficiecircncia

cardiacuteaca pelo emprego de meacutetodos da estatiacutestica de sobrevivecircncia associada

com a rede neural artificial

22 Objetivos Secundaacuterios

Estimar a contribuiccedilatildeo dos dados de exame cliacutenico e laboratorial

obtidos na avaliaccedilatildeo inicial dos pacientes

Estimar o impacto dos dados faltantes na anaacutelise

3 Meacutetodos

Meacutetodos 10

31 Delineamento do estudo

Estudo observacional tipo transversal (coorte retrospectiva) a partir de

base de dados administrativa e assistencial que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca na Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo e foram acompanhados ateacute o desfecho (oacutebito por qualquer causa) ou

ateacute a data do uacuteltimo contato

Dados da mortalidade foram obtidos por meio de consulta a registros

hospitalares contato telefocircnico consulta ao Programa de Aprimoramento das

Informaccedilotildees de Mortalidade no Municiacutepio de Satildeo Paulo (PRO-AIM) ou agrave

Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) (Figura 1)

32 Avaliaccedilatildeo cliacutenica

O exame cliacutenico e a avaliaccedilatildeo laboratorial dos pacientes seguiram a

rotina assistencial da Unidade Os pacientes cerca de 50 encaminhados ao

sistema CROSS (Central de Regulaccedilatildeo de Oferta de Serviccedilos de Sauacutede

Secretaria de Estado da Sauacutede Satildeo Paulo) foram avaliados por meio de

exame cliacutenico incluindo a histoacuteria cliacutenica e o exame fiacutesico eletrocardiograma

em repouso e a radiografia de toacuterax aleacutem de revisatildeo de testes

complementares eventualmente trazidos pelos pacientes A avaliaccedilatildeo

laboratorial complementar no Serviccedilo foi indicada de acordo com a

necessidade cliacutenica dos pacientes dentro da rotina assistencial e a

disponibilidade operacional institucional incluindo avaliaccedilatildeo metaboacutelica

laboratorial ecocardiografia ou outros testes

O tratamento foi recomendado de acordo com a rotina institucional

conforme necessidade cliacutenica e toleracircncia dos pacientes de acordo com a

orientaccedilatildeo do meacutedico responsaacutevel pelo atendimento do paciente aleacutem da

Meacutetodos 11

disponibilidade na dispensaccedilatildeo por farmaacutecia do sistema puacuteblico de atenccedilatildeo

farmacecircutica

33 Criteacuterios diagnoacutesticos

O diagnoacutestico de insuficiecircncia cardiacuteaca foi feito com base nos criteacuterios

de Framingham definido pela presenccedila simultacircnea de no miacutenimo dois

criteacuterios maiores ou um criteacuterio maior e dois menores (McKee et al 1971) Satildeo

criteacuterios maiores dispneia paroxiacutestica noturna turgecircncia jugular crepitaccedilotildees

pulmonares cardiomegalia na radiografia do toacuterax edema agudo de pulmatildeo

terceira bulha cardiacuteaca aumento da pressatildeo venosa central (gt16 cm aacutegua no

aacutetrio direito) refluxo hepatojugular perda de peso maior 45 kg em cinco dias

em resposta ao tratamento Os criteacuterios menores incluem edema de tornozelo

bilateral tosse noturna dispneia aos esforccedilos habituais hepatomegalia

derrame pleural taquicardia (gt120 batimentos por minuto) diminuiccedilatildeo da

capacidade funcional em um terccedilo da maacutexima registrada previamente (Hunt et

al 2001 2005)

O diagnoacutestico etioloacutegico foi feito de acordo com criteacuterios previamente

publicados (Maron et al 2006) Os diagnoacutesticos etioloacutegicos foram revisados

individualmente para este estudo

Os diagnoacutesticos foram categorizados segundo a Classificaccedilatildeo

Internacional de Doenccedilas 10a revisatildeo (World Health Organization 2010)

34 Criteacuterios de inclusatildeo

Foram incluiacutedos no estudo portadores de insuficiecircncia cardiacuteaca em

diferentes classes funcionais da New York Heart Association (New York Heart

Association 1964 Remme et al 2001)

Meacutetodos 12

35 Criteacuterios de exclusatildeo

Foram excluiacutedos do estudo os pacientes com angina instaacutevel infarto do

miocaacuterdio haacute menos de seis meses doenccedila valvar histoacuteria de cirurgia ou

infecccedilatildeo aguda nos trinta dias anteriores agrave consulta meacutedica

36 Casuiacutestica

Foram estudados 2128 pacientes consecutivos de ambos os sexos

com idade acima de 18 anos que depois do exame cliacutenico receberam o

diagnoacutestico de insuficiecircncia cardiacuteaca de diferentes etiologias no periacuteodo de 2

de julho de 2003 a 2 de julho de 2007

No Serviccedilo foram realizadas 113185 consultas ambulatoriais no

periacuteodo de estudo Portanto a casuiacutestica representa 18 do total de consultas

atendidas que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

37 Variaacuteveis estudadas

371 Demograacuteficas

Idade sexo etnia

Meacutetodos 13

372 Cliacutenicas

Duraccedilatildeo dos sintomas etiologia da insuficiecircncia cardiacuteaca classe

funcional peso altura iacutendice de massa corpoacuterea frequecircncia cardiacuteaca pressatildeo

arterial sistoacutelica pressatildeo arterial diastoacutelica e comorbidades (presenccedila de

hipertensatildeo arterial tabagismo diabete melito etilismo)

373 Eletrocardiograacuteficas

Ritmo cardiacuteaco

374 Ecocardiograacuteficas

Diacircmetro do aacutetrio esquerdo diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro sistoacutelico do ventriacuteculo esquerdo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo espessura diastoacutelica do septo interventricular e espessura diastoacutelica

da parede posterior do ventriacuteculo esquerdo

375 Laboratoriais

Taxa de hemoglobina taxa de leucoacutecitos taxa de linfoacutecitos taxa de

glicose em jejum creatinina seacuterica soacutedio seacuterico potaacutessio seacuterico colesterol

total lipoproteiacutena de alta densidade (HDL-colesterol) lipoproteiacutena de baixa

densidade (LDL-colesterol) e trigliceacuterides seacuterico

Meacutetodos 14

376 Medicamentos em uso na consulta inicial

Inibidores da enzima conversora da angiotensina (captopril enalapril) e

bloqueadores dos receptores da angiotensina II (losartana) bloqueadores

adreneacutergicos (carvedilol metoprolol propranolol e atenolol) diureacuteticos

(furosemida hidroclorotiazida espironolactona) digital (digoxina)

antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) anticoagulante oral

(varfarina) estatina (sinvastatina) vasodilatadores (hidralazina e mononitrato

de isossorbida) bloqueadores dos canais de caacutelcio (anlodipina) antiarriacutetmico

(amiodarona) nuacutemero de medicamentos em uso

38 Mortalidade ndash foi considerado desfecho o oacutebito por qualquer causa

39 Anaacutelise dos dados

Foi realizada em duas etapas a) anaacutelise estatiacutestica (n=2128

pacientes) para identificar as variaacuteveis associadas agrave sobrevida cujo tempo de

seguimento ou de sobrevida observado foi o intervalo entre a data da consulta

inicial ou a data do iniacutecio dos sintomas ateacute o uacuteltimo contato com o paciente ou a

data do oacutebito b) aplicaccedilatildeo da rede neural para estimar a sobrevida (n=968

pacientes)

A escolha pela teacutecnica da anaacutelise de sobrevida foi decorrente de sua

caracteriacutestica para identificar e selecionar as variaacuteveis mais importantes na

sobrevida dos pacientes como tambeacutem pelo pressuposto que a presenccedila de

pacientes censurados ou com perda de seguimento ao longo do tempo

representam todos os pacientes sujeitos ao risco de terem o evento de

interesse naquele momento (Bustamante-Teixeira et al 2002)

Meacutetodos 15

391 Anaacutelise estatiacutestica

A anaacutelise estatiacutestica foi realizada nas seguintes etapas anaacutelise

descritiva anaacutelise exploratoacuteria e estimativa da influecircncia das variaacuteveis na

sobrevida

3911 Anaacutelise descritiva e exploratoacuteria

Foram avaliadas as frequecircncias e distribuiccedilotildees das variaacuteveis

demograacuteficas cliacutenicas de exames complementares e de medicaccedilatildeo (tabela 1)

A probabilidade de sobrevida foi avaliada para cada variaacutevel pelo

meacutetodo de Kaplan-Meier (Kaplan Meier 1958) As variaacuteveis foram

categorizadas de acordo com criteacuterios cliacutenicos ou com base nos valores de

referecircncia quando pertinente Dados faltantes foram reunidos em uma

categoria As curvas de probabilidade de sobrevida foram comparadas com o

teste log-rank (Peto 1972) e os valores-p obtidos e informados As variaacuteveis

com plt010 foram selecionadas para a anaacutelise inferencial

Foram selecionadas para a anaacutelise inferencial todas as variaacuteveis com

plt010 e algumas variaacuteveis com pgt010 pela relevacircncia cliacutenica evidenciada em

estudos anteriores (Zugck et al 2001 Acanfora et al 2001 Anand et al

2004 Huehnergarth et al 2005 Maraldi et al 2006 Nieminen et al 2008

Marccedilula et al 2015)

3912 Anaacutelise inferencial

Foi adotado modelo de regressatildeo semiparameacutetrico de riscos

proporcionais de Cox (Cox 1972) para estimar a influecircncia de cada variaacutevel

associada com a probabilidade de sobrevida A comparaccedilatildeo da qualidade dos

Meacutetodos 16

ajustes do modelo foi feita pelo teste de razatildeo de verossimilhanccedila nas

seguintes fases

a) ajuste de modelo univariado tendo como variaacuteveis independentes a

idade e cada uma das variaacuteveis demograacuteficas e cliacutenicas separadamente

Foram selecionadas as variaacuteveis com valores de p lt 010 para a sequecircncia da

anaacutelise

b) as variaacuteveis selecionadas e a idade foram submetidas ao ajuste do

modelo multivariado Nesta fase para cada variaacutevel analisada e sem

informaccedilatildeo foi definida uma categoria de variaacutevel faltante As variaacuteveis com

valor de p gt 005 foram retiradas sequencialmente do modelo Tambeacutem foi

retirada do modelo a variaacutevel em que somente a categoria variaacutevel faltante

apresentou valor de p lt 005 Sendo assim permaneceram para a terceira fase

do modelo as variaacuteveis com valores de p lt 005 e a variaacutevel idade

c) na terceira fase para teste de seguranccedila do modelo com a

finalidade de avaliar se as variaacuteveis previamente retiradas do modelo

contribuiriam ou natildeo de modo significativo para a estimaccedilatildeo da sobrevida

cada uma das variaacuteveis previamente retiradas do modelo na fase inicial foi

reintroduzida no modelo multivariado com as variaacuteveis que na segunda fase

alcanccedilaram valor de p lt 005 Se fosse encontrado p lt 005 esta variaacutevel

permaneceria no modelo

d) as variaacuteveis assim selecionadas foram as variaacuteveis de entrada para

a rede neural artificial

392 Rede neural

Os testes da rede neural foram realizados pelo emprego do programa

Neuro XL Predictor (OLSOFT Software Development) que utiliza a rede neural

perceptron de muacuteltiplas camadas

A rede neural tipo perceptron de muacuteltiplas camadas compreendeu uma

camada de entrada camadas intermediaacuterias (ou ocultas) e uma camada de

Meacutetodos 17

saiacuteda (figura 2) Cada neurocircnio de qualquer das camadas da rede se conectou

a todos os neurocircnios da camada seguinte e o fluxo da informaccedilatildeo foi em uma

uacutenica direccedilatildeo (rede feedforward) da esquerda para a direita ou da camada de

entrada para a camada de saiacuteda (Figura 2a) O treinamento da rede foi feito

pelo emprego do algoritmo de treinamento supervisionado ou de

retropropagaccedilatildeo (backpropagation) que retropropaga o erro (backward) da

informaccedilatildeo da camada de saiacuteda para a camada de entrada (Figura 2b)

A funccedilatildeo de ativaccedilatildeo ou de transferecircncia da rede neural foi uma funccedilatildeo

natildeo linear (Figura 3) Entre as funccedilotildees de natildeo linearidade de ativaccedilatildeo da rede

neural foram testadas a funccedilatildeo zero based log sigmoid (Buskard et al 1994

Lundin et al 1999 Grossi 2006) e a funccedilatildeo tangente hiperboacutelica (Buskard et

al1994 Frize et al 2000 Ennett et al 2001 2004 Grossi 2006) a cada um

dos neurocircnios da rede neural camada a camada

A aplicaccedilatildeo da rede neural foi feita em trecircs etapas aprendizado-

treinamento previsatildeo e agrupamento aleatoacuterio

3921 Escolha da arquitetura da rede neural

De iniacutecio foi avaliada a arquitetura mais adequada para o aprendizado-

treinamento da rede neural mediante realizaccedilatildeo de testes com ateacute 20 camadas

intermediaacuterias de acordo com o ajuste de estimativas Foram investigados

a) nuacutemero de ciclos ndash A definiccedilatildeo do nuacutemero maacuteximo de ciclos ou

iteraccedilotildees para o aprendizado-treinamento da rede neural foi ajustada apoacutes

testes variando o paracircmetro em 30000 20000 e 10000 ciclos mantendo fixos

todos os demais paracircmetros da rede neural (Tabela 91)

b) erro delta ndash A definiccedilatildeo do valor do erro delta para o aprendizado-

treinamento da rede foi estipulado apoacutes testes variando o paracircmetro em

00001 00010 e 00020 do erro delta mantendo fixos todos os demais

paracircmetros envolvidos da rede neural inclusive o nuacutemero maacuteximo de ciclos em

30000 ciclos (tabela 91)

Meacutetodos 18

O nuacutemero maacuteximo de ciclos definido para o aprendizado-treinamento da rede

foi de 30000 etapas ou o valor do erro delta de 00001

c) os pesos sinaacutepticos iniciais ndash A determinaccedilatildeo dos pesos

(ponderaccedilatildeo da contribuiccedilatildeo da variaacutevel na estimaccedilatildeo) das conexotildees

sinaacutepticas foi definida pela proacutepria rede na execuccedilatildeo repetida do algoritmo de

aprendizado-treinamento A partir do peso sinaacuteptico inicial de 03 previamente

definido foi modulado a cada conexatildeo seguindo regra de aprendizado pela

aplicaccedilatildeo do algoritmo de treinamento supervisionado (backpropagation) para

ajustar o erro da variaacutevel de saiacuteda De maneira iterativa a variaacutevel de saiacuteda

estimada na rede foi comparada com a variaacutevel de saiacuteda observada resultando

num sinal de erro que foi retropropagado pela rede para permitir o ajuste dos

pesos (Figura 2b) Esses ciclos foram repetidos ateacute que a rede atribuiu para

cada variaacutevel de entrada uma variaacutevel de saiacuteda com valores estimados de

sobrevida consistentes com os valores observados

d) taxa de aprendizado ndash O paracircmetro denominado taxa de

aprendizado influencia o aprendizado da rede (Sanchez 2009) e foi fixado no

valor limite de 03 para o ajuste limitado da curva de aprendizado-treinamento

da rede neural

e) termo de momentum ndash O paracircmetro da rede neural denominado

termo de momentum interveacutem no aprendizado por aumentar a taxa de

aprendizado (Sanchez 2009) como moderador e foi fixado no valor limite de

03 para o ajuste da curva de aprendizado-treinamento da rede neural

Para definir a abordagem mais adequada para a imputaccedilatildeo nos valores

faltantes foram adotados trecircs criteacuterios distintos para avaliar a mais apropriada

previsatildeo de sobrevida da rede neural

a) valores de referecircncia normais para as variaacuteveis faltantes (Frize et

al 2001 Ennett et al 2001) ndash iacutendice de massa corpoacuterea (World Health

Organization 1995) pressatildeo arterial diastoacutelica (James et al 2014) espessura

diastoacutelica do septo intraventricular diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro do aacutetrio esquerdo (Lang et al 2005) potaacutessio seacuterico colesterol total e

creatinina seacuterica (rotina laboratorial institucional) (Tabela 8)

b) valor superior da normalidade (rotina laboratorial institucional) para

as taxas de colesterol total e creatinina seacuterica (Tabela 8)

Meacutetodos 19

c) valor da mediana das variaacuteveis disponiacuteveis para imputaccedilatildeo nos

valores faltantes (Frize et al 2001 Ennett et al 2001) (Tabela 8)

3922 Aprendizado-treinamento da rede neural

Para definir o mais apropriado tipo de treinamento para a previsatildeo da

sobrevida da rede neural duas teacutecnicas foram avaliadas

a) utilizando amostragem aleatoacuteria ndash trecircs amostras aleatoacuterias de um

terccedilo da casuiacutestica (n=968) foram constituiacutedas para aprendizado-treinamento

validaccedilatildeo e ajuste e aplicaccedilatildeo

b) utilizando a casuiacutestica do estudo (n=968) em cinco fases ndash

aprendizado- treinamento e definiccedilatildeo da rede neural com base nos oacutebitos

identificados ateacute 2012 aplicaccedilatildeo para estimativa de sobrevida ateacute 2012

comparaccedilatildeo de previsotildees com base nos oacutebitos verificados em 2013 reensaios

com oacutebitos identificados ateacute 2014 comparaccedilatildeo da previsatildeo para pacientes que

faleceram em 2013 e 2014 (Figura 4)

Na primeira fase com a finalidade de iniciar o aprendizado-treinamento

da rede neural foi avaliada a amostra dos pacientes com oacutebitos ocorridos ateacute

2012 e informaccedilotildees completas (dados falantes imputados segundo as

abordagens mencionadas) Foram realizados testes com base nas variaacuteveis

indicadas tanto pela anaacutelise estatiacutestica quanto pela relevacircncia cliacutenica tendo

como funccedilatildeo de ativaccedilatildeo zero based log sigmoid e tangente hiperboacutelica (Figura

3)

O tempo de sobrevida observado ateacute o desfecho oacutebito foi estimado a

partir da data do iniacutecio dos sintomas e a partir da data da primeira consulta no

ambulatoacuterio do hospital Com base no tempo meacutedio de seguimento o tempo de

sobrevida observado foi explorado e categorizado com base na experiecircncia

cliacutenica nas variaacuteveis prognoacutesticas referidas na literatura (Cowie et al 2000

Dries et al 2000 Lewis et al 2003 Rauchhaus et al 2003 Freitas et al

2005 Pocock et al 2006 Rassi Jr et al 2007 McManus et al 2009) para

identificar os pacientes com prognoacutestico menos favoraacutevel e obter a melhor

Meacutetodos 20

estimativa da rede (Tabelas 9 91) Variaacuteveis de relevacircncia cliacutenica foram

empregadas (Tabelas 9 e 91)

O erro da estimativa do tempo de sobrevida ateacute o oacutebito nesta fase foi

avaliado por meio do emprego da expressatildeo

erro da previsatildeo =| [(sobrevida prevista ndash sobrevida observada ateacute o oacutebito) x 100 ] |

sobrevida observada ateacute o oacutebito

em que

erro da previsatildeo () ndash erro relativo da previsatildeo da sobrevida com o emprego

da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ateacute o oacutebito ndash tempo de sobrevida dos pacientes ateacute o

oacutebito

Na segunda fase com a finalidade de se obter a previsatildeo da sobrevida

para os sobreviventes ateacute dezembro de 2012 foram realizados nove testes

(Tabela 10) Esta fase avaliou os pacientes com variaacuteveis completas e

incompletas para os modelos de dados da rede neural com respostas inferiores

a 36 Foi calculado o erro relativo da estimativa de oacutebito por meio do

emprego da expressatildeo

erro hipoteacutetico de previsatildeo = | [(sobrevida prevista ndash sobrevida observada) x 100] |

sobrevida observada

em que

erro hipoteacutetico de previsatildeo () ndash erro de estimativa de previsatildeo de sobrevida

com o emprego da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ndash sobrevida observada com base na data do uacuteltimo

contato dos sobreviventes

Na terceira fase foram comparadas as previsotildees com o emprego de

modelos de redes neurais para os sobreviventes ateacute 2012 e que faleceram em

Meacutetodos 21

2013 (Tabela 11) Esta fase comparou o modelo de rede ou os modelos de

dados da rede com respostas inferiores a 41 (Tabelas 12 13 14 15 16 17)

Na quarta fase foram realizados novos testes de aprendizado-treinamento da

rede neural incorporando as atualizaccedilotildees de mortalidade de 2013 (reensaio 1 -

Tabela 18) e 2014 (reensaio 2 - Tabela 19) Esta fase de aprendizado-

treinamento considerou os melhores modelos de rede neural para previsatildeo da

sobrevida

Na quinta fase foram comparados os resultados de previsatildeo da

sobrevida inicial da rede neural a partir dos oacutebitos ocorridos ateacute 2012 com os

reensaios 1 (Tabelas 20 21) e 2 (Tabelas 22 23) atualizando mortalidade

respectivamente de 2013 e 2014

3923 Avaliaccedilatildeo dos melhores modelos de rede neural

A avaliaccedilatildeo dos paracircmetros de variabilidade entre os modelos de rede

neural bem como a sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo (Tabela 24) e a funccedilatildeo de perda (Tabela 25)

dos modelos de dados da rede neural foram calculados

a) Dispersatildeo ou variabilidade dos modelos de rede neural ndash os desvios-

padratildeo em torno da meacutedia geral do erro de previsatildeo da sobrevida dos modelos

de rede neural foram calculados e comparadas as homogeneidades entre os

modelos de rede neural no aprendizado (vivos ateacute 2012) e na previsatildeo

(falecidos em 2013 e 2014) (Tabelas 12 13 14 15 16 17 20 21 22 23)

b) Sensibilidade especificidade acuraacutecia valor preditivo positivo e

valor preditivo negativo dos modelos de rede neural ndash a probabilidade de

previsatildeo para os melhores modelos da rede neural foi calculada para os

intervalos de tempo ou de corte (Martinez et al 2003) em 6 meses 1 ano 2

anos e 3 anos As previsotildees obtidas a partir do emprego da rede neural foram

categorizadas em (Tabela 24)

b1) verdadeiro positivo (VP) ndash previsto o oacutebito que ocorreu

b2) verdadeiro negativo (VN) ndash prevista a sobrevivecircncia que se confirmou

Meacutetodos 22

b3) falso positivo (FP) ndash previsatildeo de sobrevida e ocorreu o oacutebito

b4) falso negativo (FN) ndash previsatildeo de oacutebito que natildeo ocorreu

b5) sensibilidade ndash previsatildeo acertada de oacutebito pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VP (VP + FN)

b6) especificidade ndash previsatildeo acertada de sobrevida pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VN (VN + FP)

b7) acuraacutecia ndash precisatildeo na estimativa de sobrevida O caacutelculo foi feito por meio

do emprego da expressatildeo (VP + VN) (VP + FP + VN + FN)

b8) valor preditivo positivo ndash previsatildeo de oacutebito estimado pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VP (VP + FP)

b9) valor preditivo negativo ndash previsatildeo de sobrevida pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VN (VN + FN)

c) Funccedilatildeo de perda dos modelos de rede neural ndash o desempenho preditivo da

rede neural foi avaliado por meio do emprego da funccedilatildeo de perda aparente

para a variaacutevel contiacutenua tempo de sobrevida (Yuan 2008) que leva em

consideraccedilatildeo a diferenccedila entre a sobrevida prevista pelo emprego da rede

neural e a sobrevida observada em cada caso O resultado foi demonstrado

pela perda meacutedia estimada ou a meacutedia aritmeacutetica simples em valores

absolutos e expresso em dias (Santos 2013) (Tabela 25)

310 Aspectos eacuteticos

O protocolo do estudo foi aprovado pela Comissatildeo de Eacutetica para

Anaacutelise de Projetos de Pesquisa do Hospital das Cliacutenicas da Faculdade de

Medicina da Universidade de Satildeo Paulo (CAAE 34706714100000068)

4 Resultados

Resultados 24

41 Anaacutelise estatiacutestica

Os resultados foram obtidos pela anaacutelise estatiacutestica descritiva e

exploratoacuteria e pela anaacutelise inferencial para o ajuste do modelo estatiacutestico

411 Anaacutelise descritiva e exploratoacuteria

A idade dos pacientes variou de 18 anos a 94 anos (meacutedia 577

desvio- padratildeo 131) 1362 (64) homens e 766 (36) mulheres 1325 (62)

pacientes tinham idade entre 41 anos e 65 anos e 603 (28) pacientes tinham

idade superior a 65 anos A etnia branca foi observada em 343 (16) dos

pacientes e o sobrepeso foi identificado em 697 (33) pacientes A fraccedilatildeo de

ejeccedilatildeo do ventriacuteculo esquerdo foi inferior a 45 em 1476 (69) pacientes As

etiologias predominantes foram as cardiopatias hipertensiva e isquecircmica em

1443 (678) pacientes e a doenccedila de Chagas ocorreu em 333 (16)

pacientes A cardiopatia dilatada e a alcooacutelica ocorreram respectivamente em

206 (10) pacientes e 146 (7) pacientes Na qualidade de pacientes que

procuraram atendimento a condiccedilatildeo funcional era tal que permitia o acesso agrave

consulta deambulando Dos pacientes em tratamento 967 (45) faziam uso da

associaccedilatildeo de trecircs ou quatro medicamentos

Outras caracteriacutesticas cliacutenicas laboratoriais eletrocardiograacuteficas e

ecocardiograacuteficas satildeo apresentadas na tabela 1 A frequecircncia de dados

faltantes eacute apresentada nas tabelas 23 e 4 para cada variaacutevel

Foram identificados 968 (455) oacutebitos ateacute dezembro de 2012

Somaram-se 83 (39) oacutebitos verificados em 2013 e 50 (23) oacutebitos

verificados em 2014 O total de oacutebitos foi 1101 (517)

A curva da probabilidade de sobrevida geral da casuiacutestica eacute

apresentada na figura 5 O tempo meacutedio de acompanhamento dos pacientes foi

596 meses desvio- padratildeo 418 meses (variaccedilatildeo de um dia a 137 meses) e

Resultados 25

aos cinco anos de evoluccedilatildeo 68 dos pacientes da casuiacutestica estavam vivos

Tomando em consideraccedilatildeo a etiologia da insuficiecircncia cardiacuteaca no tempo

meacutedio de acompanhamento 71 dos portadores de cardiopatia hipertensiva

69 dos portadores de cardiopatia dilatada 66 dos portadores de cardiopatia

alcooacutelica 55 dos portadores de cardiopatia isquecircmica e 50 dos portadores

de cardiopatia da doenccedila de Chagas estavam vivos

Nas curvas de probabilidade de sobrevida relativas a cada variaacutevel

estudada os valores faltantes foram agrupados em uma categoria A

comparaccedilatildeo entre as curvas de sobrevida foi feita para as variaacuteveis

categorizadas em faixas de valores de acordo com os valores de referecircncia e

com a categorizaccedilatildeo individual do dado faltante para cada variaacutevel avaliada

(Figuras 6 a 51)

A comparaccedilatildeo entre as curvas de sobrevida revelou diferenccedila

estatisticamente significante (valor - p lt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash idade (plt0001 figura 7)

b) cliacutenicas ndash etiologia da insuficiecircncia cardiacuteaca (plt0001 figura 6) peso

(plt0001 figura 10) altura (p=0048 figura 11) iacutendice de massa corpoacuterea

(plt0001 figura 12) pressatildeo arterial sistoacutelica (plt0001 figura 13) pressatildeo

arterial diastoacutelica (plt0001 figura 14) classe funcional (plt0001 figura 15)

c) ecocardiograacuteficas ndash diacircmetro do aacutetrio esquerdo (plt0001 figura 22)

diacircmetro diastoacutelico do ventriacuteculo esquerdo (plt0001 figura 23) diacircmetro

sistoacutelico do ventriacuteculo esquerdo (plt0001 figura 24) fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo (plt0001 figura 25) espessura diastoacutelica do septo

interventricular (plt0001 figura 26) e espessura diastoacutelica da parede posterior

do ventriacuteculo esquerdo (plt0001 figura 27)

d) laboratoriais ndash hemoglobina seacuterica (plt0001 figura 29) taxa de glicose

seacuterica em jejum (plt0001 figura 30) taxa de creatinina seacuterica (plt0001 figura

31) taxa de soacutedio seacuterico (plt0001 figura 32) taxa de potaacutessio seacuterico (plt0001

figura 33) taxa de colesterol total (plt0001 figura 34) taxa de HDL-colesterol

(plt0001 figura 35) taxa de LDL-colesterol (plt0001 figura 36) e taxa de

trigliceacuterides (plt0001 figura 37)

Resultados 26

A comparaccedilatildeo entre as curvas de sobrevida natildeo revelou diferenccedila

estatisticamente significante (valor-p gt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash sexo (p=0025 figura 8) etnia (p=027 figura 9)

b) cliacutenicas ndash frequecircncia cardiacuteaca (p=062 figura 16) duraccedilatildeo dos sintomas

(p=068 figura 17) e o antecedente de hipertensatildeo arterial (p=0049 figura 18)

tabagismo (p=074 figura 19) diabetes melito (p=0024 figura 20) e etilismo

(p=0024 figura 21)

c) eletrocardiograacuteficas ndash ritmo cardiacuteaco (p=00051 figura 28)

d) laboratoriais ndash taxa de leucoacutecitos (plt0048 figura 38) taxa de linfoacutecitos

(p=0011 figura 39)

e) medicamentos em uso na consulta inicial ndash inibidores da enzima conversora

da angiotensina (captopril enalapril) e bloqueadores dos receptores da

angiotensina II (losartana) (p=091 figura 40) bloqueadores adreneacutergicos

(carvedilol metoprolol propranolol e atenolol) (p=0042 figura 41) diureacuteticos

(furosemida hidroclorotiazida (p=00032 figura 42) espironolactona (p=032

figura 43) digoxina (p=0077 figura 44) antiagregante plaquetaacuterio (aacutecido

acetilsaliciacutelico) (p=055 figura 45) anticoagulante oral (varfarina) (p=043

figura 46) estatina (sinvastatina) (p=007 figura 47) vasodilatadores

(hidralazina e mononitrato de isossorbida) (p=058 figura 48) bloqueador dos

canais de caacutelcio (anlodipina) (p=077 figura 49) antiarriacutetmico (amiodarona)

(p=051 figura 50) nuacutemero de medicamentos em uso (p=014 figura 51)

De 33 variaacuteveis reunidas inicialmente para a sequecircncia de anaacutelise pelo

emprego do modelo de riscos proporcionais de Cox avaliamos os valores

disponiacuteveis de todas as variaacuteveis cliacutenicas laboratoriais ecocardiograacuteficas

(Tabela 2) bem como dos medicamentos agrupados por classe farmacoloacutegica

(Tabela 3) e do nuacutemero de medicamentos em uso na consulta inicial (Tabela

4)

Resultados 27

412 Anaacutelise inferencial

Para a etapa seguinte de anaacutelise inferencial as variaacuteveis foram

selecionadas com base no valor p lt 010 ou pela especial relevacircncia cliacutenica

(Tabela 2) que discrimina as variaacuteveis com p lt 0001 mais etnia diabetes

melito frequecircncia cardiacuteaca hipertensatildeo arterial etilismo tabagismo ritmo

cardiacuteaco espessura diastoacutelica do septo interventricular espessura diastoacutelica da

parede posterior glicemia de jejum hemoglobina potaacutessio seacuterico leucoacutecitos

linfoacutecitos lipoproteiacutena de alta (HDL-colesterol) e baixa (LDL-colesterol)

densidade trigliceacuterides nuacutemero de medicamentos em uso na consulta inicial e

data do iniacutecio dos sintomas

Nesta primeira etapa da anaacutelise apenas as variaacuteveis com dados

vaacutelidos foram utilizadas no modelo ou seja a categoria individual de dado

faltante para cada variaacutevel natildeo foi utilizada (Tabela 2) Na segunda etapa a

categoria dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis

natildeo associadas com o prognoacutestico (Tabela 5) Na terceira etapa as variaacuteveis

natildeo significativas foram reintroduzidas testadas uma a uma no modelo e

tiveram sua significacircncia recalculada para confirmar que natildeo estariacuteamos

perdendo a relevacircncia cliacutenica (Tabela 6)

Os niacuteveis descritivos (valor-p) para as 32 variaacuteveis foram obtidos pelo

teste de razatildeo de verossimilhanccedila para os modelos ajustados com cada

variaacutevel separadamente controlando idade definindo a influecircncia de cada

variaacutevel na probabilidade de sobrevivecircncia (Tabela 2)

A variaacutevel iniacutecio dos sintomas foi dicotomizada em um periacuteodo inferior a

doze meses e superior ou igual a doze meses mas natildeo se revelou significativa

(valor p=068) para o prognoacutestico e foi retirada do modelo

As variaacuteveis com valor-p lt 010 ou relevacircncia cliacutenica foram

selecionadas para a segunda etapa da anaacutelise inferencial (Tabela 2)

Apoacutes novo ajuste sequencial do modelo e considerando o valor-p gt

005 obtido do teste de razatildeo de verossimilhanccedila as variaacuteveis hipertensatildeo

Resultados 28

arterial sistecircmica hemoglobina seacuterica glicemia de jejum fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo frequecircncia cardiacuteaca sexo soacutedio seacuterico taxa de

leucoacutecitos trigliceacuterides diacircmetro sistoacutelico do ventriacuteculo esquerdo e taxa de

linfoacutecitos natildeo revelaram diferenccedila significativa para a sobrevida e foram

retiradas do modelo (Tabela 5)

Entre as variaacuteveis com valor-plt005 a saber idade iacutendice de massa

corpoacuterea pressatildeo arterial sistoacutelica pressatildeo arterial diastoacutelica etiologia da

insuficiecircncia cardiacuteaca classe funcional espessura do septo interventricular

diacircmetro diastoacutelico do ventriacuteculo esquerdo diacircmetro do aacutetrio esquerdo

potaacutessio seacuterico colesterol total e creatinina observou-se que para a variaacutevel

pressatildeo arterial sistecircmica somente a categoria de dados faltantes revelou

significacircncia para a sobrevida e por este motivo foi retirada do modelo

Para reavaliar o ajuste do modelo as variaacuteveis retiradas do primeiro

ajuste do modelo multivariado em razatildeo de valor-pgt005 foram reintroduzidas

uma a uma no modelo e sua significacircncia foi calculada com base no teste da

razatildeo de verossimilhanccedila A variaacutevel iniacutecio dos sintomas foi dicotomizada em

um periacuteodo inferior a doze meses e superior ou igual a doze meses mas natildeo

se revelou significativa (valor-p=078) para o prognoacutestico e foi retirada do

modelo A variaacutevel antecedente pessoal de diabetes melito foi a uacutenica que se

revelou com importacircncia para a sobrevida (Tabela 6)

Assim foram selecionadas as variaacuteveis idade iacutendice de massa

corpoacuterea pressatildeo arterial diastoacutelica etiologia da insuficiecircncia cardiacuteaca classe

funcional espessura do septo interventricular diacircmetro diastoacutelico do ventriacuteculo

esquerdo diacircmetro do aacutetrio esquerdo potaacutessio seacuterico colesterol total

creatinina e a presenccedila de diabetes melito como as variaacuteveis relacionadas com

a sobrevida (Tabela 7) e selecionadas para a alimentaccedilatildeo da rede neural

Resultados 29

42 Rede neural

421 Escolha da arquitetura da rede neural

Os resultados da rede neural sugeriram que a arquitetura da rede

neural com cinco camadas intermediaacuterias 30000 ciclos e erro delta de 00001

revelou-se a mais adequada (Tabela 91)

Os dados que observamos permitem sugerir que natildeo houve diferenccedila

entre os dois tipos de funccedilatildeo de ativaccedilatildeo de natildeo linearidade que foram

utilizados ndash zero based log sigmoid e tangente hiperboacutelica ndash para a previsatildeo da

sobrevida pela rede neural (Tabela 9 e 91)

Entre as diferentes abordagens utilizadas para a imputaccedilatildeo nos valores

faltantes ndash valor da normalidade valor superior da normalidade valor da

mediana ndash observamos que a rede neural natildeo revelou resultado adequado na

previsatildeo da sobrevida (Tabela 9 e 91)

As 12 variaacuteveis selecionadas para o aprendizado-treinamento da rede

neural foram submetidas agrave interaccedilatildeo muacutetua nas cinco camadas para o ajuste

da rede

422 Aprendizado-treinamento da rede neural

Os resultados que definiram o tipo de treinamento mais apropriado

para a previsatildeo da sobrevida da rede neural foram obtidos pela teacutecnica da

amostragem aleatoacuteria e pela teacutecnica da utilizaccedilatildeo da casuiacutestica do estudo em

cinco fases

Resultados 30

4221 Amostragem aleatoacuteria

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em 322 pacientes selecionados aleatoriamente No

segundo terccedilo de pacientes (n = 322) o erro relativo da previsatildeo de sobrevida

da rede neural foi de 33685 Se comparada com a porcentagem de erro da

previsatildeo da rede neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do

tempo de sobrevida observado para os mesmos 322 pacientes o erro de

previsatildeo da rede foi de 36388

No teste realizado no terceiro terccedilo (n=324) dos pacientes agrupados

aleatoriamente o erro relativo da previsatildeo de sobrevida da rede neural foi

54419 Se comparado com a porcentagem de erro da previsatildeo da rede

neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do tempo de

sobrevida o erro de previsatildeo foi 61880

Em siacutentese pelos testes da rede neural com agrupamento aleatoacuterio o

aprendizado-treinamento da rede neural natildeo foi apropriado

4222 Fases do estudo da casuiacutestica

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em cinco fases

42221 Primeira fase ndash aprendizado-treinamento da rede neural

Para efeito de teste foi considerada a amostra dos pacientes com

oacutebitos ocorridos ateacute 2012 e a rede foi tambeacutem alimentada com outras variaacuteveis

que natildeo as 12 selecionadas pela anaacutelise estatiacutestica

Resultados 31

As variaacuteveis sexo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo de 25 e

55 creatinina seacuterica nos valores de 13 e 26 mgdL colesterol total nos

valores de 200 mgdL e 239 mgdL diacircmetro diastoacutelico do ventriacuteculo esquerdo

nos valores de 60 mm e 75 mm e a associaccedilatildeo das variaacuteveis colesterol total

nos valores de 200 mgdL e 239 mgdL e diacircmetro diastoacutelico do ventriacuteculo

esquerdo nos valores de 60 mm e 75 mm foram consideradas para o

aprendizado-treinamento da rede por serem variaacuteveis significativas no

prognoacutestico de alguns estudos (Gradman et al 1989 Dries et al 2000 Senni

et al 2001 Lee DS et al 2003 Levy et al 2006 Pocock et al 2006

Abraham et al 2008 Anand et al 2008 Roger et al 2013 Mahmood et al

2014 Kenchaiah et al 2015) portanto limitadoras para os testes da rede

neural (Tabelas 9 e 91) Natildeo houve melhora da capacidade de previsatildeo da

sobrevida pela rede (Tabelas 9 e 91)

O tempo de sobrevida observado foi trabalhado sem categorizaccedilatildeo e

com a classificaccedilatildeo em seis categorias do tempo de seguimento tomando

tambeacutem como base o seu tempo meacutedio ateacute 2 anos entre 1 ano e 6 anos entre

2 anos e 6 anos entre 15 ano e 85 anos acima de 2 anos e acima de 6 anos

Os resultados da modelagem da rede neural tomando em consideraccedilatildeo

o tempo de sobrevida observado estrateacutegia para imputaccedilatildeo no caso de dados

faltantes criteacuterios para variaacuteveis cliacutenicas funccedilatildeo de transferecircncia ou de

ativaccedilatildeo e informaccedilatildeo da data inicial disponiacutevel para estimar a sobrevida (data

do iniacutecio dos sintomas ou a data primeira consulta) estatildeo apresentados nas

tabelas 9 e 91

Os resultados obtidos foram

a) quando avaliadas diferentes estrateacutegias ndash o erro de previsatildeo da

sobrevida variou entre 201 (rede neural 4) e 102308 (rede neural 12)

dependendo da data disponiacutevel para estimar a sobrevida da funccedilatildeo de

transferecircncia dos valores de imputaccedilatildeo para os dados faltantes e das variaacuteveis

clinicamente relevantes (Tabelas 9 e 91) Portanto os resultados foram

inadequados para prever a sobrevida

b) quando avaliadas diferentes categorizaccedilotildees do tempo de sobrevida

observado ndash o erro de previsatildeo da sobrevida variou entre 3199 (rede neural

13) e 880 (rede neural 14) para a estrateacutegia um de imputaccedilatildeo para os dados

Resultados 32

faltantes funccedilatildeo de transferecircncia zero based log sigmoid a partir da data da

primeira consulta e diferentes variaacuteveis cliacutenicas significativas (Tabela 9) Os

resultados foram inadequados para prever a sobrevida exceto para a

categorizaccedilatildeo do tempo de evoluccedilatildeo entre 2 anos e 6 anos sem nenhuma

variaacutevel cliacutenica (3199 rede neural 13)

Pela categorizaccedilatildeo do tempo de sobrevida observado entre 1 ano e 6

anos a inclusatildeo de variaacuteveis cliacutenicas significativas com a funccedilatildeo de

transferecircncia zero based log sigmoid a partir da data da primeira consulta e

valores de imputaccedilatildeo para os dados faltantes baseados na estrateacutegia 1 (Tabela

9) fez o erro de estimativa variar entre 5185 (rede neural 15) e 7068 (rede

neural 17) Os resultados foram considerados inadequados para prever a

sobrevida

c) o resultado de previsatildeo da sobrevida variou entre o limite maacuteximo de

4801 (rede neural 24) e miacutenimo de 1137 (rede neural 26) quando as

categorizaccedilotildees do tempo de sobrevida observado tomaram como referecircncia o

tempo meacutedio de seguimento dos pacientes (49 anos) dependendo da data

disponiacutevel para estimar a sobrevida e da funccedilatildeo de transferecircncia (Tabela 9) Os

resultados foram considerados mais adequados para prever a sobrevida

d) a inclusatildeo da etiologia na categorizaccedilatildeo do tempo de sobrevida

observado entre 2 anos e 6 anos resultou numa previsatildeo da rede neural entre

2191 (rede neural 42) a 2952 (rede neural 40) (Tabelas 9 e 91) O

resultado foi considerado mais adequado para prever a sobrevida para a

cardiopatia da doenccedila de Chagas (2191 rede neural 42) e natildeo acrescentou

capacidade estimativa para as outras etiologias

O teste com vaacuterias categorizaccedilotildees do tempo de sobrevida observado

revelou que os melhores resultados de previsatildeo da sobrevida foram obtidos

pelo modelo de rede definida por tempo de sobrevida observado acima de 6

anos a partir da data da primeira consulta com estimativa de sobrevida de

1277 (funccedilatildeo de ativaccedilatildeo ndash tangente hiperboacutelica rede neural 24) ou 1137

(funccedilatildeo de ativaccedilatildeo ndash zero based log sigmoid rede neural 26) e com tempo

de sobrevida observado entre 2 anos e 6 anos a partir da data do iniacutecio dos

sintomas com estimativa de sobrevida de 2054 (funccedilatildeo de ativaccedilatildeo ndash

Resultados 33

tangente hiperboacutelica rede neural 22) ou 2260 (funccedilatildeo de ativaccedilatildeo ndash zero

based log sigmoid rede neural 20) (Tabelas 9 e 91)

Os resultados dos testes que definiram os melhores modelos de dados

da rede neural em estimar a sobrevida estatildeo representados na tabela 10

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar

a sobrevida

Nos pacientes sobreviventes ateacute dezembro de 2012 os resultados de

previsatildeo da sobrevida satildeo apresentados na tabela 11

Os erros de previsatildeo pelo emprego da rede neural foram superiores

aos obtidos na previsatildeo da primeira fase Ainda assim foram adequados para

prever a sobrevida principalmente no modelo de rede com tempo de sobrevida

observada superior a 6 anos

Os melhores modelos de previsatildeo da sobrevida foram aqueles com

tempo de sobrevida observado superior a 6 anos e que consideraram como

data disponiacutevel para estimar a sobrevida a data da primeira consulta tanto para

tangente hiperboacutelica (2071) quanto para funccedilatildeo zero based log sigmoide

(2150)

Os melhores resultados da rede neural observados nesta fase

coincidiram com os melhores resultados revelados pela rede neural na primeira

fase do aprendizado da rede

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede

neural

Os resultados da previsatildeo de sobrevida sugeridos pela rede neural

estatildeo apresentados na tabela 12 o erro de estimativa da rede variou de acordo

com o modelo de dados da rede neural A comparaccedilatildeo dos erros (previsto pela

rede neural versus observado na evoluccedilatildeo) para cada paciente estaacute

Resultados 34

representada nas tabelas 13 14 15 16 e 17 (estimativas individuais) Os

resultados obtidos foram

a) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n = 19 sobreviventes) da rede comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 3562 (desvio-

padratildeo 2498) para 4755 (desvio-padratildeo 1384) com homogeneidade dos

erros de previsatildeo maior (menor desvio-padratildeo)

Poreacutem individualmente os erros de previsatildeo da comparaccedilatildeo com o

real foram superiores a 44 em 7368 (14 pacientes) do total de pacientes da

amostra e inferiores a 40 em 2632 (5 pacientes) do total de pacientes para

este modelo de dados da rede neural (Tabela 13)

b) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data de iniacutecio dos sintomas e funccedilatildeo zero based log sigmoid ndash a

meacutedia dos erros de previsatildeo (n = 2 sobreviventes) comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 1155 para

4037 com discreta diferenccedila na homogeneidade dos erros de previsatildeo

respectivamente desvios-padratildeo 1249 e 1365 Para os dois pacientes deste

modelo de dados da rede neural os resultados de 5002 e 3072 de

sobrevida natildeo permitiram avaliar da precisatildeo da rede neural (Tabela 14)

c) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

dos erros de previsatildeo (n=2 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 4095 (desvio-padratildeo

1237) para 5614 (desvio-padratildeo 001) com homogeneidade dos erros de

previsatildeo maior (desvio-padratildeo menor) Para os dois pacientes deste modelo de

dados da rede neural os resultados de previsatildeo da sobrevida de 5615 e

5614 natildeo permitiram avaliar a precisatildeo da rede neural (Tabela 15)

d) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia dos

erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros de

previsatildeo dos falecidos em 2013 diminuiu de 2120 (desvio-padratildeo 1396)

para 1880 (desvio-padratildeo 1239) com a dispersatildeo em torno da meacutedia do

Resultados 35

erro de previsatildeo mais homogecircneo (desvio-padratildeo menor) Os resultados

individuais para este modelo de dados da rede neural dos erros de previsatildeo

da comparaccedilatildeo com o real variaram de 069 a 387 Os resultados

superiores a 26 de erro previsatildeo da sobrevida foram observados em 10

pacientes (2778) do total de pacientes da amostra e foram inferiores a 25

em 26 pacientes (7222 ) Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 11 (Tabela 16)

e) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 1848 (desvio-padratildeo

1354) para 1948 (desvio-padratildeo 1167) com maior homogeneidade (menor

desvio-padratildeo) Os resultados individuais dos erros de previsatildeo da comparaccedilatildeo

com o real variaram de 095 a 4588 Os resultados superiores a 26 de

erro de previsatildeo da sobrevida foram observados em 13 pacientes (3611) e

inferiores a 25 em 23 pacientes (6389) do total de pacientes para este

modelo de dados da rede Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 13 (Tabela 17)

A anaacutelise dos resultados de previsatildeo da sobrevida pela rede neural

sugere que os modelos de redes neurais com tempo de sobrevida observada

superior a seis anos considerando a data da primeira consulta tanto para a

funccedilatildeo tangente hiperboacutelica quanto para a funccedilatildeo zero based log sigmoid

apresentaram maior precisatildeo na estimativa da sobrevida

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural

Foram incorporados para aprendizado-treinamento dos modelos de

dados de rede neural 44 pacientes com dados completos dos 83 pacientes que

vieram a falecer em 2013 (reensaio 1 ndash Tabela 18) e 30 pacientes com dados

completos dos 50 pacientes que faleceram em 2014 (reensaio 2 ndash Tabela 19)

Os resultados obtidos foram

Resultados 36

a) reensaio incorporando os oacutebitos ateacute 2013 - os testes de reensaio

realizados em 145 pacientes com oacutebito e informaccedilotildees completas (101 falecidos

em 2012 e 44 em 2013) e a estimativa de sobrevida da rede neural em 269

pacientes (186 falecidos em 2012 e 83 pacientes em 2013) Foi realizado o

reensaio para os melhores modelos de dados da rede neural para previsatildeo da

sobrevida

a1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo de

sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1376 quando comparado com a previsatildeo inicial sem esse dado (1277)

(Tabela 18) A meacutedia geral dos erros reais de previsatildeo da sobrevida pela rede

diminuiu de 2120 (desvio-padratildeo 1396) para 848 (desvio-padratildeo 961)

apoacutes o reensaio 1 (Tabela 20) A homogeneidade dos erros de previsatildeo foi

maior (menor desvio-padratildeo)

a2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1230 quando comparado com o resultado de previsatildeo inicial sem esses

dados (1137) (Tabela 18) A meacutedia geral dos erros reais de previsatildeo da

sobrevida pela rede neural diminuiu de 1848 (desvio-padratildeo 1410) para

1124 (desvio-padratildeo 851) apoacutes o reensaio 1 (Tabela 21) A homogeneidade

dos erros de previsatildeo foi maior (menor desvio-padratildeo)

b) reensaio incorporando os oacutebitos ateacute 2014 - Os testes de reensaio

realizados em 175 pacientes com oacutebito identificado e informaccedilotildees completas

(145 pacientes falecidos 2012 e 30 em 2014) A previsatildeo da estimativa de

sobrevida da rede neural foi realizada em 319 pacientes (269 pacientes

falecidos em 2012 e 50 em 2013) Foi realizado o reensaio para os melhores

modelos de dados da rede neural para previsatildeo da sobrevida

b1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo da

sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1733 quando comparado com o resultado de previsatildeo inicial sem esse dado

Resultados 37

(1277) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 2120 (desvio-padratildeo 1396) para 910 (desvio-

padratildeo 961) apoacutes o reensaio 2 (Tabela 22) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

b2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1488 quando comparado com o resultado de previsatildeo inicial sem esse dado

(1137) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 1848 (desvio-padratildeo 1410) para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 (Tabela 23) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede

neural

Foram comparadas as meacutedias dos erros de previsatildeo da sobrevida (n =

36 pacientes) pela rede neural sem a incorporaccedilatildeo dos oacutebitos de 2013 e 2014

com a incorporaccedilatildeo dos oacutebitos de 2013 e 2014 Os resultados obtidos foram

a) modelo de rede com tempo de sobrevida observado acima de 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

geral (n= 36 pacientes) dos erros sem a incorporaccedilatildeo dos oacutebitos de 2013 e

2014 de previsatildeo da sobrevida pela rede comparados com os resultados apoacutes

os reensaios incorporando os oacutebitos de 2013 e 2014 diminuiu

respectivamente de 2120 (desvio-padratildeo 1396) para a 848 (desvio-

padratildeo 961) e 910 (desvio-padratildeo 787) A homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 2 foi maior (menor desvio-

padratildeo)

Os resultados individuais das meacutedias dos erros de previsatildeo da

sobrevida foram inferiores a 10 em 75 (27 pacientes) e superiores a 15

em 25 (9 pacientes) do total de pacientes para o reensaio 1 (Tabela 22)

Resultados 38

Para o reensaio 2 os erros de previsatildeo da sobrevida pela rede neural foram

inferiores a 10 em 7222 (26 pacientes) e superiores ou iguais a 15 em

2778 (10 pacientes) do total de pacientes (Tabela 22)

b) modelo de rede com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

geral (n = 36 pacientes) dos erros de previsatildeo da sobrevida pela rede sem a

incorporaccedilatildeo dos oacutebitos de 2013 e 2014 comparados com os resultados apoacutes

o reensaio 1 incorporando os oacutebitos diminuiu de 1848 (desvio-padratildeo

1410) para 1124 (desvio-padratildeo 851) e aumentou para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 com maior homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 1 (menor desvio-padratildeo) (Tabela

23) Os resultados individuais das meacutedias dos erros de previsatildeo da sobrevida

incorporando os oacutebitos de 2013 e 2014 foram inferiores ou iguais a 10 em

6111 (22 pacientes) e superiores a 15 em 3889 (14 pacientes) do total

de pacientes para o reensaio 2 (Tabela 23)

Em siacutentese os resultados obtidos pelos testes para os dois melhores

modelos de dados da rede neural sugerem que

a) houve aprendizado satisfatoacuterio da rede neural pela atualizaccedilatildeo dos

dados de mortalidade de anos subsequentes

b) a acuraacutecia das meacutedias dos erros de previsatildeo da sobrevida apoacutes a

incorporaccedilatildeo dos oacutebitos ocorridos em 2013 e 2014 foi melhor quando

comparada com as meacutedias de previsatildeo da rede neural para os sobreviventes

ateacute 2012

c) os resultados das meacutedias gerais dos erros de previsatildeo da sobrevida

foram satisfatoacuterios mas inferiores a 13 apoacutes a incorporaccedilatildeo dos oacutebitos de

2013 e 2014

d) o modelo de dados com limite de sobrevida superior a seis anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica teve a melhor

precisatildeo da rede neural na previsatildeo da sobrevida com erro inferior a 10

e) a precisatildeo da previsatildeo da sobrevida quando avaliada caso a caso

apoacutes a incorporaccedilatildeo dos oacutebitos ocorridos em 2013 permite resultados

satisfatoacuterios (erro de previsatildeo lt 5) em 16 casos mas tambeacutem incorre em

Resultados 39

erros de previsatildeo insatisfatoacuterios (gt30) em dois casos num total de 36 casos

para este modelo de rede

f) a categorizaccedilatildeo do tempo de sobrevida observado eacute importante para

o aprendizado-treinamento da rede neural na previsatildeo da sobrevida

43 Avaliaccedilatildeo dos melhores modelos da rede neural

Os resultados do desempenho dos melhores modelos de rede neural

para a previsatildeo da sobrevida foram avaliados

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo

valor preditivo negativo da rede neural

Para os seis melhores modelos de rede neural os resultados

evidenciaram sensibilidade que variou entre 930 e 872 especificidade

entre 775 e 667 acuraacutecia entre 852 e 789 valor preditivo positivo

que variou entre 880 e 536 e valor preditivo negativo entre 974 e 714

(Tabela 23)

Os resultados obtidos pelos melhores modelos de dados avaliados

permitem a seguinte siacutentese

a) no modelo de rede neural com tempo de sobrevida observado

superior a 6 anos a partir da data da consulta inicial com intervalo de corte de

trecircs anos (1095 dias) a sensibilidade foi de 93 (com ambas as funccedilotildees de

ativaccedilatildeo) especificidade de 775 (funccedilatildeo tangente hiperboacutelica) e 764

(funccedilatildeo zero based log sigmoid) acuraacutecia da rede foi satisfatoacuteria de 81 ou

802 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo negativo alto de

974 (com ambas as funccedilotildees de ativaccedilatildeo) e valor preditivo positivo baixo de

547 ou 536 (dependendo da funccedilatildeo de ativaccedilatildeo)

Resultados 40

b) no modelo de rede neural com tempo de sobrevida observado entre

2 anos e 6 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de dois anos (730 dias) a sensibilidade foi de 898 (com ambas as funccedilotildees

de ativaccedilatildeo) especificidade de 765 (funccedilatildeo zero based log sigmoid) e 725

(funccedilatildeo tangente hiperboacutelica) acuraacutecia da rede foi satisfatoacuteria de 839 e

852 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo alto de 88

ou 863 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo alto

de 796 ou 787 (dependendo da funccedilatildeo de ativaccedilatildeo)

c) no modelo de rede neural com tempo de sobrevida observado

inferior a 2 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de um ano (365 dias) a sensibilidade foi razoaacutevel de 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade inadequada de 667 e 625

(dependendo da funccedilatildeo de ativaccedilatildeo) acuraacutecia satisfatoacuteria de 803 e 789

(dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo razoaacutevel de 837

e 820 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo

de 7275 e 714 (dependendo da funccedilatildeo de ativaccedilatildeo)

d) os resultados foram insatisfatoacuterios nas estimativas por tempo de

seguimento observado superior a 6 anos a partir da data do iniacutecio dos

sintomas com intervalo de corte de dois anos independentemente da funccedilatildeo

de ativaccedilatildeo bem como no tempo de sobrevida observado inferior a 2 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de seis meses

independentemente da funccedilatildeo de ativaccedilatildeo Nos modelos com tempo de

seguimento observado entre 2 anos e 6 anos com intervalo de corte de um

ano independentemente da funccedilatildeo de ativaccedilatildeo tanto para a data do iniacutecio dos

sintomas quanto para a data da consulta inicial os resultados foram

insatisfatoacuterios (Tabela 24)

432 Funccedilatildeo de perda da rede neural

O erro ou perda meacutedia estimada da sobrevida para os melhores

modelos de rede neural (Tabela 25) revelou

Resultados 41

a) o erro meacutedio de previsatildeo da sobrevida variou de 12695 dias a

38931 dias

b) os menores erros de previsatildeo (12695 dias e 13307 dias) foram

obtidos pelo modelo de rede neural com tempo de sobrevida inferior a 2 anos e

o tempo estimado desde a data de iniacutecio dos sintomas

c) os segundos menores erros de previsatildeo (23161 dias e 25906 dias)

foram alcanccedilados pelo modelo de rede neural com tempo de sobrevida entre 2

anos e 6 anos e o tempo estimado desde a data de iniacutecio dos sintomas

d) os piores erros de estimativa foram (29388 dias 33255 dias e

38931 dias) para tempo de sobrevida superior a 6 anos e tempo de sobrevida

entre 2 anos e 6 anos com informaccedilatildeo da data da primeira consulta

Os melhores resultados da funccedilatildeo de perda foram obtidos pelos

modelos de rede neural com o menor nuacutemero de pacientes (tamanho da

amostra = 47) e com informaccedilatildeo da data do iniacutecio dos sintomas

A avaliaccedilatildeo pelo emprego da funccedilatildeo de perda revelou a estimativa da

rede neural que pode alcanccedilar erros de 44 meses ateacute 11 anos para mais ou

para menos

5 Discussatildeo

Discussatildeo 43

A casuiacutestica estudada tem caracteriacutesticas de interesse para a

interpretaccedilatildeo dos achados e potenciais implicaccedilotildees cliacutenicas dos resultados

obtidos

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes

Trata-se de casuiacutestica ambulatorial diversa de casuiacutesticas de

publicaccedilotildees de nosso meio que avaliaram pacientes hospitalizados (Bestetti et

al 1997 Pereira Barretto et al 1998 Carlo et al 2014 Albuquerque et al

2015) Tambeacutem eacute digno de nota o fato de ser hospital acadecircmico de referecircncia

terciaacuteria que integra a rede do Sistema Uacutenico de Sauacutede (SUS) incluindo entre

suas responsabilidades institucionais identificar pacientes com insuficiecircncia

cardiacuteaca de prognoacutestico mais reservado com necessidade de tratamentos

complexos

511 Casuiacutestica

A casuiacutestica (n=2128) pode ser estimada grande comparada com

outras que avaliaram incidecircncia e fatores desencadeantes (n=903) (Pereira

Barretto et al 1998) sobrevida (n= 104) (Mady et al 1994) prognoacutestico

(n=1220 - Freitas et al 2004 ou n=944 - Nadruz et al 2018) fatores preditores

de mortalidade (n=56) (Bestetti et al 1994) modelo cliacutenico de prediccedilatildeo

ambulatorial de sobrevida (n=268) (Aaronson et al 1997) impacto de

comorbidades na estratificaccedilatildeo prognoacutestica ambulatorial (n=807) (Senni et al

2006) de pacientes com insuficiecircncia cardiacuteaca Poreacutem dada a natureza

generalizada sob ponto de vista cardioloacutegico de certa forma aberta do Serviccedilo

lidamos com pacientes que recebem o diagnoacutestico cliacutenico sem restriccedilotildees

quanto a casuiacutesticas apenas de homens (Mady et al 1994) etiologia da

doenccedila de Chagas (Bestetti et al 1994) ou isquecircmica (Lewis et al 2003) ou

Discussatildeo 44

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo inferior ou igual a 40 (Gradman et

al1989)

512 Idade

A meacutedia da idade na casuiacutestica (577 anos desvio-padratildeo 131) foi de

pacientes com idade inferior a 65 anos (71) agrave semelhanccedila de outros estudos

que verificaram meacutedias de idade entre 517 anos (desvio- padratildeo 83) e 59

anos (desvio- padratildeo 14 anos) (Bestetti et al 1997 Freitas et al 2005 Silva et

al 2007 Nadruz et al 2018) embora haja casuiacutesticas publicadas com meacutedia

de idade superior a 61 anos (Roger et al 2004 Rohde et al 2005 Moutinho

et al 2008 Shah et al 2017) e outra com meacutedia de idade de 48 anos desvio-

padratildeo 12 anos (Nunes et al 2008)

Portanto nossa casuiacutestica identificou no periacuteodo de estudo pacientes

adoecidos em fase potencialmente produtiva da vida com suas eventuais

implicaccedilotildees familiares econocircmicas e sociais

513 Sexo

A frequecircncia de homens em relaccedilatildeo a mulheres predominou (64) na

casuiacutestica assim como em outros estudos (Likoff et al 1987 Bestetti et al

1997 Lewis et al 2003 Freitas et al 2005 Rassi et al 2006 Ahmed et al

2006a Theodoropoulos et al 2007 Nunes et al 2008 Marcula et al 2011

Carlo et al 2014 Gheorghiade et al 2013 Abdul-Rahim et al 2016 Nadruz

et al 2018)

Por outro lado haacute estudos em que o sexo feminino foi mais frequente

(Mahmood et al 2014 Gradman et al 1989 MacIntyre et al 2000 Roger et

al 2004 Ahmed et al 2006b Fonarow et al 2007b Moutinho et al 2008

Gerber et al 2015 Albuquerque et al 2015)

Discussatildeo 45

Por conseguinte ainda que a frequecircncia de homens predomine na casuiacutestica

as mulheres compotildeem contingente relevante (Ponikowski et al 2016)

514 Antecedentes

Na nossa casuiacutestica a maioria dos pacientes foi de natildeo diabeacuteticos

(70) e entre aqueles com diagnoacutestico de diabete melito (23) houve 18

insulino - independentes Pacientes com antecedentes de hipertensatildeo arterial

foram prevalentes (72) na casuiacutestica Tais caracteriacutesticas reiteram a

importacircncia epidemioloacutegica da hipertensatildeo arterial em relaccedilatildeo tambeacutem agrave

insuficiecircncia cardiacuteaca

515 Etiologia

A distribuiccedilatildeo da etiologia revisada em cada paciente tem

caracteriacutesticas proacuteprias quanto agrave frequecircncia das cardiopatias hipertensiva

(43) isquecircmica (25) cardiopatia da doenccedila de Chagas (16) cardiopatia

dilatada idiopaacutetica (10) e alcooacutelica (7)

Em outras casuiacutesticas brasileiras houve predomiacutenio de cardiomiopatia

dilatada idiopaacutetica (282 a 372) (Freitas et al 2005 Silva et al 2007) e

isquecircmica (21 a 33) (Pereira Barretto et al 1998 Albuquerque et al 2015

Nadruz et al 2018)

Em casuiacutestica de outros paiacuteses houve diferenccedila na distribuiccedilatildeo

etioloacutegica nas amostras estudadas com a maior frequecircncia de cardiomiopatia

dilatada idiopaacutetica (Keogh et al 1990) ou a etiologia isquecircmica (Senni et al

1999 Levy et al 2006 Abraham et al 2008)

Por isso esta casuiacutestica permite a interessante possibilidade de

avaliaccedilatildeo comparativa de diferentes etiologias da insuficiecircncia cardiacuteaca

Discussatildeo 46

516 Iacutendice de massa corpoacuterea

A meacutedia do iacutendice de massa corpoacuterea foi baixa (269 kgm2 desvio-

padratildeo 57) o valor inferior a 25 kgm2 e o superior a 30 kgm2 ocorreram

respectivamente em 31 e 18 dos pacientes Portanto extremos de massa

corpoacuterea que podem se associar ao prognoacutestico natildeo foram frequentes (Anker

et al 1997 2003 Kenchaiah et al 2002 Veloso et al 2005 Okoshi et al

2017)

517 Frequecircncia cardiacuteaca

A meacutedia da frequecircncia cardiacuteaca foi 8078 (desvio-padratildeo 1597)

batimentos por minuto e os extremos superior a cem batimentos por minuto e

inferiores a 60 batimentos por minuto ocorreram respectivamente em 7 e

3 dos pacientes com insuficiecircncia cardiacuteaca Tais dados podem ser uacuteteis

tambeacutem para o planejamento terapecircutico (Swedberg et al 2010) uma vez

que a frequecircncia cardiacuteaca elevada eacute um fator de risco (Kannel 1987 Pocock et

al 2006 Boumlhm et al 2010) e um preditor de mortalidade (Ariel et al 2005)

518 Pressatildeo arterial sistoacutelica e diastoacutelica

O valor meacutedio da pressatildeo arterial sistoacutelica foi de 1375 mm Hg com

desvio-padratildeo 288 mm Hg e o valor meacutedio da pressatildeo arterial diastoacutelica de 88

mm Hg com desvio-padratildeo 171 mm Hg o que natildeo deixa de ser digno de nota

em relaccedilatildeo ao antecedente de hipertensatildeo arterial frequente

Discussatildeo 47

Pressatildeo arterial sistoacutelica superior a 130 mm Hg (46 dos pacientes) foi

frequente e inferior a 100 mm Hg mais rara (4) por outro lado pressatildeo

arterial diastoacutelica superior a 90 mm Hg e inferior a 80 mm Hg foram

observadas respectivamente em 30 e 21 dos pacientes Em amostra

ambulatorial os extremos de pressatildeo arterial que podem ter significado

prognoacutestico (Vasan et al 2001 Lewis et al 2003 Lee DS et al 2003 Klein et

al 2005 Pocock et al 2006) natildeo foram frequentes

519 Classe funcional

Como casuiacutestica ambulatorial a maior parte dos pacientes (65) da

casuiacutestica estava na classe funcional II ou III da New York Heart Association

enquanto 28 na classe funcional I e IV em igual porcentagem demonstrando

que a maioria dos pacientes se encontrava em condiccedilatildeo estaacutevel de modo a

permitir a orientaccedilatildeo terapecircutica apropriada

5110 Tempo decorrido ateacute o desfecho

Um singularidade desta casuiacutestica satildeo as informaccedilotildees de desfechos no

longo prazo pois a casuiacutestica de 2003 a 2007 teve as informaccedilotildees de

desfechos recuperadas ateacute 2014 com tempo meacutedio de seguimento de 596

meses (desvio-padratildeo 418 meses) O tempo de observaccedilatildeo de outras

casuiacutesticas brasileiras publicadas variou de 1 ano a 64 anos (Bestetti et al

1994 Mady et al 1994 Pereira Barretto et al 1998 Freitas et al 2005 Carlo

et al 2014)

Discussatildeo 48

5111 Variaacuteveis ecocardiograacuteficas

Quanto agraves variaacuteveis ecocardiograacuteficas identificamos o diacircmetro do

aacutetrio esquerdo o diacircmetro diastoacutelico do ventriacuteculo esquerdo e a espessura do

septo interventricular associados agrave mortalidade Esse achado vai ao encontro

de publicaccedilotildees anteriores que relacionaram a dimensatildeo do aacutetrio esquerdo

(Hsiao Chiou 2013) e a dimensatildeo diastoacutelica do ventriacuteculo esquerdo com

prognoacutestico de mortalidade (Freitas et al 2005)

Reiteramos o achado da natildeo associaccedilatildeo entre o diacircmetro sistoacutelico de

ventriacuteculo esquerdo e o prognoacutestico de sobrevida o que vai de encontro a

outros estudos que observaram fraca associaccedilatildeo do diacircmetro sistoacutelico de

ventriacuteculo esquerdo com sobrevida em pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca (Cowie et al 2000) Por outro lado a associaccedilatildeo da

espessura do septo interventricular com a mortalidade foi um achado curioso

A distribuiccedilatildeo da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo reflete as

caracteriacutesticas de casuiacutestica ambulatorial e observamos que os valores

observados natildeo foram associados com o prognoacutestico o que vai de encontro a

outros estudos (Cohn et al 1986 19871988 Gradman et al 1989 Lewis et

al 2003 Pfeffer et al 2003 Freitas et al 2005 Pocock et al 2006 Rassi et

al 2007 Lupoacuten et al 2017)

Natildeo deixa de ser de interesse a restriccedilatildeo ao uso da fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo na estratificaccedilatildeo da insuficiecircncia cardiacuteaca em algumas

circunstacircncias ndash no caso de idosos e hospitalizados ndash (Shah et al 2017) e o

conceito que a fraccedilatildeo de ejeccedilatildeo natildeo seja um marcador acurado de risco de

pacientes apoacutes internaccedilatildeo hospitalar (Steinberg Fang 2017) Talvez este fato

esteja relacionado ao fato de que nas formas mais avanccediladas da doenccedila tanto

os diacircmetros ventriculares quanto a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

atenuem sua associaccedilatildeo com a sobrevida (Veloso et al 2005) Possivelmente

nesta casuiacutestica o mesmo se aplique uma vez que a variaacutevel fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo natildeo se revelou associada ao prognoacutestico de sobrevida

Discussatildeo 49

5112 Variaacuteveis laboratoriais

Entre as variaacuteveis laboratoriais identificamos agrave semelhanccedila de outros

estudos a taxa de potaacutessio seacuterico (Ahmed et al 2007 Bielecka-Dabrowa et

al 2012) a taxa de creatinina seacuterica (Silverberg et al 2000 Vardeny et al

2012 Zanaad et al 2013 Damman et al 2014 Pimentel et al 2014

Palazzuoli et al 2016) e a taxa de colesterol (Volpato et al 2001a Horwich et

al 2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006) associadas ao prognoacutestico

Por outro lado verificamos que a dosagem seacuterica de soacutedio natildeo foi

associada ao prognoacutestico o que vai de encontro a outros estudos que

correlacionaram a concentraccedilatildeo mais baixa de soacutedio seacuterico agrave severidade da

insuficiecircncia cardiacuteaca (Klein et al 2005) e como preditor de mortalidade (Lee

WH Packer 1986 Lee DS et al 2003 Milo-Cotter et al 2008 Abraham et al

2008 Waikar et al 2009 Kajimoto et al 2016)

Reproduzimos neste estudo a observaccedilatildeo de natildeo associaccedilatildeo da

dosagem seacuterica de hemoglobina com o prognoacutestico Uma possiacutevel explicaccedilatildeo

estaria relacionada agrave baixa prevalecircncia da anemia (11 de pacientes com

hemoglobina seacuterica inferior a 12 gdl) quando comparada com a prevalecircncia

tanto em pacientes ambulatoriais de 426 (Go et al 2006) a 556

(Silverberg et al 2000) quanto em pacientes hospitalizados de 17

(Ezekowitz et al 2003) a 45 (Maraldi et al 2006) Entretanto os resultados

que observamos vatildeo de encontro a outros autores (Ezekowitz et al 2003

Anand et al 2004 Maraldi et al 2006 Levy et al 2006 Tang Katz 2008

Kyriakou Kiff 2016) que associaram a anemia com prognoacutestico

Talvez a explicaccedilatildeo para nossa observaccedilatildeo que vai ao encontro de

estudos (Anand et al 2005 Abebe et al 2017) e da afirmaccedilatildeo de Inder S

Anand seja a presenccedila de anemia como marcador de risco natildeo como preditor

de mortalidade (Anand 2008)

Discussatildeo 50

As taxas seacutericas de leucoacutecitos e de linfoacutecitos foram outras variaacuteveis

laboratoriais avaliadas em nossa casuiacutestica que natildeo foram associadas com o

prognoacutestico de sobrevida o que vai de encontro a outros estudos que

associaram valores baixos de linfoacutecitos ndash mas natildeo agrave dosagem seacuterica de

leucoacutecitos ndash com mortalidade (Acanfora et al 2001 Huehnergarth et al 2005

Charach et al 2011 Uthamalingam et al 2011 Marcula et al 2015)

5113 Medicamentos em uso

Verificamos a subutilizaccedilatildeo do tratamento medicamentoso

recomendado (Bocchi et al 2009 2012 Ponikowski et al 2016) para os

pacientes com insuficiecircncia cardiacuteaca com fraccedilatildeo de ejeccedilatildeo reduzida Fatores

de aderecircncia ao tratamento medicamentoso recomendado tecircm sido

reconhecidos como desafios no tratamento de pacientes (Chizzola et al 1996

Pereira-Barretto et al 2001) A preocupaccedilatildeo com a subutilizaccedilatildeo do

tratamento medicamentoso por diferentes motivos tem existido em nosso

meio haacute vinte e dois anos Poreacutem esperar-se-ia que fosse menor hoje do que

a observada em nossa casuiacutestica Tal verificaccedilatildeo tambeacutem foi feita em outros

paiacuteses em duas grandes coortes com respectivamente 105388 pacientes

(53 55856 pacientes em uso de inibidores da enzima de conversatildeo da

angiotensina ou bloqueadores do receptor da angiotensina e 48 50586

pacientes em uso de betabloqueadores) do Registro ADHERE (Acute

Descompensated Heart Failure National Registry) (Gheorghiade Filippatos

2005) e em 6505 pacientes (56 3643 pacientes em uso de 50 da dose

alvo de betabloqueador) do estudo SHIFT (Systolic Heart Failure tratment with

the inhibitor Ivabradine Trial) (Swedberg et al 2010)

Curiosamente verificamos que o nuacutemero de medicamentos em uso da

maneira como foi analisado natildeo foi associado ao prognoacutestico

Discussatildeo 51

5114 Mortalidade

A mortalidade geral por todas as causas em nossa casuiacutestica foi alta

(60) nos onze anos de seguimento ambulatorial em consonacircncia a outras

experiecircncias da literatura (Roger et al 2004 Barker et al 2006) foi superior

nos pacientes do sexo masculino e nos idosos (acima de 65 anos) e

comparaacutevel agrave casuiacutestica estrangeira com meacutedia de oito anos de

acompanhamento cuja mortalidade foi similarmente alta (678) e mais

frequente (54) nos pacientes acima de 80 anos (Gerber et al 2015)

Os dados de evoluccedilatildeo tardia satildeo uma peculiaridade relevante desta

casuiacutestica De fato observaccedilotildees dilatadas no tempo satildeo uacuteteis para divisar a

evoluccedilatildeo de doenccedilas

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica

Estimamos a probabilidade de sobrevida em relaccedilatildeo agraves caracteriacutesticas

demograacuteficas cliacutenicas e laboratoriais escolhidas dentre 45 variaacuteveis reduzidas

para 33 em funccedilatildeo de redundacircncia de informaccedilatildeo impliacutecita na variaacutevel Eacute de

interesse observar a influecircncia de cada variaacutevel obtida no exame de rotina no

decorrer de quase uma deacutecada de acompanhamento

Eacute oportuno enfatizar o tratamento dos dados faltantes quase inerentes

a este estudo da aacuterea de epidemiologia cliacutenica em condiccedilotildees da vida real (real

life conditions) sempre um desafio cientiacutefico e estatiacutestico pois haacute os limites do

controle possiacutevel na atividade cotidiana que dissipa controles estritos atinentes

a protocolos (protocol conditions)

Em estudo anterior foi submetida a teste a hipoacutetese de ordenar os

dados faltantes para cada variaacutevel em uma categoria atenuando a perda de

participantes com informaccedilatildeo na modelagem estatiacutestica e consequentemente

com perda da estimativa tambeacutem para os participantes com dado faltante

(Paes 2007 Assunccedilatildeo 2012) Tivemos a oportunidade de nos apoiarmos

Discussatildeo 52

nesse meacutetodo amenizando assim o escape de potenciais resultados

relevantes pela perda da informaccedilatildeo sem comprometer a confiabilidade do

resultado obtido (Nunes 2009 Nunes 2011 Kaambwa et al 2012) pela

necessidade de enfrentar a realidade praacutetica de dados faltantes (Little et al

2012 Ware et al 2012)

Em relaccedilatildeo agraves variaacuteveis demograacuteficas e cliacutenicas a idade se revelou

significativa (plt0001) agrave similitude da observaccedilatildeo de outros autores (Klein et

al 2005 Abraham et al 2008) e a probabilidade de sobrevida foi

significativamente menor em relaccedilatildeo aos pacientes com mais de 65 anos de

idade observaccedilatildeo condizente com estudos preacutevios (MacIntyre et al 2000

Lewis et al 2003 Roger et al 2004 2013 Barker et al 2006 Pocock et al

2006) nos pacientes com iacutendice de massa corpoacuterea inferior a 25 kgm2

acordes com outras experiecircncias (Horwich et al 2001 Davos et al 2003

Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) nos pacientes

com doenccedila de Chagas concordante com observaccedilotildees feitas no decorrer de

deacutecadas (Freitas et al 2002 2005 Nunes et al 2008 2013 Issa et al 2010

Rassi et al 2010 Bocchi et al 2017 Nadruz et al 2018) Tambeacutem foi menor

a probabilidade de sobrevida para pacientes em classe funcional III e IV da

New York Heart Association de acordo com as observaccedilotildees em estudos

preacutevios (Pocock et al2006 Theodoropoulos et al 2008) e em pacientes com

histoacuteria de diabetes melito sem o uso de insulina ou com o uso de insulina

conforme estudos anteriores de outros pesquisadores (Pfeffer et al 2003

Pocock et al 2006)

Por outro lado pacientes com pressatildeo arterial diastoacutelica superior a 90

mm Hg demonstraram maior probabilidade de sobrevida tendecircncia tambeacutem

observada por outros autores (Poole-Wilson et al 2003 Kalantar-Zadeh et al

2004 Pocock et al 2006)

Entre os dados de exames complementares verificamos menor

probabilidade de sobrevida nos doentes com espessura do septo

interventricular superior a 12 mm no diacircmetro diastoacutelico do ventriacuteculo esquerdo

superior a 75 mm no diacircmetro do aacutetrio esquerdo (Hsiao Chiou 2013) superior

ou igual a 40 mm na dosagem seacuterica do potaacutessio superior a 50 mEqL de

Discussatildeo 53

acordo com observaccedilotildees de outros autores (Rossignol et al 2011) Na

dosagem seacuterica de colesterol total inferior a 200 mgdl concorde com outros

pesquisadores (Krumholz et al 1994 Volpato et al 2001b Horwich et al

2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004 Afsarmanesh

et al 2006 Christ et al 2006 Kjekshus et al 2007) e na dosagem seacuterica da

creatinina superior a 26mgdL achados em harmonia com outras experiecircncias

(Dries et al 2000 Fonarow et al 2005 Vardeny et al 2012 Damman et al

2014 Pimentel et al 2014 Kang et al 2018)

Reproduzimos neste estudo a observaccedilatildeo da relaccedilatildeo inversa entre a

elevaccedilatildeo de algumas variaacuteveis cliacutenicas e laboratoriais e a melhor probabilidade

de sobrevida significativamente maior que confirmaram os resultados de

outros estudos para a pressatildeo arterial diastoacutelica (Horwich et al 2001 Kalantar-

Zadeh et al 2004) iacutendice de massa corpoacuterea (Horwich et al 2001 Davos et

al 2003 Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) e

dosagem de colesterol total (Krumholz et al 1994 Volpato et al 2001a

Horwich et al 2002 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006 Christ et al 2006 Kjekshus et al 2007 Horwich et

al 2008)

Na maioria dos pacientes (86 dos pacientes) observamos que a

dosagem de hemoglobina seacuterica foi superior a 12 mgdl e estes evoluiacuteram com

melhor sobrevida ao longo do tempo o que vai de encontro ao observado

(Silverberg et al 2000)

Reiteramos a relaccedilatildeo inversa entre a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo e a mortalidade concordante com estudos preacutevios (Senni Redfield

2001) poreacutem a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo foi associada com o

prognoacutestico apenas na anaacutelise univariada o que vai de encontro a observaccedilotildees

preacutevias de outros estudos (Cohn et al 1988 Gradman et al 1989 Cintron et

al 1993 Lewis et al 2003 Freitas et al 2005 Pocock et al 2006) mas natildeo

se manteve como variaacutevel significante na anaacutelise subsequente

A nossa casuiacutestica caracterizou-se pela baixa utilizaccedilatildeo do tratamento

medicamentoso recomendado apesar dos avanccedilos observados nos uacuteltimos

Discussatildeo 54

trinta anos (Sacks et al 2014 McMurray et al 2014) que comprovaram a

reduccedilatildeo na fraccedilatildeo de ejeccedilatildeo e de mortalidade (Burnett et al 2017)

Reproduzimos que 14 e 49 dos pacientes respectivamente natildeo

fizeram uso dos inibidores da enzima de conversatildeo da angiotensina ou do

bloqueador do receptor da angiotensina e do antagonista da aldosterona e

mais da metade dos pacientes (55) natildeo fizeram uso de betabloqueador

apesar da importacircncia do seu uso contra o deleteacuterio efeito da ativaccedilatildeo do

sistema nervoso simpaacutetico (Khan 2015) e da reduccedilatildeo de 34 na mortalidade

nos pacientes com etiologia isquecircmica (Hjalmarson et al 2000) bem como a

reduccedilatildeo de 35 na mortalidade em pacientes com insuficiecircncia cardiacuteaca

(Packer et al 2001) Sendo assim nossos resultados se aproximam das

tendecircncias observadas em estudos recentes em que 83 dos pacientes

fizeram uso de betabloqueador 16 de inibidores da enzima de conversatildeo

56 de bloqueadores do receptor da angiotensina e 21 com antagonistas

da aldosterona (Shah et al 2017 Steinberg et al 2017)

Verificamos mortalidade em cinco anos de 32 e em onze anos de

60 semelhante agraves observaccedilotildees de estudos nacionais (Godoy et al 2011

Kaufman et al 2015) e internacionais (Roger et al 2004 Barker et al 2006

McMurray et al 2014 Sacks et al 2014 Gerber et al 2015) Ainda que

elevada e necessitando de reduccedilatildeo foi menor do que o observado no

Framingham Heart Study com mortalidade superior a 50 decorridos cinco

anos do diagnoacutestico de insuficiecircncia cardiacuteaca (Kenchaiah Vasan 2015)

Selecionamos assim as variaacuteveis para a avaliaccedilatildeo prognoacutestica pelo modelo

de riscos proporcionais de Cox

Para a construccedilatildeo do modelo de riscos proporcionais de Cox houve

um cuidado adicional para identificar variaacuteveis associadas com o prognoacutestico

Na primeira etapa contribuiacuteram apenas os dados vaacutelidos cujo interesse foi

comparar grupos e identificar diferenccedilas A partir da segunda etapa a categoria

dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis natildeo

significativas

A pressatildeo arterial sistoacutelica foi retirada do modelo pois na avaliaccedilatildeo da

significacircncia do seu efeito pelo teste de verossimilhanccedila somente a categoria

Discussatildeo 55

dos ldquodados faltantesrdquo foi relevante portanto foi eliminada como fator

prognoacutestico para a sobrevida

Na terceira etapa as variaacuteveis natildeo significativas foram reintroduzidas

testadas uma a uma no modelo e tiveram sua significacircncia recalculada para

confirmar que natildeo estariacuteamos perdendo a relevacircncia cliacutenica de alguma

variaacutevel O antecedente de diabetes revelou-se significante Assim

identificamos cuidadosamente as variaacuteveis associadas com o prognoacutestico

Uma variaacutevel que se revelou importante durante o estudo foi o tempo

decorrido desde o iniacutecio dos sintomas estimado a partir da anamnese dos

pacientes individualmente que informa de certo modo a evoluccedilatildeo da doenccedila

Eacute digno de nota que tal informaccedilatildeo baacutesica e fundamental estivesse ausente

em alta percentagem de pacientes (76) Nossa observaccedilatildeo reiterou a

importacircncia de um dado obteniacutevel na anamnese tanto na avaliaccedilatildeo da

probabilidade de sobrevida quanto nas estimativas da rede neural e que deve

sempre ser pesquisado nos pacientes

Apesar de estudos anteriores revelarem maior mortalidade associada agrave

taxa de soacutedio seacuterico (Klein et al 2005 Levy WC et al 2006 Abraham et al

2008) agrave concentraccedilatildeo de hemoglobina seacuterica (Levy WC et al 2006) agrave taxa

de trigliceacuterides (Freitas et al 2009) agrave fraccedilatildeo de lipoproteiacutena de baixa

densidade (Horwich et al 2008) agrave fraccedilatildeo de lipoproteiacutena de alta densidade

(Volpato et al 2001b) e ao valor da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(Levy WC et al 2006) em nossa casuiacutestica essas variaacuteveis natildeo foram

selecionadas pela anaacutelise estatiacutestica como fatores prognoacutesticos de sobrevida

Portanto natildeo foram eleitas como variaacuteveis preditoras de sobrevida para a rede

neural

A associaccedilatildeo sugerida entre a taxa de hemoglobina e o prognoacutestico

(Anand et al 2004 Ezekowitz et al 2003 Maraldi et al 2006 Tang et al

2008 Kyriakow et al 2016) como preditor de sobrevida (Levy WC et al

2006) e como marcador de risco (Anand et al 2005 2008 Abebe et al 2017)

natildeo foi reproduzida nos achados deste estudo Por outro lado diabetes melito

influiu negativamente no prognoacutestico Entre os dados ecocardiograacuteficos

tambeacutem observamos a associaccedilatildeo com o prognoacutestico do diacircmetro do aacutetrio

Discussatildeo 56

esquerdo (Hsiao Chiou 2013) do diacircmetro diastoacutelico do ventriacuteculo esquerdo

(Merlo et al 2011 Addetia et al 2015) e da espessura do septo

interventricular variaacuteveis selecionadas para a rede neural

Nas 12 variaacuteveis selecionadas como fator prognoacutestico na sobrevida os

dados faltantes foram inferiores a 31 iacutendice de massa corpoacuterea 18

pressatildeo arterial diastoacutelica 6 classe funcional segundo a New York Heart

Association diabetes melito 7 dosagem seacuterica de potaacutessio 5 dosagem

seacuterica de creatinina 3 dosagem seacuterica de colesterol total 30 espessura do

septo interventricular do ventriacuteculo esquerdo 37 diacircmetro diastoacutelico do

ventriacuteculo esquerdo 21 diacircmetro do aacutetrio esquerdo 22

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede

neural

Antes de avaliar os resultados obtidos pelo emprego da rede neural

cabem observaccedilotildees sobre questotildees metodoloacutegicas desenvolvidas na anaacutelise

531 Amostras aleatoacuterias

O emprego da rede neural pressupotildee as etapas de aprendizado-

treinamento e previsatildeo aleacutem de experimentar a melhor maneira de agrupar os

dados para que a rede neural aprenda e reconheccedila padrotildees a partir de

exemplos alcanccedilando melhor estimativa da sobrevida

O primeiro meacutetodo de aprendizado-treinamento utilizado foi ordenar a

casuiacutestica em trecircs grupos aleatoacuterios de forma que o aprendizado seria feito no

primeiro o treinamento no segundo e a aplicaccedilatildeo no terceiro grupo A

acuraacutecia da previsibilidade da rede nesta circunstacircncia foi muito baixa Tal

Discussatildeo 57

ocorreu provavelmente em razatildeo de agrupar valores de tempos de sobrevida

tempo decorrido do iniacutecio dos sintomas ou tempo decorrido da primeira

consulta tatildeo diacutespares entre os pacientes Portanto ordenar a nossa casuiacutestica

pelo meacutetodo de amostras aleatoacuterias natildeo foi adequado para melhorar a previsatildeo

da sobrevida pela rede neural

Tambeacutem merece menccedilatildeo o fato de que este estudo natildeo se dedicou agrave

comparaccedilatildeo entre a anaacutelise estatiacutestica tradicional e a rede neural mas por

utilizar o meacutetodo estatiacutestico como ferramenta para definiccedilatildeo das variaacuteveis

associadas ao prognoacutestico viabilizando a imputaccedilatildeo dessas variaacuteveis para

aprendizado e treinamento da rede neural

532 Data do iniacutecio dos sintomas

Com base na importacircncia cliacutenica da referecircncia da data em que o

paciente iniciou a percepccedilatildeo dos sintomas a ser obtida na avaliaccedilatildeo inicial foi

oportuno considerar a variaacutevel data do iniacutecio dos sintomas que

independentemente de outras variaacuteveis limitadoras da funccedilatildeo de ativaccedilatildeo ou

do tempo de sobrevida com ou sem categorizaccedilatildeo sugeriu os melhores

resultados de previsatildeo da sobrevida pela rede neural

Constatamos que a presenccedila da data do iniacutecio dos sintomas para o

aprendizado-treinamento da rede revelou resultados adequados de previsatildeo de

sobrevida entre 2054 e 2260 de erro de previsatildeo Poreacutem estes

resultados foram piores quando se realizou a previsatildeo da rede nos pacientes

em acompanhamento (vivos) com valores entre 3323 e 3933 Sendo

assim estudos adicionais seratildeo necessaacuterios com a data inicial da estimativa do

iniacutecio dos sintomas para melhor acuraacutecia de previsatildeo da sobrevida pela rede

neural e avaliaccedilatildeo prognoacutestica

Em siacutentese quando a informaccedilatildeo data do iniacutecio dos sintomas foi

utilizada como momento inicial da estimativa de sobrevida a acuraacutecia da rede

neural foi maior A observaccedilatildeo por tempo mais longo teria permitido apreciar a

natureza do quadro cliacutenico mais estaacutevel (periacuteodo menos sintomaacutetico) em

Discussatildeo 58

relaccedilatildeo agrave data da primeira consulta (em geral associada agrave piora de sintomas e

referecircncia a hospital terciaacuterio) Tal achado permite sugerir que os pacientes

com longa evoluccedilatildeo da doenccedila portanto mais estaacuteveis foram propensos a

uma previsatildeo mais acurada da rede neural do que pacientes com menor tempo

de evoluccedilatildeo entendidos como clinicamente mais instaacuteveis

533 Tempos de evoluccedilatildeo

Em razatildeo da disparidade de valores considerados tanto por nossa

praacutetica cliacutenica quanto por dados de estudos preacutevios (Likoff et al 1987 Bestetti

et al 1994 Mady et al 1994 Alla et al 2000 Freitas et al 2005 Franke et

al 2015) a verificaccedilatildeo de acuraacutecia da rede sugere que existam grupos de

melhor prognoacutestico (tempo mais longo de evoluccedilatildeo) e de prognoacutestico mais

reservado (tempo mais curto de evoluccedilatildeo) resultado clinicamente

fundamentado a nosso ver pois categoriza os tempos de evoluccedilatildeo dos

pacientes da casuiacutestica

A categorizaccedilatildeo da rede neural em trecircs modelos de rede com faixas de

tempos distintos revelou-se em nossa casuiacutestica como a mais apropriada para

melhorar a estimativa da sobrevida Tal observaccedilatildeo eacute concordante com o

resultado obtido na melhora da acuraacutecia da rede neural apoacutes a categorizaccedilatildeo

dos tempos de seguimento ou tempo de sobrevida observado Esse cuidado

preveniu que a rede neural dissipasse as estimativas em virtude da grande

diferenccedila entre os tempos de sobrevida

Confirma-se desse modo que as doenccedilas de mais longa evoluccedilatildeo satildeo mais

estaacuteveis e indicam quadro cliacutenico mais benigno do que os quadros de curta

evoluccedilatildeo mais instaacuteveis

Os melhores resultados da rede neural foram revelados pelos trecircs

modelos de redes neurais categorizadas por tempo de sobrevida inferior a dois

anos (ateacute 729 dias) entre dois anos e seis anos (730 a 2190 dias) e superior a

seis anos (acima de 2190 dias) que viabilizaram a mais satisfatoacuteria previsatildeo

da sobrevida pela rede neural

Discussatildeo 59

Para o aprendizado-treinamento da rede neural com sobrevida superior

a 2 anos a retirada do extremo inferior (menor do que dois anos) do tempo de

sobrevida observado permitiu melhor previsatildeo pela rede neural

Se o paciente tiver longo tempo de histoacuteria poderaacute significar fase

avanccedilada de evoluccedilatildeo mas tambeacutem indicaraacute quadro cliacutenico mais benigno e de

melhor prognoacutestico ndash isto talvez se relacione ao achado de pacientes embora

aguardando muito tempo em fila de transplante foram retirados dela Estes

pacientes com tempo de evoluccedilatildeo mais curto portanto mais instaacuteveis

clinicamente talvez sejam os mais beneficiados da anaacutelise pelo emprego de

marcadores adicionais como parte da avaliaccedilatildeo prognoacutestica Para eles as

dosagens das catecolaminas plasmaacuteticas da funccedilatildeo renal e do peptiacutedeo

natriureacutetico atrial bem como a inclusatildeo dos medicamentos em uso

contribuiriam para o estudo da acuraacutecia ou da estimativa prognoacutestica

Sendo assim o modelo de rede neural com o melhor resultado de

previsatildeo da sobrevida ndash erro da rede inferior a 128 ndash ocorreu com os

pacientes com tempo de sobrevida observado superior a seis anos a partir da

data da primeira consulta independentemente da funccedilatildeo da ativaccedilatildeo Aleacutem

disso o segundo modelo de melhor acuraacutecia ndash erro da rede neural inferior a

23 ndash ocorreu para o tempo de sobrevida observado entre dois anos e seis

anos a partir da data do iniacutecio dos sintomas independentemente da funccedilatildeo de

ativaccedilatildeo utilizada pela rede neural

Por outro lado na fase de previsatildeo da rede neural o modelo com o

melhor resultado de previsatildeo da sobrevida ndash erro da rede inferior ou igual a

215 ndash ocorreu com os pacientes com tempo de sobrevida observado

superior a seis anos a partir da data da primeira consulta independentemente

da funccedilatildeo da ativaccedilatildeo em concordacircncia com o que sugeriu a rede neural na

fase de aprendizado-treinamento

Todavia para o segundo modelo a acuraacutecia da rede foi menos adequada ndash

erro da rede neural inferior a 394 ndash para o tempo de sobrevida observado

entre dois anos e seis anos a partir da data do iniacutecio dos sintomas

independentemente da funccedilatildeo de ativaccedilatildeo

Tambeacutem devemos tomar em consideraccedilatildeo que por razotildees

metodoloacutegicas a variaccedilatildeo dos tempos de seguimento dos pacientes foi fixada

Discussatildeo 60

e limitada ateacute 2012 para a anaacutelise de sobrevida e atualizada ateacute 2014 para a

rede neural

534 Variaacuteveis faltantes

Seguimos orientaccedilatildeo da literatura (Ennett et al 2001 Frize et al

2001) tanto para imputar valores normais para as informaccedilotildees faltantes como

pela necessidade deste preacute-requisito para o aprendizado da rede neural

(Ennett et al 2001 2008 Frize et al 2001) Para melhor avaliaccedilatildeo

exploramos para imputaccedilatildeo os valores de referecircncia da normalidade os

superiores da normalidade e os da mediana (Kaambwa et al 2012) Em face

dos resultados optamos por assumir os valores de referecircncia normais das

variaacuteveis faltantes

Tambeacutem devemos salientar que as variaacuteveis faltantes podem ou natildeo

associar-se com menor probabilidade de sobrevida

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em

geral

Por vezes a pressuposta importacircncia cliacutenica reconhecida da variaacutevel

submetida a teste natildeo se traduziu em melhor previsibilidade da rede neural A

inclusatildeo da variaacutevel fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo natildeo melhorou a

previsatildeo de sobrevida pela rede neural Esta observaccedilatildeo vai ao encontro do

resultado do modelo de Cox que natildeo considerou a fraccedilatildeo de ejeccedilatildeo como

variaacutevel prognoacutestica

A categorizaccedilatildeo de variaacuteveis como idade sexo creatinina colesterol

total diacircmetro diastoacutelico do ventriacuteculo esquerdo ou outras variaacuteveis

consideradas de importacircncia cliacutenica natildeo melhoraram a previsatildeo de sobrevida

da rede neural

Discussatildeo 61

Portanto o criteacuterio de limitar caracteriacutesticas cliacutenicas isoladamente natildeo foi bom

previsor de prognoacutestico

O teste de previsatildeo do prognoacutestico com a rede neural isoladamente

natildeo revelou boa acuraacutecia a acuraacutecia melhorou quando foram empregadas as

variaacuteveis selecionadas a partir do modelo de riscos proporcionais de Cox

536 Funccedilotildees de transferecircncia

A acuraacutecia da rede neural sem a categorizaccedilatildeo do tempo de

sobrevida foi baixa independentemente da funccedilatildeo de transferecircncia ou de

ativaccedilatildeo sugerida na literatura (Buskard et al 1994 Lundin et al 1999 Frize

et al 2000 Ennett e col 2004 2008 Grossi 2006) Por outro lado quando o

tempo de sobrevida foi categorizado e a funccedilatildeo de transferecircncia zero based log

sigmoid foi adotada o resultado na previsatildeo da sobrevida melhorou

537 Treinamento excessivo (overfitting)

Pode resultar em aumento do erro de previsatildeo e menor acuraacutecia da

rede neural Identificar o momento apropriado de finalizar o treinamento da

rede neural eacute um dos detalhes metodoloacutegicos relevantes (Guimaratildees et al

2008) Prevenimos o treinamento excessivo da rede neural ao limitar o nuacutemero

maacuteximo de ciclos e o erro delta da rede neural por meio de testes adicionais

variando o nuacutemero de ciclos e o erro delta

538 Estudo em cinco fases

Discussatildeo 62

O meacutetodo que empregamos foi criterioso nas fases iniciais para

categorizar e selecionar os melhores modelos de dados para a previsatildeo da

sobrevida pela rede neural Destacamos a estimativa do erro hipoteacutetico

(sobrevida prevista subtraiacuteda da sobrevida observada e multiplicada por cem

dividida pela sobrevida observada) utilizada na fase 2 do aprendizado-

treinamento em que a rede neural superestimou o erro verdadeiro de previsatildeo

da sobrevida Nas fases 4 e 5 com novos dados de mortalidade observamos a

acuraacutecia da rede e dependendo do modelo melhorou ou se manteve em

valores menores que 13 de meacutedia do erro de previsatildeo da sobrevida

54 Avaliaccedilatildeo dos melhores modelos de rede neural

541 Sensibilidade especificidade valor preditivo positivo e valor

preditivo negativo

Observamos boa sensibilidade (93) para ambas as funccedilotildees de

ativaccedilatildeo e razoaacutevel especificidade (superior a 763) ndash com valores de 764

ou 775 ndash para o modelo com tempo de sobrevida observado superior a seis

anos a partir da data da consulta inicial com o intervalo de corte de 1095 dias

ou trecircs anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Da

mesma forma a acuraacutecia da rede neural foi boa com valores de 802 e 81

dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Para estes

modelos de rede neural o valor preditivo negativo foi adequado (974) jaacute que

na previsatildeo da rede neural em que o paciente estava vivo no intervalo de

tempo definido existiram 974 de chance de acerto da rede no prognoacutestico

de sobrevida e 26 de chance de o paciente ter morrido

Tambeacutem observamos boa sensibilidade (898) para ambas as

funccedilotildees de ativaccedilatildeo e razoaacutevel especificidade (superior a 73) ndash com valores

de 725 ou 765 ndash para o modelo com tempo de sobrevida observado entre

Discussatildeo 63

dois anos a seis anos a partir da data do iniacutecio dos sintomas para intervalo de

corte de 730 dias ou dois anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada

pela rede neural Para estes modelos de rede a acuraacutecia foi boa com valores

de 852 e 839 dependendo da funccedilatildeo de ativaccedilatildeo e o valor preditivo

positivo foi adequado e variou entre 88 e 863 dependendo da funccedilatildeo de

ativaccedilatildeo jaacute que na previsatildeo da rede neural em que o paciente morreu no

intervalo de corte definido existiram 88 ou 863 de chance de acerto da

rede no prognoacutestico de sobrevida e respectivamente 12 ou 196 de

chance de o paciente estar vivo apesar de a rede ter sugerido o oposto

Observamos razoaacutevel sensibilidade (872) para ambas as funccedilotildees de

ativaccedilatildeo e inadequada especificidade (inferior a 667) ndash com valores de

665 ou 667 ndash para o modelo com tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de um

ano (365 dias) dependendo da funccedilatildeo de ativaccedilatildeo Para estes modelos a

acuraacutecia foi satisfatoacuteria entre 803 e 789 (dependendo da funccedilatildeo de

ativaccedilatildeo) valor preditivo positivo razoaacutevel entre 837 e 820 (dependendo

da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo entre 7275 e 714

(dependendo da funccedilatildeo de ativaccedilatildeo)

Tambeacutem observamos os resultados insatisfatoacuterios nas estimativas com

o tempo de seguimento observado superior a seis anos a partir da data do

iniacutecio dos sintomas com intervalo de corte de dois anos independentemente

da funccedilatildeo de ativaccedilatildeo assim como no tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de

seis meses independentemente da funccedilatildeo de ativaccedilatildeo Da mesma maneira

modelos com tempo de seguimento observado entre dois anos e seis anos

com intervalo de corte de um ano independentemente da funccedilatildeo de ativaccedilatildeo

tanto para a data do iniacutecio dos sintomas quanto para a data da consulta inicial

os resultados foram insatisfatoacuterios

Em siacutentese os resultados dos melhores modelos de redes neurais

evidenciaram

a) boa sensibilidade razoaacutevel especificidade bom valor preditivo

negativo e inadequado valor preditivo positivo para o modelo de rede com

Discussatildeo 64

tempo de sobrevida observado e categorizado superior a seis anos a partir da

data da consulta inicial independentemente da funccedilatildeo de transferecircncia

b) boa sensibilidade inadequada especificidade e razoaacutevel valor

preditivo positivo e valor preditivo negativo para o modelo de rede com tempo

de sobrevida observado e categorizado entre dois anos e seis anos a partir da

data do iniacutecio dos sintomas independentemente da funccedilatildeo de transferecircncia

Poreacutem se considerarmos o mesmo modelo com a data da primeira consulta a

sensibilidade e o valor preditivo positivo foram razoaacuteveis enquanto a

especificidade e o valor preditivo negativo foram inadequados

542 Funccedilatildeo de perda

Para maior rigor metodoloacutegico e levando em consideraccedilatildeo que os

conceitos de sensibilidade e especificidade satildeo aplicaacuteveis principalmente para

variaacuteveis binaacuterias e natildeo para variaacuteveis contiacutenuas o desempenho preditivo da

rede neural foi avaliado pelo emprego da funccedilatildeo de perda para a variaacutevel

contiacutenua tempo de sobrevida (Yuan 2008)

Observamos que os resultados de previsatildeo da sobrevida obtidos pela

funccedilatildeo de perda foram satisfatoacuterios e com variaccedilotildees de desempenho preditivo

que podem alcanccedilar erros de 44 meses ateacute 11 anos para mais ou para

menos para os modelos de rede neurais avaliados Tendo em vista o

pressuposto de que para a funccedilatildeo de perda quanto menor o erro da rede

neural melhor a previsatildeo de sobrevida da rede neural ou quanto maior o erro

da rede neural menor a previsatildeo de sobrevida (Santos 2013)

Cabe salientar que os quatro melhores resultados da funccedilatildeo de perda

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado respectivamente inferior a dois anos (126 dias 95 dias e 13307

dias) e entre dois anos e seis anos (23161 dias e 25906 dias) ambos com

data do iniacutecio dos sintomas independentemente da funccedilatildeo de ativaccedilatildeo

utilizada pelo modelo de rede neural Na sequecircncia os melhores resultados

Discussatildeo 65

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado acima de seis anos (29388 dias e 33255 dias) a partir da data da

primeira consulta independentemente da funccedilatildeo de ativaccedilatildeo e entre dois anos

e seis anos (38931 dias) a partir da data da primeira consulta para a funccedilatildeo

zero based log sigmoid utilizada pela rede neural

Os resultados permitem sugerir que a informaccedilatildeo data do iniacutecio dos

sintomas seja importante para a estimativa dos modelos de rede neural com

sobrevida inferior a seis anos independentemente do tamanho da amostra

543 Sensibilidade e especificidade versus funccedilatildeo de perda

O desempenho preditivo oposto obtido entre os resultados da funccedilatildeo

de perda e os resultados da sensibilidade e especificidade para os modelos de

redes neurais - os modelos de rede neural com as melhores estimativas pela

funccedilatildeo de perda foram os modelos de rede com as piores estimativas pela

sensibilidade e especificidade Eacute de se destacar que a melhor estimativa de

sobrevida obtida pela funccedilatildeo de perda para os modelos de rede neural foi

observada no modelo de rede com o menor nuacutemero de pacientes (n=47)

poreacutem com a informaccedilatildeo data do iniacutecio dos sintomas Tal verificaccedilatildeo reforccedila a

importacircncia da data do iniacutecio dos sintomas para a acuraacutecia da rede neural

55 Implicaccedilotildees cliacutenicas

Haacute na literatura meacutedica corrente o empenho no desenvolvimento de

ferramentas de inteligecircncia artificial como meacutetodo de avaliaccedilatildeo cliacutenica

(Braunwald 2008) Apesar disso natildeo identificamos na literatura trabalhos que

conciliassem as duas teacutecnicas ndash anaacutelise de sobrevida com rede neural ndash para a

previsatildeo da sobrevida em pacientes com insuficiecircncia cardiacuteaca o que

permitiria a hipoacutetese de originalidade para as observaccedilotildees deste trabalho

Discussatildeo 66

Eacute digno de ecircnfase termos identificado que a data do iniacutecio dos

sintomas obtida na anamnese eacute uma ferramenta de estimativa diagnoacutestica

principalmente associada a outras variaacuteveis do exame cliacutenico Suscita-se a

indagaccedilatildeo de esta variaacutevel estar subvalorizada por alguma razatildeo na medida

em que estaacute ausente dos registros cliacutenicos como informaccedilatildeo nuclear ateacute por

sua compreensiacutevel ldquoimprecisatildeordquo bioloacutegica Apesar dessa potencial inexatidatildeo

revelou-se variaacutevel relevante Portanto o empenho em obter com a precisatildeo

possiacutevel a data do iniacutecio dos sintomas pode ser reiterado uacutetil para a avaliaccedilatildeo

de pacientes

Finalizando nossos resultados sugeriram a possibilidade do uso da

rede neural artificial como uma ferramenta suplementar para a orientaccedilatildeo dos

pacientes com insuficiecircncia cardiacuteaca desde que a rede neural seja modelada

pelo tempo de sobrevida observado entre dois anos e seis anos inferior a dois

anos e superior a seis anos e com base em variaacuteveis preditivas de sobrevida

estimadas por meacutetodo estatiacutestico tradicional

Novos estudos em outras casuiacutesticas e serviccedilos podem adicionar experiecircncia

ampliar e aprofundar os resultados ora apresentados

56 Limitaccedilotildees do estudo

Entre as limitaccedilotildees deste trabalho citamos o caraacuteter uni-institucional

retrospectivo o nuacutemero limitado de variaacuteveis a presenccedila de dados faltantes a

ausecircncia de controle da uniformidade de tratamento medicamentoso com suas

particularidades entre elas a aderecircncia a tratamento e a mortalidade avaliada

no Estado de Satildeo Paulo Por outro lado atenuam-se as limitaccedilotildees por se tratar

de estudo em real life conditions no contexto de um Serviccedilo Meacutedico com

grande responsabilidade assistencial no acircmbito de hospital acadecircmico

6 Conclusotildees

Conclusotildees 68

A probabilidade de sobrevida geral desta casuiacutestica de insuficiecircncia

cardiacuteaca de diferentes etiologias no longo prazo foi 68 em cinco anos e 40

em onze anos

A influecircncia dos dados faltantes no prognoacutestico variou conforme a

natureza das variaacuteveis

O emprego de redes neurais categorizadas por tempo de sobrevida

dos pacientes a partir de variaacuteveis identificadas significantes em anaacutelise

estatiacutestica tradicional pode contribuir para identificar pacientes com

insuficiecircncia cardiacuteaca com prognoacutestico potencialmente mais reservado de

modo a contribuir para melhor orientaccedilatildeo da sequecircncia do tratamento na rede

de atenccedilatildeo meacutedica primaacuteria ou secundaacuteria ou em hospital de referecircncia em

nosso caso especiacutefico seria identificar os pacientes que pela condiccedilatildeo cliacutenica

mais grave demandariam recursos tecnoloacutegicos e intervenccedilotildees complexas para

seu tratamento O tempo de evoluccedilatildeo da insuficiecircncia cardiacuteaca obtida pelo

auxiacutelio da histoacuteria cliacutenica modulada pelas demais variaacuteveis cliacutenicas e

laboratoriais contribuiu para a avaliaccedilatildeo prognoacutestica quadros cliacutenicos de

evoluccedilatildeo mais longa podem sugerir pacientes com doenccedila mais estaacutevel

enquanto que tal avaliaccedilatildeo torna-se mais limitada no caso de quadro cliacutenico de

evoluccedilatildeo mais breve

7 Anexos

Anexos 70

Figura 1 - Delineamento do estudo de 2128 pacientes ambulatoriais com diagnoacutestico de insuficiecircncia cardiacuteaca

Dados de 2128 pacientes

consecutivos entre 2003 e 2007 com

diagnoacutestico de insuficiecircncia

cardiacuteaca

variaacuteveis selecionadas para a

rede neural

variaacuteveis demograacuteficas cliacutenicas laboratoriais eletrocardiograacutefica ecocardiograacuteficas medicaccedilotildees

variaacuteveis selecionadas para o modelo de regressatildeo

de riscos proporcionais de Cox

variaacuteveis com maior influecircncia para a

sobrevida

968 pacientes selecionados para a

rede neural (oacutebitos ateacute 2012)

pacientes elegiacuteveis para treinamento da

rede neural

pacientes elegiacuteveis para previsatildeo da

rede neural

modelos de rede neural

para previsatildeo

da sobrevida

Anexos 71

v1

v2

v3

vn 1 2 3 4 5

FONTE adaptado de Fernando J Von Zuben e Romis R F Attux Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubenia353_1s07toacutepico5_07pdf Figura 2 - Arquitetura da rede neural Perceptron de Muacuteltiplas Camadas em que f representa a funccedilatildeo de ativaccedilatildeo ou de transferecircncia natildeo linear definida para o aprendizado-treinamento da rede neural

Variaacuteveis de

entrada

sumf

Variaacutevel de saiacuteda

saiacuteda

Cinco camadas intermediaacuterias de neurocircnios ou unidades

computacionais

Anexos 72

y0

w0

y1 w1 xn

yn wn

Em que

n n-eacutesima variaacutevel de entrada (iteraccedilatildeo)

y0 y1 variaacuteveis de entrada

yn i-eacutesima variaacutevel de entrada

w0 w1 pesos sinaacutepticos ajustaacuteveis

wn peso sinaacuteptico ajustaacutevel conectando a entrada da unidade

agrave saiacuteda da unidade na iteraccedilatildeo n

xn i-eacutesima variaacutevel de saiacuteda da unidade na iteraccedilatildeo n

sum funccedilatildeo de soma

f funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

FONTE adaptado de Neural Networks and Learning Machines por Simon Hayken 1999 Figura 2a Representaccedilatildeo funcional de um neurocircnio da rede neural perceptron de muacuteltiplas camadas

sum f

Anexos 73

Em que propagaccedilatildeo da informaccedilatildeo

retro-propagaccedilatildeo do erro da informaccedilatildeo

FONTE adaptado de Leandro Nunes de Castro Silva 1998 Disponiacutevel em ftpftpdca feeunicampbrpubdocsvonzubentheseslnunes_mestindicepdf Figura 2b Representaccedilatildeo das duas fases de direccedilotildees de propagaccedilatildeo da informaccedilatildeo pelo algoriacutetmo de aprendizado supervisionado ou de retropropagaccedilatildeo do erro ou backpropagation da rede neural perceptron de multiplas camadas e permite o ajuste dos pesos sinaacutepticos

Anexos 74

Figura 3 - Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da funccedilatildeo log sigmoid Ambas satildeo funccedilotildees natildeo lineares de transferecircncia ou de ativaccedilatildeo poreacutem a funccedilatildeo logiacutestica zero based log sigmoid assume o intervalo de variaccedilatildeo entre 0 e 1 e a funccedilatildeo tangente hiperboacutelica preserva a forma sigmoidal e assume valores positivos e negativos (intervalo de variaccedilatildeo entre -1 e 1)

Figura 4 - Representaccedilatildeo esquemaacutetica das cinco fases da rede neural que compreenderam o aprendizadotreinamento da rede a previsatildeo da rede neural a comparaccedilatildeo dos melhores modelos de previsatildeo da rede neural os reensaios da rede neural incorporando os pacientes que faleceram em 2013 e 2014 e nova comparaccedilatildeo dos melhores modelos reensaiados

Anexos 75

Figura 5 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

com insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das abscissas indicam o

nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da

consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 76

Figura 6 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

de acordo com a etiologia da insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 77

Figura 7 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128

pacientes de acordo com sua idade Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 78

Figura 8 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o sexo Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 79

Figura 9 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a etnia Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 80

Figura 10 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o peso Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 81

Figura 11 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a altura Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 82

Figura 12 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o iacutendice de massa corpoacuterea (IMC) Os nuacutemeros sob o

eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 83

Figura 13 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial sistoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 84

Figura 14 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial diastoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 85

Figura 15 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a classe funcional da New York Heart Association

Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco

no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 86

Figura 16 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a frequecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 87

Figura 17 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com a data do iniacutecio dos sintomas

Anexos 88

Figura 18 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com antecedente de hipertensatildeo arterial Os nuacutemeros sob

o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 89

Figura 19 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de tabagismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 90

Figura 20 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o antecedente de diabetes melito Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 91

Figura 21 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de etilismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 92

Figura 22 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro do aacutetrio esquerdo no ecocardiograma Os

nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no

decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 93

Figura 23 - Probabilidade da sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 94

Figura 24 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 95

Figura 25 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 96

Figura 26 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica do septo interventricular no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 97

Figura 27 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica da parede posterior do

ventriacuteculo esquerdo no ecocardiograma Os nuacutemeros sob o eixo das abcissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 98

Figura 28 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com o riacutetmo cardiacuteaco Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 99

Figura 29 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de hemoglobina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 100

Figura 30 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a glicemia de jejum Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 101

Figura 31 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de creatinina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 102

Figura 32 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de soacutedio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 103

Figura 33 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de potaacutessio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 104

Figura 34 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de colesterol total Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 105

Figura 35 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de HDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 106

Figura 36 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de LDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 107

Figura 37 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de trigliceacuterides Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 108

Figura 38 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de leucoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 109

Figura 39 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de linfoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 110

Figura 40 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de inibidor de enzima conversora da angiotensina (captopril enalapril) ou de bloqueador dos receptores da angiotensina II (losartana) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 111

Figura 41 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de beta-bloqueadores na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 112

Figura 42 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de diureacuteticos (furosemida hidroclorotiazida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 113

Figura 43 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de espironolactona na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 114

Figura 44 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de digoxina na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 115

Figura 45 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 116

Figura 46 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de anticoagulante oral (varfarina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 117

Figura 47 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de estatina (sinvastatina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 118

Figura 48 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de vasodilatador (hidralazina e mononitrato de isossorbida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 119

Figura 49 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2148 pacientes quanto ao uso de bloqueador dos canais de caacutelcio (anlodipina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 120

Figura 50 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiarriacutetmico (amiodarona) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 121

Figura 51 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao nuacutemero de medicamentos em uso na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 122

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Idade (anos) 58 lt 0001

lt 40 200(9) 65

41-65 1325(62) 69

gt65 603(28) 51

Sexo 0025

Masculino 1362(64) 61

Feminino 766(36) 67

Grupo eacutetnico 027

Branca 343(16) 62

Natildeo-branca 131(6) 59

Dado faltante 1654(78) 65

Peso (kg) 694 lt 0001

lt 63 594(28) 57

631 - 749 562(26) 63

gt 75 614(29) 73

Dado faltante 358(17) 58

Altura (cm) 163 0048

lt 159 569(27) 64

159-166 546(26) 65

gt 167 628(30) 65

Dado faltante 385(18) 57

Iacutendice de massa corporal (kgm2)sect 26 lt0001

lt 25 660(31) 56

25-30 697(33) 69

gt 30 378(18) 59

Dado faltante 393(18) 74

Pressatildeo arterial sistoacutelica (mm Hg) 130 lt0001

lt 100 94(4) 38

100-130 927(44) 60

gt130 980(46) 57

Dado faltante 127(6) 69

Anexos 123

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Pressatildeo arterial diastoacutelica (mm Hg) 90 lt0001

lt 80 447(21) 51

80-90 905(43) 66

gt90 646(30) 73

Dado faltante 130(6) 57

Frequecircncia cardiacuteaca (batimentosmin) 80 062

lt 60 68(3) 57

60-100 1586(75) 63

gt100 144(7) 62

Dado faltante 330(16) 60

Duraccedilatildeo dos sintomas (meses) 119 068

lt 12 261(12) 60

gt 12 247(12) 59

Dado faltante 1620 (76) 63

Histoacuteria meacutedica

Hipertensatildeo arterial 1538(72) 65 0049

Normotenso 492(23) 56

Dado faltante 98(5) 65

Consumo de aacutelcool Leve 100(5) 69 084

Moderado 37(2) 65

Intenso 86(4)

Indeterminado 84(4) 69

Ex-etilista 297(14)

Natildeo etilista 1076(51) 62

Dado faltante 448(21)

Fumante lt 20 cigarros 111(5) 60 074

gt 20 cigarros 104(5)

Indeterminado 190(9) 62

Ex-fumante 626(29) 65

Natildeo fumante 859(40) 64

Dado faltante 238(11)

Anexos 124

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Diabetes mellitus 0024

Insulino dependente 99(5) 64

Natildeo insulino dependente 389(18) 59

Natildeo diabeacutetico 1481(70) 65

Dado faltante 159(7) 64

Etiologia da Insuficiecircncia Cardiacuteaca 0001

Cardiomiopatia da Doenccedila de Chagas 333(16) 50

Cardiomiopatia hipertensiva 920(43) 71

Cardiomiopatia isquecircmica 523(25) 55

Cardiomiopatia dilatada 206(10) 69

Cardiomiopatia alcooacutelica 146(7) 66

Classe funcional NYHApara 0001

I 300(14) 72

II 805(38) 64

III 575(27) 56

IV 302(14) 50

Dado faltante 146(7) 59

Ritmo cardiacuteaco no eletrocardiograma 00051

Fibrilaccedilatildeo atrial 294(14) 56

Ritmo sinusal 1561(73) 65

Ritmo de marca-passo 38(2) 68

Outro 7(0) 66

Dado faltante 228(11) 62

Espessura do septo interventricular (mm) 9 lt0001

lt 8 206(10) 57

8-12 1385(65) 68

gt12 109(5) 63

Dado faltante 428(20) 54

Espessura da parede posterior do ventriacuteculo esquerdo (mm) 9 lt0001

lt 8 206(10) 63

8-12 1428(67) 66

gt12 63(3) 54 Dado faltante 431(20) 62

Anexos 125

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos ()

Valor-pŦ

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) 64 lt0001

lt 60 514(24) 74

60-75 938(44) 65

gt 75 224(11) 56

Dado faltante 452(21) 53

Diacircmetro sistoacutelico do ventriacuteculo esquerdo (mm) 56 lt0001

lt 40 110(5) 79

40-55 462(22) 72

gt 55 612(29) 59

Dado faltante 944(44) 60

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo () 31 lt0001

lt 35 1027(48) 60

35-45 449(21) 69

45-55 220(10) 72

gt 55 59(3) 82

Dado faltante 373(18) 53

Diacircmetro do aacutetrio esquerdo (mm) 46 lt0001

lt 40 295(14) 78

gt 40 1375(65) 63

Dado faltante 458(22) 53

Creatinina seacuterica (mgdL) 11 lt0001

lt 13 1469(69) 68

13-26 535(25) 51

gt 26 51(2) 28

Dado faltante 73(3) 53

Soacutedio seacuterico (mEqL) 139 lt0001

lt 136 170(8) 49

gt 136 1852(87) 66

Dado faltante 106(5) 54

Anexos 126

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Potaacutessio seacuterico (mEqL) 46 lt0001

lt 35 31(1) 60

35-50 1646(77) 66

gt 50 345(16) 54

Dado faltante 106(5) 53

Hemoglobina (gdL) 142 lt0001

lt 10 41(2) 43

10-12 190(9) 53

gt 12 1826(86) 65

Dado faltante 71(3) 66

Leucoacutecitos (mm3) 7300 0048

lt 4000 45(2) 33

4000-11000 1791(84) 63

gt 11000 142(7) 56

Dado faltante 150(7) 62

Linfoacutecitos (mm3) 1919 0011

lt 900 14(1) 34

900-3400 301(14) 65

gt 3400 7(0) 71

Dado faltante 1806(85) 62

Colesterol total (mgdL) 188 lt0001

lt 200 881(41) 65

200-240 394(19) 75

gt 240 209(10) 74

Dado faltante 644(30) 53

Trigliceacuterides (mgdL) 112 lt0001

lt 150 1011(48) 65

150-300 397(19) 74

gt 300 71(3) 80

Dado faltante 649(30) 53

Anexos 127

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

HDL - colesterol (mgdL)Ħ 43 lt0001

lt 40 560(26) 68

40-60 681(32) 71

gt 60 207(10) 54

Dado faltante 680(32) 69

LDL- colesterol (mgdL)Ħ 116 lt0001

lt 100 471(22) 60

100-129 451(21) 68

gt 129 521(24) 53

Dado faltante 685(32) 72

Glicose de jejum (mgdL) 100 lt0001

lt 100 843(40) 65

100-126 571(27) 66

gt 126 345(16) 68

Dado faltante 369(17) 53

IECABRAeuro (captopril enalapril losartana)

Com medicaccedilatildeo 1564(73) 62 091

Sem medicaccedilatildeo 302(14) 62

Dado faltante 262(12)

Diureacuteticos (hidroclorotiazida e furosemida)

com medicaccedilatildeo 1548(73) 62 00032

sem medicaccedilatildeo 318(15) 71

Dado faltante 262(12) 66

Antagonista do receptor da aldosterona (espironolactona)

Com medicaccedilatildeo 832(39) 60 032

Sem medicaccedilatildeo 1034(49) 63

Dado faltante 262(12) 65

Digital (digoxina)

com medicaccedilatildeo 1013(48) 62 0077

sem medicaccedilatildeo 853(40) 66

Dado faltante 262(12) 65

Anticoagulante oral (varfarina)

Com medicaccedilatildeo 134(6) 56 043

Sem medicaccedilatildeo 1732(81) 63

Dado faltante 262(12) 65

Anexos 128

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Antiagregante plaquetaacuterio (aspirina) com medicaccedilatildeo 639(30) 60 055

sem medicaccedilatildeo 1227(58) 63

Dado faltante 262(12) 65

Estatina (sinvastatina)

Com medicaccedilatildeo 153(7) 75 007

Sem medicaccedilatildeo 1712(80) 60

Dado faltante 262(12) 63

Bloqueador dos canais de caacutelcio (anlodipina)

com medicaccedilatildeo 42(2) 69 077

sem medicaccedilatildeo 1824(86) 60

Dado faltante 262(12) 62

Vasodilator direto (hidralazina mononitrato de isossorbida)

Com medicaccedilatildeo 63(3) 63 058

Sem medicaccedilatildeo 1802(85) 62

Dado faltante 263(12) 62

Bloqueador adreneacutergico (carvedilol metoprolol atenolol propanolol) com medicaccedilatildeo 706(33) 66 0042

sem medicaccedilatildeo 1160(55) 60

Dado faltante 262(12) 65

Antiarriacutetmico (amiodarona)

Com medicaccedilatildeo 80(4) 54 051

Sem medicaccedilatildeo 1786(84) 62

Dado faltante 262(12) 65

Nuacutemero de medicamentos em uso Φ

1 118(6)

2 272(13)

3 471(22)

4 496(23)

5 349(16)

6 127(6)

7 26(1)

8 2(0)

9 1(0)

Dado faltante 266(12)

Anexos 129

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Nuacutemero de drogas agrupadas em uso ζ 014

lt 3 861(40) 65

gt 3 1001(47) 65

Dado faltante 266(12) 60

sect Peso em kgaltura2

para Classe funcional da New York Heart Association (NYHA) I- nenhuma limitaccedilatildeo II- limitaccedilatildeo a moderados esforccedilos III- limitaccedilatildeo a esforccedilos habituais IV- limitaccedilatildeo em repouso

Ħ HDL- colesterol ou fraccedilatildeo lipoproteica de alta densidade do colesterol LDL- colesterol ou fraccedilatildeo lipoproteica de baixa densidade do colesterol

euro IECA - inibidores da enzima de conversatildeo da angiotensina BRA - bloqueadores dos receptores da angiotensina I

Φ Nuacutemero de medicaccedilotildees em uso pelo paciente e respectivas porcentagens

ζ Nuacutemero de medicaccedilotildees agrupadas em uso pelo paciente e respectivas porcentagens

Ŧ Valor-p (log rank)

Anexos 130

Tabela 2 ndash Variaacuteveis estudas quanto agrave probabilidade de sobrevida (etapa 1)

Variaacutevel Valor-p Valores disponiacuteveis

n

Dados omissos

()

Idade

plt0001 2128 -

Etnia p =0789 474 78

Sexo plt0001 2128 -

Iacutendice de massa corpoacuterea plt0001 1735 19

Pressatildeo Arterial Sistoacutelica plt0001 2001 6

Pressatildeo Arterial Diastoacutelica plt0001 1998 6

Frequecircncia Cardiacuteaca p =0446 1798 16

Etiologia da Insuficiecircncia Cardiacuteaca plt0001 2128 -

Classe Funcional plt0001 1982 7

Hipertensatildeo Arterial plt0001 2030 5

Etilismo p =0602 1680 21

Tabagismo p =0117 1890 11

Diabetes p =0135 1969 7

Ritmo cardiacuteaco p =0105 1893 11

Espessura do septo interventricular p =0083 1332 37

Espessura da parede posterior do ventriacuteculo esquerdo

p =0477 1258 41

Diacircmetro diastoacutelico do ventriacuteculo esquerdo

plt0001 1676 21

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

plt0001 1184 44

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

plt0001 1755 18

Diacircmetro do aacutetrio esquerdo plt0001 1670 22

Soacutedio seacuterico plt0001 2022 5

Potaacutessio seacuterico p =0002 2022 5

Hemoglobina seacuterica p =0008 2057 3

Taxa de leucoacutecitos p =0018 1978 7

Taxa de linfoacutecitos p =0037 322 85

Colesterol total p =0001 1484 30

Trigliceacuterides p =0015 1479 30

HDL - colesterol p =0280 1448 32

LDL - colesterol p =0119 1443 32

Glicemia de jejum p =0051 1759 17

Creatinina seacuterica plt0001 2055 3

Nuacutemero de medicamentos em uso p =0134 1864 12

Iniacutecio dos sintomas p =0564 510 76

valor - p foi resultante do teste da razatildeo de verossimilhanccedilas para cada uma das variaacuteveis os valores

- p inferiores a 10 tornaram a caracteriacutestica correspondente elegiacutevel para inclusatildeo na na segunda etapa do modelo nuacutemero de informaccedilotildees disponiacuteveis para cada variaacutevel a variaacutevel idade mostrou-se significante (p lt 0001) e foi incluiacuteda em todos os ajustes do modelo por ser a sobrevida a resposta do modelo de Cox Em negrito estatildeo as variaacuteveis selecionadas para a etapa 2 do modelo de Cox

Anexos 131

Tabela 3 ndash Uso de tratamento medicamentoso

Medicamento em uso

Grupo Sim

n ()

Natildeo

n ()

Sem informaccedilatildeo

n ()

IECA BRA 1564(73) 302(14) 262(12)

Diureacuteticos 1548(73) 318(15) 262(12)

Espironolactona 832(39) 1034(49) 262(12)

Digoxina 1013(48) 853(40) 262(12)

Anticoagulante oral 134(6) 1732(81) 262(12)

Antiagregante plaquetaacuterio 639(30) 1227(58) 262(12)

Estatina 153(7) 1713(80) 262(12)

Bloqueador dos canais de caacutelcio

42(2) 1824(86) 262(12)

Vasodilatador direto 63(3) 1802(85) 263(12)

Bloqueador alfa-adreneacutergico ou beta-adreneacutergico

706(33) 1160(55) 262(12)

Antiarriacutetmico 80(4) 1786(84) 262(12)

IECA inibidores da enzima conversora da angiotensina (captopril enalapril) BRA bloqueadores dos receptores da angiotensina II (losartana) Diureacuteticos hidroclorotiazida ou furosemida Espironolactona diureacutetico poupador de potaacutessio e antagonista do receptor da aldosterona Anticoagulante oral varfarina Antiagregante plaquetaacuterio aacutecido acetilsaliciacutelico Estatina sinvastatina Bloqueador dos canais de caacutelcio anlodipina Vasodilatdor direto hidralazina e mononitrato diisossorbida Bloqueadores alfa adreneacutergico (carvedilol) e beta-adreneacutergico (metoprolol atenolol e propranolol) Antiarritmico amiodarona

Anexos 132

Tabela 4 - Nuacutemero de medicamentos em uso

Nuacutemero de medicamentos em uso pelos pacientes - n ()

1

n()

2

n()

3

n()

4

n()

5

n()

6

n()

7

n()

8

n()

9 n()

Sem Informaccedilatildeo

n()

118(6) 272(13) 471(22) 496(23) 349(16) 127 (6)

26(1) 2(0) 1(0) 266(12)

nuacutemero de medicamentos em uso pelo paciente entre os diferentes grupos de medicaccedilotildees

Tabela 5 - Variaacuteveis retiradas do modelo de Cox (etapa 2)

Variaacutevel Valor-p

Hipertensatildeo arterial sistecircmica 0790

Hemoglobina 0789

Glicemia de jejum 0751

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

0702

Frequecircncia cardiacuteaca 0568

Sexo 0434

Soacutedio seacuterico 0428

Leucoacutecitos seacuterico 0165

Trigliceacuterides seacuterico 0144

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

0111

Linfoacutecitos seacuterico 0082

apoacutes ajuste do modelo inicial e considerando o valor-p do teste de razatildeo de verossimilhanccedilas para cada uma das variaacuteveis foi realizado novo ajuste sequencial do modelo e as variaacuteveis com valor-p superiores a 5 foram eliminadas

Anexos 133

Tabela 6 - Reavaliaccedilatildeo das variaacuteveis inicialmente excluiacutedas da etapa 2 do modelo de Cox (etapa 3)

Variaacutevel Valor-p

Etnia 0650

Frequecircncia cardiacuteaca 0489

Etilismo 0702

Tabagismo 0536

Diabetes melito 0034

Espessura da parede posterior do ventriacuteculo esquerdo

0546

Ritmo cardiacuteaco 0137

HDL - colesterol 0710

LDL- colesterol 1000

Nuacutemero de medicamentos em uso 0696

Iniacutecio dos sintomas 0784

HDL-colesterol ou lipoproteiacutena de alta densidade LDL-colesterol ou lipoproteiacutena de baixa densidade Resultado do teste da razatildeo de verossimilhanccedila para todas as variaacuteveis Excluiacutedas no primeiro ajuste do modelo (etapa 1) e reavaliaccedilatildeo da importacircncia de cada uma das variaacuteveis apoacutes reintroduzi- las no modelo em conjunto com as variaacuteveis do segundo ajuste do modelo (etapa 2) sect Diabetes melito foi a uacutenica variaacutevel que permaneceu para o modelo final

Tabelas 7 - Variaacuteveis do modelo final de Cox selecionadas para a rede neural

Variaacutevel Valor-p

Idade (anos) lt0001

Iacutendice de massa corpoacuterea (kgm2) lt0001

Pressatildeo arterial diastoacutelica (mmHg) lt0001

Etiologia da insuficiecircncia cardiacuteaca lt0001

Classe funcional (NYHA)Δ lt0001

Espessura do septo interventricular (mm) 0037

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) lt0001

Diacircmetro do aacutetrio esquerdo (mm) 0025

Potaacutessio seacuterico (mEqL) 0015

Colesterol total (mgdL) lt0001

Creatinina (mgdL) lt0001

Diabetes melito 0034

etiologias da insuficiecircncia cardiacuteaca hipertensiva isquecircmica dilatada alcooacutelica e Doenccedila de Chagas Δ classe funcional segundo a New York Heart Association valor - p do teste de razatildeo de verossimilhanccedila do ajuste final do modelo de Cox

Anexos 134

Tabela 8 - Valores de referecircncia para as variaacuteveis com dados faltantes

Variaacutevel Estrateacutegia

1 Estrateacutegia

2 Estrateacutegia

3

Iacutendice de massa corpoacuterea (kgm2) 25 25 26

Pressatildeo arterial diastoacutelica (mm Hg) 80 80 90 Espessura diastoacutelica do septo intraventricular (mm)

8 8 9

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm)

60 60 64

Diacircmetro do aacutetrio esquerdo (mm) 40 40 46 Potaacutessio seacuterico (mEqL) 35 35 46 Colesterol total (mgdL) 160 200 188

Creatinina (mgdL) 09 13 11 Preacute-requisito para o aprendizado da rede neural estrateacutegias para a imputaccedilatildeo de valores nas informaccedilotildees faltantes valores de referecircncia da normalidade valores superiores da normalidade para as variaacuteveis colesterol total e creatinina seacuterica valores de referecircncia da mediana

Anexos 135

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado -treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 1 1

417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 2 2

417 968 Zero Based Log Sigmoid data da consulta 52618

sem limite 3 1

417 968 Tangente Hiperboacutelica data da consulta 70731

sem limite 4 1 Teste RN 1 118 240 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 20100

sem limite 5 1 Cardiopatia dilatada 36 70 Zero Based Log Sigmoid data da consulta 100275

sem limite 6 1 Cardiopatia hipertensiva 168 379 Zero Based Log Sigmoid data da consulta 88500

sem limite 7 1 Cardiopatia alcooacutelica 28 57 Zero Based Log Sigmoid data da consulta 81429

sem limite 8 1 Cardiopatia isquemica 106 263 Zero Based Log Sigmoid data da consulta 36109

sem limite 9 1 Cardiopatia doenccedila Chagas 8 188 Zero Based Log Sigmoid data da consulta 40044

sem limite 10 1 sexo 417 968 Zero Based Log Sigmoid data da consulta 57836

sem limite 11 1 sexo e FEλ 25 417 968 Zero Based Log Sigmoid data da consulta 73544

sem limite 12 1 sexo e FEλ 55 417 968 Zero Based Log Sigmoid data da consulta 102308

2 lt sobrevida lt 6 13 1

200 402 Zero Based Log Sigmoid data da consulta 3199

2 lt sobrevida lt 6 14 1 22 a 52 anos 121 206 Zero Based Log Sigmoid data da consulta 88000

1 lt sobrevida lt 6 15 1 22 a 52 anos 83 162 Zero Based Log Sigmoid data da consulta 5185

1 lt sobrevida lt 6 16 1 13 lt CrΦ

lt 26 72 184 Zero Based Log Sigmoid data da consulta 6200

1 lt sobrevida lt 6 17 1 200 lt TCΨ

lt 239 61 245 Zero Based Log Sigmoid data da consulta 7068

1 lt sobrevida lt 6 18 1 60 lt DDVEε lt 75 160 374 Zero Based Log Sigmoid data da consulta 6360

1 lt sobrevida lt 6 19 1 200ltTCΨlt239 e 60ltDDVE

εlt75 163 34 Zero Based Log Sigmoid data da consulta 5284

Anexos 136

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado- treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede neural

() Aprendizado

(TAA) Previsatildeo

(TAP)

2 lt sobrevida lt 6 20 1

50 98 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2260

2 lt sobrevida lt 6 21 1

200 402 Tangente Hiperboacutelica data da consulta 4801

2 lt sobrevida lt 6 22 1

50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

0 lt sobrevida lt 2 23 1

118 383 Tangente Hiperboacutelica data da consulta 42244

sobrevida gt 6 24 1

101 186 Tangente Hiperboacutelica data da consulta 1277

0 lt sobrevida lt 2 25 1

118 383 Zero Based Log Sigmoid data da consulta 52725

sobrevida gt 6 26 1

101 186 Zero Based Log Sigmoid data da consulta 1137

0 lt sobrevida lt 2 27 1

22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

sobrevida gt 6 28 1

46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

0 lt sobrevida lt 2 29 1

22 47 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 3381

sobrevida gt 6 30 1

46 93 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2413

15 lt sobrevida lt 85 31 1

317 632 Zero Based Log Sigmoid data da consulta 7478

sobrevida gt 2 32 1

298 584 Zero Based Log Sigmoid data da consulta 5660

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

λ valor de referecircncia para a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo (capacidade funcional) ao ecocardiograma

Φ valores de referecircncia para a dosagem da creatinina seacuterica Ψ valores de referecircncia para a dosagem seacuterica do colesterol total

ε valores de referecircncia para o diacircmetro diastoacutelico do ventriacuteculo esquerdo ao ecocardiograma

Anexos 137

Tabela 91 - Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1)

Tempo de sobrevida

observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizadotreinamento da

rede ou limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 33 3 30000τ 00001

ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 34 1 20000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 55141

sem limite 35 1 10000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 54241

sem limite 36 1 00010 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 69427

sem limite 37 1 00020 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 70479

2 lt sobrevida lt 6 38 1 Cardiopatia dilatada 18 38 Zero Based Log Sigmoid data da consulta 2667

2 lt sobrevida lt 6 39 1 Cardiopatia hipertensiva 80 161 Zero Based Log Sigmoid data da consulta 2948

2 lt sobrevida lt 6 40 1 Cardiopatia alcooacutelica 18 29 Zero Based Log Sigmoid data da consulta 2952

2 lt sobrevida lt 6 41 1 Cardiopatia isquemica 48 101 Zero Based Log Sigmoid data da consulta 2705

2 lt sobrevida lt 6 42 1 Cardiopatia da doenccedila de Chagas

37 73 Zero Based Log Sigmoid data da consulta 2191

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

τ nuacutemero de ciclos maacuteximos ou iteraccedilotildees estipuladas para o aprendizado-treinamento da rede neural

ζ erro delta estipulado para o aprendizado-treinamento da rede neural

Anexos 138

Tabela 10 - Comparaccedilatildeo das redes neurais categorizadas pelo tempo de sobrevida observado seleccedilatildeo dos melhores modelos de rede neural

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

23 118 383 Tangente Hiperboacutelica data da consulta 42244

25 118 383 Zero Based Log

Sigmoid data da consulta 52725

27 22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

29 22 47 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 3381

tempo de seguimento ou tempo de sobrevida observado inferior a 2 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

13 200 402 Zero Based Log

Sigmoid data da consulta 3199

21 200 402 Tangente Hiperboacutelica data da consulta 4801

20 50 98 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2260

22 50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

tempo de seguimento ou tempo de sobrevida observado entre 2 e 6 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

24 101 186 Tangente Hiperboacutelica data da consulta 1277

26 101 186 Zero Based Log

Sigmoid data da consulta 1137

28 46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

30 46 93 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2413

tempo de seguimento ou tempo de sobrevida observado superior a 6 anos

em todos os testes das redes neurais foram utilizados valores normais para o dado

faltante

Anexos 139

Tabela 11 - Modelos de redes neurais para previsatildeo da sobrevida nos pacientes vivos ateacute 2012 (fase 2)

Aprendizado da rede neural (pacientes falecidos ateacute 2012)

Previsatildeo de sobrevida da rede neural

(pacientes vivos ateacute 2012)

Modelo de rede neural

TAA

Erro real da rede

neural ()

Sobrevida (tempo

decorrido)

Funccedilatildeo de

transferecircncia

Tempo de sobrevida observado

(anos)

Previsatildeo da rede neural

(PREV) λ

TAP

Sobrevida hipoteacutetica

Erro hipoteacutetico da rede neural

()

13 200 3199 (DO-DPC)Ψ zero based

log sigmoid 2 a 6 PREV01 300 (DUR-

DPC) Φ

3847

20 50 2260 (DO - DIS) ζ zero based

log sigmoid 2 a 6 PREV02 51 (DUR-DIS)

Φ

3933

22 50 2054 (DO - DIS) ζ tangente

hiperboacutelica 2 a 6 PREV03 51 (DUR-DIS)

Φ

3323

24 101 1277 (DO-DPC)Ψ tangente

hiperboacutelica superior a

6 PREV04 636 (DUR-

DPC) Φ

2071

26 101 1137 (DO-DPC)Ψ zero based

log sigmoid superior a

6 PREV05 636 (DUR-

DPC) Φ

2150

27 22 3529 (DO - DIS) ζ tangente

hiperboacutelica 0 a 2 PREV06 24 (DUR-DIS)

Φ

6372

29 22 3381 (DO - DIS) ζ zero based

log sigmoid 0 a 2 PREV07 24 (DUR-DIS)

Φ

8547

28 46 3029 (DO - DIS) ζ tangente

hiperboacutelica superior a

6 PREV08 199 (DUR-DIS)

Φ

4323

30 46 2413 (DO - DIS) ζ zero based

log sigmoid superior a

6 PREV09 199 (DUR-DIS)

Φ

4867

TAA tamanho da amostra para aprendizado da rede neural

TAP tamanho da amostra para a previsatildeo da rede neural

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da

rede neural com os pacientes falecidos ateacute 2012

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou do uacuteltimo contato com o

paciente e o dado disponiacutevel (data da primeira consulta ou data do iniacutecio dos sintomas)

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

ζ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Anexos 140

Tabela 12 - Modelos de redes neurais comparaacuteveis erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Modelo de rede neural

Previsatildeo da rede neural (PREV) λ

Nuacutemero de pacientes

para comparaccedilatildeo

Erro de previsatildeo hipoteacutetico de

sobrevida pela rede neural

(vivos ateacute 2012) ()

Erro de previsatildeo da sobrevida pela rede

neural real (falecidos em 2013)

()

13 PREV 01 19 3562 4755 20 PREV 02 2 1155 4037 22 PREV 03 2 4095 5614 24 PREV04 36 2120 1880 26 PREV 05 36 1848 1948

corresponde ao modelo de rede utilizada no aprendizado com os melhores resultados na previsatildeo da sobrevida λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 141

Tabela 13 - Modelo de rede neural 13 individual e comparaacutevel erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 13 (aprendizado falecidos ateacute 2012) e PREV01 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

13 200 (DOndashDPC)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira

consulta

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-

DPC) Φ

Sobrevida hipoteacutetica da rede neural

PREV 01λ

(vivos em 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural comparado

com erro real (falecidos em

2013) ()

127 1330 1258 543 3769 6663

180 1434 1797 2535 3526 4902

407 1302 1716 3179 3490 5083

675 2063 1795 1299 3630 5055

878 1736 1261 2734 3509 6405

1086 859 1265 4722 3429 6312

1194 1218 1798 4760 3532 4910

1341 1172 1794 5306 3297 4559

1685 1061 1803 6994 3259 4468

2204 950 1795 8899 2971 3957

2669 1997 1761 1182 2477 2891

2962 1357 1427 529 2659 4635

3687 1886 1255 3345 2499 5017

3837 1834 1221 3341 2451 2396

3838 1603 1792 1177 2356 3204

3855 1108 1794 6194 2640 7789

3862 1726 548 6825 2479 2780

3892 1745 1720 144 2382 4547

3997 1013 1255 3980 2302 4766

3562 DP2498

4755 DP1384

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro relativo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 142

Tabela 14 - Modelo de rede neural 20 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 20 (aprendizado falecidos ateacute 2012) e PREV02 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

20 50 (DO-DIS)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede neural PREV 02

λ

(vivos ateacute 2012)

(em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos ateacute 2012)

()

Sobrevida

real (falecidos em

2013)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1329 2310 2659 5002

3997 2008 1595 680 2302 3072

1155 DP 1249

4037 DP 1365

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural

para os pacientes vivos ateacute 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede

comparada com a porcentagem do erro real de sobrevida dos pacientes que faleceram em 2013

Anexos 143

Tabela 15- Modelo de rede neural 22 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 22 (aprendizado falecidos ateacute 2012) e PREV03 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

22 50 (DO- DIS) Ψ

tangente hiperboacutelica

2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do

caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede

neural PREV 03

λ

(vivos ateacute 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1166 3220 2659 5615

3997 2008 1010 4970 2302 5614

4095 DP 1237 5614 DP 001

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro de previsatildeo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 144

Tabela 16 ndash Modelo de rede neural 24 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 24 (aprendizado falecidos em 2012) e PREV04 (previsatildeo vivos em 2012)

Modelo de rede neural

δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

24 101 (DO-DPC) Ψ

tangente hiperboacutelica

superior a 6 anos

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

Nuacutemero do caso

Sobrevida calculada VIVO (DUR-DPC)

Φ

(em dias)

Sobrevida hipoteacutetica da rede neural PREV 04

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico da rede neural

(vivos ateacute 2012) ()

Sobrevida real

(falecidos em 2013) (em dias)

Erro da rede neural comparado com

erro real (falecidos em 2013)

()

115 3558 3495 176 3586 252

156 3552 3239 882 3630 1077

157 3615 3548 184 3705 259

267 3437 2302 3303 3755 387

442 2496 2445 206 3573 3157

475 3681 3527 418 3700 466

702 3281 2756 1600 3544 2223

848 3362 2628 2183 3474 2435

949 3108 3309 646 3339 09

1015 3410 2166 3648 3449 3719

1166 2931 3399 1597 3423 069

1269 2693 3183 1820 3461 802

1272 3277 3482 627 3343 417

1408 3346 2435 2721 3427 2893

1453 3281 3232 151 3473 69

1460 3285 4047 2319 3330 2152

1477 3480 2236 3574 3485 3583

1490 2902 3332 1480 3244 269

1511 2612 3052 1685 3423 1083

1513 2589 3239 2510 3399 471

1525 3425 2702 2110 3429 2118

1538 2963 4069 3734 3312 2286

1686 3059 3821 2492 3284 1635

1754 3214 2612 1873 3284 2045

2083 2938 2264 2293 2964 236

2477 2828 4067 4381 2973 3647

2481 2467 4062 6464 2780 461

2526 2559 3548 3865 2799 2676

2612 2626 3485 3271 2894 2041

2621 2534 2224 1224 2802 2063

2641 2915 3548 2171 2934 2091

2714 2737 3486 2738 2810 2407

2789 2726 3442 2628 2753 2504

2815 2938 3016 264 2943 246

2871 2884 2237 2242 2904 2295 3475 2514 3231 2852 2547 2685

2120 DP 1396

1880 DP 1239

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da rimeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural meacutedia e desvio-padratildeo (DP) das

porcentagens do erro hipoteacutetico de previsatildeo da rede neural ara os pacientes vivos ateacute 2012 meacutedia desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 145

Tabela 17 - Modelo de rede neural 26 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 26 (aprendizado oacutebito em 2012) e PREV05 (previsatildeo vivos em 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

26 101 (DO-DPC) Ψ

zero based log sigmoid

superior a 6 anos

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

115 3558

3902 966 3586 881

156 3552

2656 2522 3630 2682

157 3615

3408 573 3705 802

267 3437

2655 2275 3755 2929

442 2496

2514 074 3573 2963

475 3681

2694 2681 3700 2718

702 3281

2841 134 3544 1983

848 3362

3307 163 3474 480

949 3108

2318 2541 3339 3057

1015 3410

2189 358 3449 3653

1166 2931

4085 3937 3423 1934

1269 2693

2367 1221 3461 3162

1272 3277

2669 1854 3343 2015

1408 3346

3006 1015 3427 1228

1453 3281

2430 2595 3473 3004

1460 3285

4095 2465 3330 2297

1477 3480

2147 3832 3485 3841

1490 2902

2571 1142 3244 2076

1511 2612

2241 1419 3423 3452

1513 2589

3044 1757 3399 1044

1525 3425

2770 1913 3429 1922

1538 2963

3743 2631 3312 1300

1686 3059

2747 1021 3284 1636

1754 3214

2590 1940 3284 2112

2083 2938

2805 452 2964 536

2477 2828

3974 4052 2973 3366

2481 2467

4055 6439 2780 4588

2526 2559

3027 1828 2799 813

2612 2626

2090 2043 2894 2779

2621 2534 2947 1629 2802 517

2641 2915 2247 2293 2934 2343

2714 2737 2488 908 2810 1144

2789 2726 2727 003 2753 095

Anexos 146

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

2871 2884 2831 183 2904 251

3475 2514 2432 327 2547 452

1848 DP 1354

1948 DP 1167

δ modelo de rede neural utilizada no aprendizado da rede Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013 Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos em 2012

Anexos 147

Tabela 18 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2013 (Reensaio 1) fase 4

Modelo de rede neural 24 (falecidos ateacute 2012)

Modelo de rede neural 24 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1277

145

269

1376

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Modelo de rede neural 26 (falecidos ateacute 2012)

Modelo de rede neural 26 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo

da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1137

145

269

1230

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Anexos 148

Tabela 19 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2014 (Reensaio 2) fase 4

Modelo de rede neural 24

(falecidos ateacute 2012)

Modelo de rede neural 24

Reensaio1 (falecidos em

2013)

Modelo de rede neural 24

Reensaio 2 (falecidos em

2014)

TAA TAP

sect

Erro de previsatildeo de sobrevida da rede neural

()

TAA TAeuro Erro de

previsatildeo real da rede neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida

da rede neural ()

101

186

1277

145

269

1376

175

319

1733

corresponde aos pacientes falecidos em 2012 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a falecer em 2013 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer em 2014 sem dados faltantes sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde agrave somatoacuteria do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer 2013 pound corresponde ao somatoacuterio do total de oacutebitos 2013 e o total de pacientes que vieram a falecer em 2014

Modelo de rede neural 26

(falecidos ateacute 2012)

Modelo de rede neural 26

Reensaio1 (falecidos em 2013)

Modelo de rede neural 26

Reensaio 2 (falecidos em 2014)

TAA TAP sect Erro de

previsatildeo de sobrevida da rede neural

()

TAA TAPeuro Erro de

previsatildeo real da rede

neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida da

rede neural ()

101

186

1137

145

269

1230

175

319

1488

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2012 e os pacientes que vieram a falecer

em 2013 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer

em 2014 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer

em 2013

pound corresponde ao somatoacuterio do total de oacutebitos ateacute 2013 e o total de pacientes que vieram a falecer

em 2014

Anexos 149

Tabela 20 - Comparaccedilatildeo da previsatildeo de sobrevida entre o modelo inicial da rede neural 24 e reensaio 1 fase 4

PREV 04 λ (vivos em 2012)

REENSAIO 1 do modelo de rede neural 24 (falecidos em 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Erro de previsatildeo real rede neural ()

115 3586 3495 176 3709 344

156 3630 3239 882 3041 1623

157 3705 3548 184 3469 637

267 3755 2302 3303 3549 549

442 3573 2445 206 3568 013

475 3700 3527 418 3370 892

702 3544 2756 16 3727 515

848 3474 2628 2183 3547 211

949 3339 3309 646 3505 496

1015 3449 2166 3648 3637 544

1166 3423 3399 1597 3555 386

1269 3461 3183 182 3378 240

1272 3343 3482 627 3286 171

1408 3427 2435 2721 3403 070

1453 3473 3232 151 3458 044

1460 3330 4047 2319 4024 2083

1477 3485 2236 3574 3498 038

1490 3244 3332 148 3511 823

1511 3423 3052 1685 3225 579

1513 3399 3239 251 3564 484

1525 3429 2702 211 3527 284

1538 3312 4069 3734 3422 332

1686 3284 3821 2492 3304 060

1754 3284 2612 1873 3324 120

2083 2964 2264 2293 2501 1564

2477 2973 4067 4381 3026 155

2481 2780 4062 6464 2827 169

2526 2799 3548 3865 3264 1660

2612 2894 3485 3271 3989 3784

2621 2802 2224 1224 2545 917

2641 2934 3548 2171 2659 937

2714 2810 3486 2738 2329 1712

2789 2753 3442 2628 2490 955

2815 2943 3016 264 3200 873

2871 2904 2237 2242 3558 2253

3475 2547 3231 2852 3568 4008

2120 DP 1396

848 DP 961

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo

(DP) das porcentagens do erro real de previsatildeo do reensaio 1 para o modelo de rede neural 24

Anexos 150

Tabela 21 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 e reensaio 1 fase 4

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (oacutebitos 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Sobrevida da rede neural ()

115 3586 3902 966 3520 184

156 3630 2656 2522 2618 2787

157 3705 3408 573 3568 371

267 3755 2655 2275 3787 084

442 3573 2514 074 3326 691

475 3700 2694 2681 2654 2827

702 3544 2841 1340 3400 406

848 3474 3307 163 3467 020

949 3339 2318 2541 3418 236

1015 3449 2189 3580 3621 499

1166 3423 4085 3937 2635 2303

1269 3461 2367 1221 2628 2405

1272 3343 2669 1854 2688 1960

1408 3427 3006 1015 3269 460

1453 3473 2430 2595 2596 2524

1460 3330 4095 2465 2653 2033

1477 3485 2147 3832 3408 221

1490 3244 2571 1142 2711 1642

1511 3423 2241 1419 2617 2354

1513 3399 3044 1757 3340 175

1525 3429 2770 1913 3093 979

1538 3312 3743 2631 2651 1995

1686 3284 2747 1021 2665 1886

1754 3284 2590 1940 2798 1480

2083 2964 2805 452 2695 906

2477 2973 3974 4052 2622 1182

2481 2780 4055 6439 2873 334

2526 2799 3027 1828 2627 614

2612 2894 2090 2043 3243 1204

2621 2802 2947 1629 2645 562

2641 2934 2247 2293 2654 954

2714 2810 2488 908 2943 474

2789 2753 2727 003 2567 677

2815 2943 2663 935 2620 1096

2871 2904 2831 183 2550 1219

3475 2547 2432 327 2731 724

1848 DP 1410

1124 DP 851

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia das porcentagens e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo do reensaio 1 para o modelo de rede neural 26

Anexos 151

Tabela 22 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 24 reensaio 1 e reensaio 2 fase 5

PREV 04 λ

(vivos ateacute 2012) REENSAIO 1 do modelo de rede neural 24 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 24

(aprendizado 2013 e 2014)

Nuacutemero do

caso

Sobrevida real (em dias)

Sobrevida da rede neural

(em dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural ()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3495 176 3709 344 3241 963

156 3630 3239 882 3041 1623 2523 3049

157 3705 3548 184 3469 637 3513 518

267 3755 2302 3303 3549 549 3513 644

442 3573 2445 206 3568 013 2523 2938

475 3700 3527 418 3370 892 3442 698

702 3544 2756 16 3727 515 2968 1625

848 3474 2628 2183 3547 211 3616 408

949 3339 3309 646 3505 496 3513 521

1015 3449 2166 3648 3637 544 3508 171

1166 3423 3399 1597 3555 386 3363 175

1269 3461 3183 182 3378 240 3628 483

1272 3343 3482 627 3286 171 2867 1424

1408 3427 2435 2721 3403 070 3184 710

1453 3473 3232 151 3458 044 3572 284

1460 3330 4047 2319 4024 2083 3058 817

1477 3485 2236 3574 3498 038 3513 081

1490 3244 3332 148 3511 823 3370 388

1511 3423 3052 1685 3225 579 3096 955

1513 3399 3239 251 3564 484 3130 791

1525 3429 2702 211 3527 284 3518 261

1538 3312 4069 3734 3422 332 3347 106

1686 3284 3821 2492 3304 060 3141 435

1754 3284 2612 1873 3324 120 3014 822

2083 2964 2264 2293 2501 1564 3157 652

2477 2973 4067 4381 3026 155 2404 1913

2481 2780 4062 6464 2827 169 2697 300

2526 2799 3548 3865 3264 1660 2524 983

2612 2894 3485 3271 3989 3784 3183 999

2621 2802 2224 1224 2545 917 3447 2303

2641 2934 3548 2171 2659 937 3334 1365

2714 2810 3486 2738 2329 1712 2523 1020

2789 2753 3442 2628 2490 955 2404 1267

2815 2943 3016 264 3200 873 2208 2497

2871 2904 2237 2242 3558 2253 2871 113

3475 2547 3231 2852 3568 4008 2524 092

2120

DP 1396

848

DP 961

910

DP 787

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-

-padratildeo das porcentagens (DP) do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1

(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo da rede neural para

os pacientes do reensaio 2 (oacutebitos incorporados ateacute 2014) λ PREV modelo de previsatildeo da rede neural para os

pacientes vivos associado ao modelo de aprendizado da rede

Anexos 152

Tabela 23 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 o reensaio 1 e o reensaio 2 fase 5

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 26 (aprendizado

2013 e 2014)

Nuacutemero do

caso

Sobrevida real

(em dias)

Sobrevida da rede neural (em

dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3902 966 3520 184 3274 870

156 3630 2656 2522 2618 2787 2750 2425

157 3705 3408 573 3568 371 3347 968

267 3755 2655 2275 3787 084 3708 126

442 3573 2514 074 3326 691 3740 467

475 3700 2694 2681 2654 2827 2751 2565

702 3544 2841 1340 3400 406 3207 952

848 3474 3307 163 3467 020 2989 1395

949 3339 2318 2541 3418 236 3552 637

1015 3449 2189 3580 3621 499 3352 282

1166 3423 4085 3937 2635 2303 3287 397

1269 3461 2367 1221 2628 2405 2915 1579

1272 3343 2669 1854 2688 1960 3045 892

1408 3427 3006 1015 3269 460 3299 373

1453 3473 2430 2595 2596 2524 2722 2163

1460 3330 4095 2465 2653 2033 4369 3120

1477 3485 2147 3832 3408 221 3472 038

1490 3244 2571 1142 2711 1642 3742 1534

1511 3423 2241 1419 2617 2354 3180 710

1513 3399 3044 1757 3340 175 3054 1015

1525 3429 2770 1913 3093 979 2763 1941

1538 3312 3743 2631 2651 1995 2845 1409

1686 3284 2747 1021 2665 1886 2767 1576

1754 3284 2590 1940 2798 1480 2830 1381

2083 2964 2805 452 2695 906 2813 508

2477 2973 3974 5052 2622 1182 3080 359 2481 2780 4055 6439 2873 334 2980 721

2526 2799 3027 1828 2627 614 3034 838

2612 2894 2090 2043 3243 1204 4367 5090

2621 2802 2947 1629 2645 562 2920 421

2641 2934 2247 2293 2654 954 3095 549

2714 2810 2488 908 2943 474 3998 4227

2789 2753 2727 003 2567 677 2492 947

2815 2943 2663 935 2620 1096 2722 749

2871 2904 2831 183 2550 1219 2887 059

3475 2547 2432 327 2731 724 3103 2183

1848 DP 1410

112 4 DP 851

126 DP 1127

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-padratildeo das porcentagens do erro Hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) das porcentagens Do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 2 (oacutebitos incorporadosateacute 2014) λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associados ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 153

Tabela 24 - Sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo dos melhores modelos de rede neural

Pacientes com oacutebitos confirmados ateacute 2012 Pacientes com oacutebitos natildeo confirmados ateacute 2012 Criteacuterio para o modelo de rede neural (RN)

Intervalo de corte (dias)

Modelo da rede neural

Total de oacutebitos

Verdadeiro Positivo (VP)

Falso Negativo (FN)

Sensibilidade da rede neural

ζ

Modelo de Previsatildeo da RN (Prev)

Total de pacientes vivos

Verdadeiro Negativo (VN)

Falso Positivo (FP)

Especificidade da rede neural δ

Acuraacutecia da rede neural

ξ

Valor Preditivo Positivo (VPP)

π

Valor Preditivo Negativo (VPN)

φ

sobrevida de 2 a 6 anos Log Sig DO-DPC 730 (2 anos) RN13 402 338 64 841 PREV01 300 226 74 753 803 820 779

sobrevida de 2 a 6 anos Log Sig DO-DPC 365 (1 ano) RN13 402 226 176 562 PREV01 300 139 161 463 520 584 441

sobrevida de 2 a 6 anos Log Sig DO-DIS 730 (2 anos) RN20 98 88 10 898 PREV02 51 39 12 765 852 880 796

sobrevida de 2 a 6 anos Log Sig DO-DIS 365 RN20 98 71 27 724 PREV02 51 23 28 451 631 717 460

sobrevida de 2 a 6 anos Tag h DO-DIS 730 (2 anos) RN22 98 88 10 898 PREV03 51 37 14 725 839 863 787

sobrevida de 2 a 6 anos Tag h DO-DIS 365 (1 ano) RN22 98 75 23 765 PREV03 51 22 29 431 651 721 489

sobrevida inferior a 2 anos Tag h DO-DIS 180 (6 meses) RN27 47 33 14 702 PREV06 24 9 15 375 592 688 391

sobrevida inferior a 2 anos Tag h DO-DIS 365 (1 ano) RN27 47 41 6 872 PREV06 24 16 8 667 803 837 727

sobrevida inferior a 2 anos Log Sig DO-DIS 180 (6 meses) RN29 47 33 14 702 PREV07 24 7 17 292 563 660 333

sobrevida inferior a 2 anos Log Sig DO-DIS 365 (1 ano) RN29 47 41 6 872 PREV07 24 15 9 625 789 820 714

sobrevida superior a 6 anos Tag h DO-DPC 730 (2 anos) RN24 186 135 51 726 PREV04 636 355 281 558 596 325 874

sobrevida superior a 6 anos Tag h DO-DPC 1095 (3 anos) RN24 186 173 13 930 PREV04 636 493 143 775 810 547 974

sobrevida superior 6 anos Log Sig DO-DPC 730 (2 anos) RN26 186 135 51 726 PREV05 636 348 288 547 588 319 872

sobrevida superior 6 anos Log Sig DO-DPC 1095 (3 anos) RN26 186 173 13 930 PREV05 636 486 150 764 802 536 974

sobrevida superior 6 anos Tag h DO-DIS 730 (2 anos) RN28 93 63 30 677 PREV08 199 60 139 302 421 312 667

sobrevida superior 6 anos Log Sig DO-DIS 730 (2 anos) RN30 93 63 30 677 PREV09 199 51 148 256 390 299 630

ε Os caacutelculos de sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo para cada modelo de dados da rede neural foram baseados no padratildeo ouro a partir de dois grupos distintos pacientes

falecidos ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural (RN) pacientes sobreviventes ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural para a previsatildeo da sobrevida (PREV) para estes pacientes foi considerada a data da uacuteltima revisatildeo como a data hipoteacutetica de oacutebito para o calculo da sobrevida DO data de oacutebito do paciente DIS data do iniacutecio dos sintomas DPC data da primeira consulta Tag h funccedilatildeo de transferecircncia ou ativaccedilatildeo tangente hiperboacutelica Log Sig funccedilatildeo de transferecircncia ou ativaccedilatildeo zero based log sigmoid funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural ζ Sensibilidade da rede neural = VP (VP + FN) δ Especificidade da rede neural = VN (VN + FP) ξ Acuraacutecia da rede neural = (VP + VN) (VP+FP+VN+FN) π Valor preditivo positivo da rede neural = VP (VP + FP) φ Valor preditivo negativo da rede neural = VN (VN + FN)

Anexos 154

Tabela 25 ndash Avaliaccedilatildeo dos melhores modelos de rede neural com o emprego da funccedilatildeo de perda

Caracteriacutesticas do modelo de rede neural Modelo de rede neural (RN)

Tamanho da

amostra (TAP) φ

Erro meacutedio estimado com a

funccedilatildeo de perdapara

(dias)

Erro meacutedio estimado com a funccedilatildeo de perda quadraacutetica (dias)

sobrevida de 2 a 6 anos Log Sig sect

(DO - DPC) RN13 402 38931 25453684

sobrevida de 2 a 6 anos Log Sig sect

(DO - DIS) RN20 98 25906 18176135

sobrevida de 2 a 6 anos Tag hip sect

(DO - DIS) RN22 98 23161 18081308

sobrevida superior a 6 anos Tag hip sect (DO - DPC) RN24 186 33255 27277589

sobrevida superior a 6 anos Log Sig sect

(DO - DPC) RN26 186 29388 334004

sobrevida inferior a 2 anos Tag hip sect

(DO - DIS) RN28 47 13307 5598847

sobrevida inferior a 2 anos Log Sig sect (DO - DIS)

RN30 47 12695 5223339

sect funccedilatildeo de ativaccedilatildeo ou transferecircncia tangente hiperboacutelica (Tag hip) ou zero based log sigmoid (Log Sig) funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural

DO data do oacutebito DPC data da consulta inicial DIS data do iniacutecio dos sintomas

φ TAP tamanho da amostra de treinamento ou previsatildeo

para Funccedilatildeo de perda absoluta = somatoacuteria (|sobrevida real-sobrevida estimada|) de cada paciente nuacutemero de pacientes

8 Referecircncias Bibliograacuteficas

Referecircncias Bibliograacuteficas 156

Aaronson KD Schwartz JS Chen TM Wong Kl Goin JE Mancini DM Development and prospective validation of a clinical index to predict survival in ambulatory patients referred for cardiac transplant evaluation Circulation 1997 Jun 95(12)2660-7 Abdul-Rahim AH MacIsaac RL Jhund P Petrie MC Lees KR McMurray JJV On behalf the VICCTA-Heart Failure Collaborators Efficacy and safety of digoxin in patients with heart failure and reduced ejection fraction according to diabetes status An analysis of the Digitalis Investigation Group (DIG) trial Int J Cardiol 2016 Feb209310-316 doi101016jijcard201602074 Abebe TB Gebreyohannes EA Bhagavathula AS Tefera YG Abegaz TM Anemia in severe heart failure patients does it predict prognosis BMC Cardiovasc Disord 2017 Sep17(1)248 doi101186s12872-017-0680-5 Abraham WT Fonarow GC Albert NM Stough WG Gheorghiade M Greenberg BH et al OPTIMIZE-HF Investigators and Coordinators Predictors of in-hospital mortality in patients hospitalized for heart failure insights from the Organized Program to Initiate Lifesaving Treatment in Hospitalized Patients with Heart Failure (OPTIMIZE-HF) J Am Coll Cardiol 2008 Jul52(5)347-56 doi 01016jjacc200804028 Acanfora D Gheorghiade M Trojano L Furgi G Pasini E Picone C et al Relative lymphocyte count a prognostic indicator of mortality in elderly patients with congestive heart failure Am Heart J 2001 Jul 142(1)167-73 PMID11431674 Addetia K Michel C Holcroft CA Sheppard R Rudski LG Early improvement in serial echocardiographic studies in heart failure patients predicts long term survival-a pilot study J Card Fail 2015 Jun21(6)470-8 doi 101016 jcardfail 201504002 Afsarmanesh N Horwich TB Fonarow GC Total cholesterol levels and mortality risk in nonischemic systolic heart failure Am Heart J 2006 Dec152(6)1077-83 doi10 1016jahj200606015 Ahmed FE Artificial neural networks for diagnosis and survival prediction in colon cancer Mol Cancer 2005 Aug429 doi1011861476-4598-4-29 Ahmed A Rich MW Love TE Lloyd-Jones DM Aban IB Colucci WS et al Digoxin and reduction in mortality and hospitalization in heart failure a comprehensive post hoc analysis of the DIG trial Eur Heart J 2006a Jan 27(2)178-86 doi101093eurheartjehi687 Ahmed A Aronow WS Fleg JL Predictors of mortality and hospitalization in women with heart failure in the Digitalis Investigation Group trial Am J Ther 2006 b Jul-Ago 13(4) 325-31 PMID16858168 Ahmed A Zannad F Love TE Tallaj J Gheorghiade M Ekundayo OJ Pitt B A propensity-matched study of the association of low serum potassium levels and mortality in chronic heart failure Eur Heart J 2007 Jun28 (11)1334-43 doi10 1093eurheartjehm091

Referecircncias Bibliograacuteficas 157

Alla F Brianccedilon S Juilliegravere Y Mertes PM Villemot JP Zannad F Differential clinical prognostic classifications in dilated and ischemic advanced heart failure the EPICAL study Am Heart J 2000 May139(5)895-904 doi101016S0002-8703(00)90023-1 Albuquerque DC Neto JD Bacal F Rohde LE Bernardez-Pereira S Berwanger O et al Investigadores Estudo BREATHE I Brazilian registry of heart failure - Clinical aspects care quality and hospitalization outcomes Arq Bras Cardiol 2015 Jun104(6)433-42 Erratum in Correction [Arq Bras Cardiol 2015] doi 10 5935 abc20150031 Ambroacutesio PE Redes neurais artificiais no apoio ao diagnoacutestico diferencial de lesotildees intersticiais pulmonares [dissertaccedilatildeo] Ribeiratildeo Preto Universidade de Satildeo Paulo Faculdade de Filosofia Ciecircncias e Letras 2002 Disponiacutevel em wwwtesesuspbrtesesdisponiveis5959135tde-26102002-155559Dissertacaopdf Anand I McMurray JJ Whitmore J Warren M Pham A McCamish MA et al Anemia and its relationship to clinical outcome in heart failure Circulation 2004 Jul110(2)149-54 doi10116101CIR00001342797957173 Anand IS Kuskowski MA Rector TS Florea VG Glazer RD Hester A et al Anemia and change in hemoglobin over time related to mortality and morbidity in patients with chronic heart failure results from Val-HeFT Circulation 2005 Aug112(8)1121-7 doi101161 CIRCULATIONAHA104512988 Anand IS Anemia and chronic heart failure implications and treatment options J Am Coll Cardiol 2008 Aug52(7)501-11 doi101016jjacc200804044 Anker SD Ponikowski P Varney S Chua TP Clark AL Webb-Peploe KM et al Wasting as independent risk factor for mortality in chronic heart failure Lancet1997 Apr349(9058)1050-3 doi 10 1016S0140-6736(96)07015-8 Anker SD Negassa A Coats AJ Afzal R Poole-Wilson PA Cohn JN et al Prognostic importance of weight loss in chronic heart failure and the effect of treatment with angiotensin ndash converting - enzyme inhibitors an observational study Lancet 2003 Mar361(9363)1077-83 doi101016S0140-6736(03)12892-9 Assunccedilatildeo F Estrateacutegias para tratamento de variaacuteveis com dados faltantes durante o desenvolvimento de modelos preditivos [mestrado] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2012 doi1011606D712010tde-21062010-100432 Recuperado em 2017-01-18 de wwwtesesuspbr Astion ML Wilding P The application of backpropagation neural networks to problems in pathology and laboratory medicine Arch Pathol Lab Med1992 Oct 116(10)995-1001 PMID1417451 Barker WH Mullooly JP Getchell W Changing incidence and survival for heart failure in a well-defined older population 1970-1974 and 1990-1994 Circulation 2006 Fev113(6)799-805 doi101161CIRCULATIONAHA104492133

Referecircncias Bibliograacuteficas 158

Bartosch-Haumlrlid A Andersson B Aho U Nilsson J Andersson R Artificial neural networks in pancreatic disease Br J Surg 2008 Jul95(7)817-26 doi101002 bjs 6239 Baxt WG Use of an artificial neural network for the diagnosis of myocardial infarction Ann Intern Med 1991 Jan115(11)843-8 PMID 1952470 Erratum in Ann Intern Med 1992116(1)94 doi1073260003-4819-115-11-843 Baxt WG Application of artificial neural networks to clinical medicine Lancet 1995 Oct 346(8983)1135-8 PMID 7475607 Baxt WG Skora J Prospective validation of artificial neural network trained to identify acute myocardial infarction Lancet 1996 Jan347(8993)12-5 PMID 8531540 Bestetti RB Dalbo CM Freitas OC Teno LA Castilho OT Oliveira JS Noninvasive predictors of mortality for patients with Chagasrsquo heart disease a multivariate stepwise logistic regression study Cardiology 1994 Nov84(4-5)261-7 doi1011590001 76409 Bestetti RB Muccillo G Clinical course of Chagasrsquoheart disease a comparison with dilated cardiomyopathy Int J Cardiol 1997 Jul60(2)187-93 PIMD 9226290 Bestetti RB Otaviano AP Cardinalli-Neto Rocha BF Theodoropoulos TA Cordeiro JA Effects of B-Blockers on outcome of patients with Chagasrsquo cardiomyopathy with chronic heart failure Int J Cardiol 2011 Sep115205-208 doi101016jijcard 201005033 Bestetti RB Daniel RAF The treatment of chronic heart failure secondary to Chagas cardiomyopathy in the contemporary era International Cardiovascular Forum Journal 2016vol719-25 doi1017987icfjv7i0217 Bielecka-Dabrowa A Mikhailidis DP Jones L Rysz J Aronow WS Banach M The meaning of hypokalemia in heart failure Int J Cardiol 2012 Jun158(1) 12-7 doi 10 1016jijcard201106121 Bocchi EA Cruz F Guimaratildees G Pinho Moreira LF Issa VS Ayub-Ferreira SM et al Long-term prospective randomized controlled study using repetitive education at six-month intervals and monitoring for adherence in heart failure outpatients the REMADHE trial Circ Heart Fail 2008 Jul1(2)115-124 doi 101161CIRCHEARTFAILURE107744870 Bocchi EA Marcondes-Braga FG Ayub-Ferreira SM Rohde LE Oliveira WA Almeida DR et al Sociedade Brasileira de Cardiologia III Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica Arq Bras Cardiol 200993 (1supl1)1-71 doi101590S0066-782X2009002000001

Referecircncias Bibliograacuteficas 159

Bocchi EA Marcondes-Braga FG Bacal F Ferraz AS Albuquerque D Rodrigues D et al Sociedade Brasileira de Cardiologia Atualizaccedilatildeo da Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica-2012 Arq Bras Cardiol 2012 Jan 98(1 supl 1)1- 33 Bocchi EA Arias A Verdejo H Diez M Goacutemez E Castro P Interamerican Society of Cardiology The reality of heart failure in Latin America J Am Coll Cardiol 2013 Sep62(11)949-58 doi101016jjacc201306013 Bocchi EA Bestetti RB Scanavacca MI Neto EC Issa VS Chronic Chagas heart disease management From etiology to cardiomyopathy treatment J Am Coll Cardiol 2017 Sep70(12)1510-24 doi101016jjacc201708004 Boumlhm M Swedberg K Komajda M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Heart rate as a risk factor in chronic heart failure (SHIFT) the association between heart rate and outcomes in a randomised placebo -controlled trial Lancet 2010 Sep376(9744) 886-94 doi101016S0140-6736(10) 61259-7 Braunwald E Biomarkers in heart failure N Engl J Med 2008 May 358(20) 2148-59 doi101056NEJMra0800239 Burnett H Earley A Voors AA Senni M McMurray JJ Deschaseaux C et al Thirty years of evidence on the efficacy of drug treatments for chronic heart failure with reduced ejection fraction a network meta-analysis Circ Heart Fail 2017 Jan10 (1)pii e003529 doi 101161CIRCHEARTFAILURE116003529 Buskard T Stevenson M Frize M Solven F Estimation of ventilation length of stay and mortality using artificial neural networks Conf Proc Electrical and Computer Engineering 1994 Canada September 25-28 1994 IEEEXplore 2002 doi 101109CCECE1994405854 Bustamante-Teixeira MT Faerstein E Latorre MR Teacutecnica de anaacutelise de sobrevida Cad Sauacutede Puacuteblica 2002 May-Jun Rio de Janeiro18(3)579-594 doi101590S 0102-311X2002000300008 Carlo CH Cardoso JN Ochia ME Oliveira Junior MT Ramires JA Pereira-Barretto AC Temporal variation in the prognosis and treatment of advanced heart failure - before and after 2000 Arq Bras Cardiol 2014 May102(5)495-504 PMID 24759950 Castro LN Anaacutelise e siacutentese de estrateacutegias de aprendizado para redes neurais artificiais [dissertaccedilatildeo] Campinas Universidade Estadual de Campinas Faculdade de Engenharia Eleacutetrica e de Computaccedilatildeo 1998 Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubentheseslnunes_ mestindicepdf

Referecircncias Bibliograacuteficas 160

Castro FCC de Castro MC Redes Neurais Artificiais Pontifiacutecia Universidade Catoacutelica do Rio Grande do Sul Capiacutetulo 2 Processos de aprendizado [citado 10 Nov 2016] p1-23 Disponiacutevel em wwwpolitecnica pucrsbr~decastro pdf RNA_C2pdf Charach G Grosskopf I Roth A Afek A Wexler D Sheps D et al Usefulness of total lymphocyte count as predictor of outcome in patients with chronic heart failure Am J Cardiol 2011 May 107 (9) 1353-6 doi101016jamjcard201012049 Chizzola PR Mansur AJ da Luz PL Bellotti G Compliance with pharmacological treatment in outpatients from a Brazilian cardiology referral center Sao Paulo Med J 1996 Sep-Oct114(5)1259-64 doi101590S1516-31801996000500004 Christ M Klima T Grimm W Mueller HH Maisch B Prognostic significance of serum cholesterol levels in patients with idiopathic dilated cardiomyopathy Eur Heart J 2006 Mar27(6)691-9 doi101093eurheartjehi195 Cintron G Jonhson G Francis G Cobb F Cohn JN Prognostic significance of serial changes in left ventricular ejection fraction in patients with congestive heart failure The V-HeFT VA Cooperative Studies Group Circulation 1993 Jun87(6Suppl)VI17-23 PMID 8500235 Cohn JN Archibald DG Ziesche S Franciosa JA Harston WE Tristani FE et al Effect of vasodilator therapy on mortality in chronic congestive heart failure Results of a Veterans Administration Cooperative Study N Engl J Med 1986 Jun314 (24) 1547-52 doi101056NEJM198606123142404 Cohn JN Archibald DG Francis GS Ziesche S Franciosa JA Harston WE et al Veterans Administration Cooperative Study on Vasodilator Therapy of Heart Failure Influence of prerandomization variables on the reduction of mortality by treatment with hydralazine and isosorbide dinitrate Circulation 1987 May75(5 Pt 2)IV49-54 PMID 3552302 Cohn JN Rector TS Prognosis of congestive heart failure and predictors of mortality Am J Cardiol 1988 Jul62(2)25A-30A doi 101016 S0002-9149(88) 80081-X Cox DR Regression Models and Life-Tables J R Stat Soc Series B Stat Methodol Vol 34 No 2 (1972) p187-220 Cowie MR Wood DA Coats AJ Thompson SG Suresh V Poole-Wilson PA et al Survival of patients with a new diagnosis of heart failure a population based study Heart 2000 May83(5)505-10 doi101136heart 835505 Cross SS Harrison RF Kennedy RL Introduction to neural networks Lancet 1995 Oct346(8982)1075-9 PMID7564791

Referecircncias Bibliograacuteficas 161

Das A Ben-Menachem T Farooq FT Cooper GS Chak A Sivak MV Jr et al Artificial neural network as a predictive instrument in patients with acute nonvariceal upper gastrointestinal hemorrhage Gastroenterology 2008 Jan134 (1)65-74 doi101053jgastro200710037 Damman K Valente MA Voors AA OConnor CM van Veldhuisen DJ Hillege HL Renal impairment worsening renal function and outcome in patients with heart failure an updated meta-analysis Eur Heart J 2014 Fev35(7)455-69 doi 101093 eurheartjeht386 Davos CH Doehner W Rauchhaus M Cicoira M Francis DP Coats AJ et al Body mass and survival in patients with chronic heart failure without cachexia The importance of obesity J Cardiac Fail 2003 Fev9(1)29-35 doi10 1054 jcaf20034 Diaz A Bourassa MG Guertin MC Tardif JC Long-term prognostic value of resting heart rate in patients with suspected or proven coronary artery disease Eur Heart J 2005 Mar26(10)967-74 doi101093eurheartjehi190 Doehner W Critical appraisal of the obesity paradox in cardiovascular disease how to manage patients with overweight in heart failure Heart Fail Rev 2014 Sep 19(5)637-44 doi101007s10741-014-9425-z Dries DL Exner DV Domanski MJ Greenberg B Stevenson LW The prognostic implications of renal insufficiency in asymptomatic and symptomatic patients with left ventricular systolic dysfunction J Am Coll Cardiol 2000 Mar35(3)681-9 doi10 1016S0735-1097(99)00608-7 Ennett CM Frize M Walker CR Influence of missing values on artificial neural network performance Stud Health Technol Inform 200184(Pt 1)449-53 doi 10 3233978-1-60750-928-8-449 Ennett CM Frize M Charette E Improvement and automation of artificial neural networks to estimate medical outcomes Med Eng Phys 2004 May26(4)321-328 doi101016jmedengphy200309005 Ennett CM Frize M Wlaker R Imputation of missing values by integrating neural networks and case-based reasoning Conf Proc IEEE Eng Med Biol Soc 200820084337-41 Proferida na 30th Annual International IEEE EMBS Conference Vancouver British Columbia Canada August 20-24 2008 doi101109 IEMBS 20084650170 Espinosa R Carrasco HA Belandria F Fuenmayor AM Molina C Gonzaacutelez R et al Life expectancy analysis in patients with Chagasrsquo disease prognosis after one decade (1973-1983) Int J Cardiol 1985 May8(1)45-56 PMID 3997291 Ezekowitz JA McAlister FA Armstrong PW Anaemia is common in heart failiure and is associated with poor outcomes insights from a cohort of 12065 patients with new-onset heart failure Circulation 2003 Jan107(2)223-225 doi101161 01 CIR00 00 0526 2251963FC

Referecircncias Bibliograacuteficas 162

Fogel DB Wasson EC 3rd Boughton EM Evolving neural networks for detecting breast cacircncer Cancer Lett 1995 Sep96(1)49-53 PMID 7553607 Fonarow GC Adams KF Jr Abraham WT Yancy CW Boscardin WJ ADHERE Scientific Advisory Committee Study Group and Investigators Risk stratification for in-hospital mortality in acutely decompensated heart failure classification and regression tree analysis JAMA 2005 Feb293(5)572-80 doi 101001 jama 2935572 Fonarow GC Srikanthan P Costanzo MR Cintron GB Lopatin M ADHERE Scientific Advisory Committee and Investigators An obesity paradox in acute heart failure analysis of body mass index and inhospital mortality for 108927 patients in the Acute Decompensated Heart Failure National Registry Am Heart J 2007a Jan153(1)74-81 doi101016jahj200609007 Fonarow GC Heywood JT Heidenreich PA Lopatin M Yancy CW ADHERE Scientific Advisory Committee and Investigators Temporal trends in clinical characteristics treatments and outcomes for heart failure hospitalizations 2002 to 2004 findings from Acute Decompensated Heart Failure National Registry (ADHERE) Am Heart J 2007b Jun153(6)1021-8 doi101016jahj200703012 Franke J Zugck C Hochadel M Hack A Frankenstein L Zhao JD et al Etiology-specific assessment of predictors of long-term survival in chronic systolic heart failure Int J Cardiol Heart Vasc 2015 Feb761-68 doi101016jijcha 2015 01015e Collection 2015 Jun 1 Freitas HFG Prognoacutestico em portadores de insuficiecircncia cardiacuteaca encaminhados para avaliaccedilatildeo de tratamento ciruacutergico [tese] Satildeo Paulo Universidade de Satildeo Paulo Faculdade de Medicina 2002 doi1011606 T52002tde-19082014-100741 Disponiacutevel em http wwwtesesuspbr Freitas HFG Chizzola PR Paes AT Lima AC Mansur AJ Risk stratification in a Brazilian hospital - based cohort of 1220 outpatients with heart failure role of Chagasheart disease Int J Cardiol 2005 Jul102(2)239-47 doi101016jijcard 2004 05025 Freitas HFG Barbosa EA Rosa FHFP Lima ACP Mansur AJ Association of HDL cholesterol and triglycerides with mortality in patients with heart failure Braz J Med Biol Res 2009 May42(5)420-425 doi101590S0100-879X2009000500004 Frize M Ennett CM Charette E Automated optimization of neural networks in estimating medical outcomes Proc 3rd IEEE ITAB-ITIS Conference Information Technology Applications in Biomedicine and International Telemedical Information Society 2000168-73 Frize M Ennett CM Stevenson M Trigg HC Clinical decision support systems for intensive care units using artificial neural networks Med Eng Phys 2001 23217-25 doiorg101016S1350-4533(01)00041-8

Referecircncias Bibliograacuteficas 163

Gerber Y Weston SA Redfield MM Chamberlain AM Manemann SM Jiang R et al A contemporary appraisal of the heart failure epidemic in Olmsted County Minnesota 2000 to 2010 JAMA Intern Med 2015 Jun 175(6)996-1004 doi101001jamainternmed20150924 Gheorghiade M Filippatos G Reassessing treatment of acute heart failure syndromes the ADHERE Registry Eur Heart J Suppl 2005 Apr7(suppl B)B13-B19 doi101093eurheartjsui008 Gheorghiade M Patel K Filippatos G Anker SD van Veldhuisen DJ Cleland JG et al Effect of oral digoxin in high-risk heart failure patients a pre-specified subgroup analysis of the DIG trial Eur J Heart Fail 2013 May15(5)551-9 doi101093eurjhfhft010 Godoy HL Silveira JA Segalla E Almeida DR Hospitalization and Mortality rates for heart failure in public hosptitals in Satildeo Paulo Arq Bras Cariol 2011 Nov97(5)402-7 doi101590S0066-782X2011005000096 Go AS Yang J Ackerson LM Lepper K Robbins S Massie BM et al Hemoglobin level chronic kidney disease and the risks of death and hospitalization in adults with chronic heart failure the Anaemia in Chronic Heart Failure Outcomes and Resource Utilization (ANCHOR) Study Circulation 2006 Jun113(23)2713-3 doi101161CIRCULATIONAHA105577577 Gradman A Deedwania P Cody R Massie B Packer M Pitt Bet al Predictors of total mortality and sudden death in mild to moderate heart failure Captopril-Digoxin Study Group J Am Coll Cardiol 1989 Sep14564-570 PMID 2768707 Grossi E How artificial intelligence tools can be used to assess individual patient risk in cardiovascular disease problems with the current methods BMC Cardiovasc Disord 2006 May620 doi1011861471-2261-6-20 Guidi G Pettenati MC Melillo P Iadanza E A machine learning system to improve heart failure patient assistance IEEE J Bioimed Health Inform 2014 Nov18(6)1750-6 doi101109JBHI20142337752 Guimaratildees AM Mathias IM Dias AH Ferrari JW Cazelatto Junior CDO Modulo de validaccedilatildeo cruzada para treinamento de redes neurais artificiais com algoritmos back propagation e resilient propagation Publ UEPG Exact Earth Sci Agr Sci Eng Ponta Grossa 14 (1) 17-24 abr 2008 doi 105212 Publ Exatasv 14i1 017024 Disponiacutevel em httpdxdoiorg105212Publ Exatasv14i1017024 Haykin S Neural Networks A Comprehensive Foundation Chapter Multilayer preceptrons p178 New Jersey Prentice-Hall Inc 1999[cited 2009 ] Available from httpcdnpreterhumannetneuralnetworks

Referecircncias Bibliograacuteficas 164

Hecht-Nielsen R Theory of the backpropagation neural network Proceedings of the international joint conference on neural networks 1 p593-611 June 1989 doi101016B978-0-12-741252-8500108 Hjalmarson A Goldstein S Fagerberg B Wedel H Waagstein F Kjekshus Jet al Effects of controlled -release metoprolol on total mortality hospitalizations and well-being in patients with heart failure the Metoprolol CRXL Randomized Intervention Trial in congestive heart failure (MERIT-HF) MERIT-HF Study Group JAMA 2000 Mar 283 (10) 1295-302 doi 101001jama283101295 Horwich TB Fonarow GC Hamilton MA MacLellan WR Woo MA Tillisch JH The relationship between obesity and mortality in patients with heart failure J Am Coll Cardiol 2001 Sep38(3)789-95 PMID 11527635 Horwich TB Hamilton MA Maclellan WR Fonarow GC Low serum total cholesterol is associated with marked increase in mortality in advanced heart failure J Card Fail 2002 Aug8(4)216-24 PMID 12397569 Horwich TB Hernandez AF Dai D Yancy CW Fonarow GC Cholesterol levels and in-hospital mortality in patients with acute decompensated heart failure Am Heart J 2008 Dec156(6)1170-6 doi101016jahj200807004 Huehnergarth KV Mozaffarian D Sullivan MD Crane BA Wilkinson CW Lawler RL et al Usefulness of relative lymphocyte count as an independent predictor of deathurgent transplant in heart failure Am J Cardiol 2005 Jun95(12)1492-5 doi101016jamjcard200502022 Hunt SA Baker DW Chin MH Cinquegrani MP Feldman AM Francis GS et al ACCAHA guidelines for the evaluation and management of chronic heart failure in the adult executive summary a report of the American College of CardiologyAmerican Heart Association Task Force on Practice Guidelines (Committee to Revise the 1995 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2001 Dec38(7)2101-13 doi101016S0735-1097(01)01683-7 Hunt SA American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) ACCAHA 2005 guideline update for the diagnosis and management of chronic heart failure in the adult a report of the American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2005 Sep46(6)e1-82 Erratum in J Am Coll Cardiol 2006 Apr47(7)1503-1505 doi101016jjacc200508022 Hsiao SH Chiou KR Left atrial expansion index predicts all-cause mortality and heart failure admissions in dyspnoea Eur J Heart Fail 2013 Nov15(11)1245-52 doi101093eurjhfhft087

Referecircncias Bibliograacuteficas 165

Issa VS Amaral AF Cruz FD Ferreira SM Guimaratildees GV Chizzola PR et al B-blocker therapy and mortality of patients with Chagas cardiomyopathy a sub analysis of the REMADHE prospective trial Circ Heart Fail 2010 Jan3(1)82-88 doi101161CIRCHEARTFAILURE109882035 James PA Oparil S Carter BL Cushman WC Dennison-Himmelfarb C Handler J et al 2014 Evidence-based guideline for the management of high blood pressure in adults report from the Panel Members appointed to the eighth joint national committee (JNC 8) JAMA 2014 Feb 311(5)507-520 doi101001jama2013284427 Kaambwa B Bryan S Billingham L Do the methods used to analyse missing data really matter An examination of data from an observational study of Intermediate Care patients BMC Res Notes 2012 Jun5330 doi1011861756-0500-5-330 Kajimoto K Minami Y Sato N Takano T Investigators of the Acute Decompensated Heart Failure Syndromes (ATTEND) registry Serum sodium concentration blood urea nitrogen and outcomes in patients hospitalized for acute decompensated heart failure Int J Cardiol 2016 Nov222195-201 doi 10 1016jijcard201607255 Kalantar-Zadeh K Block G Horwich T Fonarow GC Reverse epidemiology of conventional cardiovascular risk factors in patients with chronic heart failure J Am Coll Cardiol 2004 Apr43(8)1439-44 doi101016jjacc200311039 Kang J Park JJ Cho YJ Oh IY Park HA Lee SE et al Predictors and prognosis value of worsening renal function during admission in HFpEF versus HFrEF data from the KorAHF J Am Heart Assoc 2018 Mar7(6)piie007910 doi101161JAHA117007910 Kannel WB Epidemiology and prevention of cardiac failure Framingham Study insights Eur Heart J 1987 Sep8 Suppl F23-6 PMID 3665963 doi101093 eurheartj 8 suppl_F23 Kaplan EL Meier P Nonparametric estimation from incomplete observations J Am Stat Assoc 1958 Jun53(282)457-481 doi 10 23072281868 Kaufman R Azevedo VMP Xavier RMA Geller M Chaves RBM Castier MB Evolution of heart failure-related hospital admissions and mortality rates a 12-year analysis Int J Cardiovasc Sci 2015 Sep28(4)276-28 doi 1059352359-480220150040 Kenchaiah S Evans JC Levy D Wilson PW Benjamin EJ Larson MG et al Obesity and the risk of heart failure N Engl J Med 2002 Aug 347 (5)305-13 doi101056NEJMoa020245 Kenchaiah S Vasan RS Heart Failure in Women--Insights from the Framingham Heart Study Cardiovasc Drugs Ther 2015 Aug29(4)377-90 doi 101007s10557-015-6599-0

Referecircncias Bibliograacuteficas 166

Keogh AM Baron DW HickieJB Prognostic guides in patients with idiopathic or ischemic dilated cardiomyopathy assessed for cardiac transplantation Am J Cardiol1990 Apr65(13)903-8 PMID2138849 Khan MG Cardiac drug therapy 8th ed Humana Press 2015 p31[cited 2015] Available from httprudiaptfileswordpresscom201711cardiac-drug-therapy-8th-ed-2015-pdf Kjekshus J Apetrei E Barrios V Boumlhm M Cleland JGF Cornel JH et al CORONA Group Rosuvastatin in older patients with systolic heart failure N Engl J Med 2007 Nov 357(22)2248-61 doi101056NEJMoa0706201 Klein L OConnor CM Leimberger JD Gattis-Stough W Pintildea IL Felker GM et al OPTIME-CHF Investigators Lower serum sodium is associated with increased short-term mortality in hospitalized patients with worsening heart failure results from the Outcomes of a Prospective Trial of Intravenous Milrinone for Exacerbations of Chronic Heart Failure (OPTIME-CHF) study Circulation 2005 May111(19)2454-60 doi101161 01CIR 0000165065 82609 3D Krittanawong C Zhang H Wang Z Aydar M Kitai T Artificial intelligence in precision cardiovascular medicine J Am Coll Cardiol 2017 May69(21)2657-2664 doi101016jjacc201703571 Krumholz HM Seeman TE Merrill SS Mendes de Leon CF Vaccarino V Silverman DI et al Lack of association between cholesterol and coronary heart disease mortality and morbidity and all-cause mortality in persons older than 70 years JAMA 1994 Nov272(17)1335-40 doi 101001jama 1994 03520170045034 Kyriakou M Kiff PF Prognosis of the comorbid heart failure and anaemia a systematic review Clin Trials Regul Sci Cardiol 2016 Jul 1612 -21 doi101016jctrsc201601008 Lang RM Bierig M Devereux RB Flachskampf FA Foster E Pellikka PA et al Recommendations for chamber quantification a report from the American Society of Echocardiography`s guidelines and standards committee and the chamber quantification writing group developed in conjunction with the European Association of Echocardiography a branch of the European Society of Cardiology J Am Soc Echocardiogr 2005 Dec181440-1463 doi101016jctrsc 201601008 Lee DS Austin PC Rouleau JL Liu PP Naimark D Tu JV Predicting mortality among patients hospitalized for heart failure derivation and validation of a clinical model JAMA 2003 Nov290(19)2581-7doi101001jama290192581 Lee WH Packer M Prognostic importance of serum sodium concentration and its modification by converting-enzyme inhibition in patients with severe chronic heart failure Circulation 1986 Fev73(2)257-67 PMID3002660

Referecircncias Bibliograacuteficas 167

Levy WC Mozaffarian D Linker DT Sutradhar SC Anker SD Cropp AB et al The Seattle Heart Failure Model prediction of survival in heart failure Circulation 2006 Mar113(11)1424-33 doi 101161 CIRCULATIONAHA 105584102 Lewis EF Moye LA Rouleau JL Sacks FM Arnold JM Warnica JW et al CARE Study Predictors of late development of heart failure in stable survivors of myocardial infarction the CARE study J Am Coll Cardiol 2003 Oct42(8)1446-53 PMID 14563590 Likoff MJ Chandler SL Kay HR Clinical determinants of mortality in chronic congestive heart failure secondary to idiopathic dilated or to ischemic cardiomyopathy Am J Cardiol 1987 Mar59(6)634-8 PMID 3825904 Lisboa PJ A review of evidence of health benefit from artificial neural networks in medical intervention Neural Netw 2002 Jan15(1)11-39 PMID11958484 Lisboa PJ Taktak AFG The use of an artificial neural network in decision support in cancer a systematic review Neural Netw 2006 May19(4)408-15 doi101016j neunet200510007 Little RJ DrsquoAgostino R Cohen M Dickersin K Emerson SS Farrar JT et al The prevention and treatment of missing data in clinical trials N Engl J Med 2012 Oct 367(14) 1355-1360 doi101056NEJMsr1203730 Lundin M Lundin J Burke HB Toikkanen S Pylkkaumlnen L Joensuu H Artificial neural networks applied to survival prediction in breast cancer Oncology 1999 Nov57(4)281-6 doi101159000012061 MacIntyre K Capewell S Stewart S Chalmers JW Boyd J Finlayson A et al Evidence of improving prognosis in heart failure trends in case fatality in 66547 patients hospitalized between 1986 and 1995 Circulation 2000 Sep102(10)1126-31 PMID 10973841 Mahmood SS Levy D Vasan RS Wang TJ The Framingham Heart Study and the epidemiology of cardiovascular diseases a historical perspective Lancet 2014 Mar 383(9921)999ndash1008 doi 101016S0140-6736(13)61752-3 McKee PA Castelli WP McNamara PM Kanel WB The natural history of congestive heart failure the Framingham study N Engl J Med 1971 Dec 285 (26) 1441-1446 doi101056NEJM197112232852601 McManus DD Shah SJ Fabi MR Rosen A Whooley MA Schiller NB Prognostic value of left ventricular end-systolic volume index as a predictor of heart failure hospitalization in stable coronary artery disease data from the Heart and Soul Study J Am Soc Echocardiogr 2009 Fev22(2)190-7 doi 101016jecho200811005

Referecircncias Bibliograacuteficas 168

McMurray JJ Packer M Desai AS Gong J Lefkowitz MP Rizkala AR et al PARADIGM-HF Investigators and Committees Angiotensin-neprilysin inhibition versus enalapril in heart failure N Engl J Med 2014 Sep 371(11)993-1004 doi 101056NEJMoa 1409077 Mady C Cardoso RH Barretto AC da Luz PL Bellotti G Pileggi F Survival and predictors of survival in patients with congestive heart failure due to Chagasrsquo cardiomyopathy Circulation 1994 Dec90(6)3098-3102 doi 10116101CIR9063098 Maraldi C Volpato S Cesari M Onder G Pedone C Woodman RC et al Investigators of the Gruppo Italiano di Farmacoepidemiologia nellrsquoAnziano Study Anemia physical disability and survival in older patients with heart failure J Card Fail 2006 Sep12(7)533-9 doi101016 jcardfail 2006 05002 Marccedilula M Cuoco MAR Yamada ATY De Paula RS UemuraRT Barretto ACP Mansur AJ Comparison of prognostic variables between two cohorts of outpatients with heart failure in the last two decades Paris European Heart Jo0urnal (Abstract Supplement) (2011)32459 Marccedilula M de Souza Buto MF Madaloso BA Nunes RA Cuoco MA de Paula RS et al Lymphocyte count and prognosis in patients with heart failure Int J Cardiol 2015 Jun18860-2 doi 10 1016 j ijcard 201504043 Maron BJ Towbin JA Thiene G Antzelevitch C Corrado D Arnett D et al American Heart Association Council on Clinical Cardiology Heart Failure and Transplantation Committee Quality of Care and Outcomes Research and Functional Genomics and Translational Biology Interdisciplinary Working Groups Council on Epidemiology and Prevention Circulation 2006 Apr 113(14)1807-16 doi 101161 CIRCULATIONAHA 10617428 Merlo M Pyxaras SA Pinamonti B Barbati G Di Lenarda A Sinagra G Prevalence and prognostic significance of left ventricular reverse remodeling in dilated cardiomyopathy receiving tailored medical treatment J Am Coll Cardiol 2011Mar57(13)1468-76 doi101016jjacc201011030 Miller DD Brown EW Artificial intelligence in medical practice The question to the answer Am J Med 2018 Fev131(2)129ndash133 doi 101016 jamjmed201710 03 5 Milo-Cotter O Cotter G Weatherley BD Adams KF Kaluski E Uriel N et al Hyponatraemia in acute heart failure is a marker of increased mortality but not when associated with hyperglycaemia Eur J Heart Fail 2008 Jan10(2)196-200 doi101016jejheart200801008 Moutinho MA Colucci FA Alcoforado V Tavares LR Rachid MB Rosa ML et al Heart failure with preserved ejection fraction and systolic dysfunction in the community Arq Bras Cardiol 2008 Fev90 (2)132-7 doi101590S0066-782X2008000200011

Referecircncias Bibliograacuteficas 169

Myers J de Souza CR Borghi-Silva A Guazzi M Chase P Bensimhon Det al A neural network approach to predicting outcomes in heart failure using cardiopulmonary exercise testing Int J Cardiol 2014 Feb171(2)265-9 doi 101016jijcard 2013 12031 Nadruz W Jr Gioli-Pereira L Bernardez-Pereira S Marcondes-Braga FG Fernandes-Silva MM Silvestre OM et al Temporal trends in the contribution of Chagas cardiomyopathy to mortality among patients with heart failure Heart 2018 Sep104(18)1522-1528 doi 101136heartjnl-2017-312869 Neuro XL Predictor OLSOFT Software Development Available from http wwwNeuroXLcom adquirido em 2011-3-14 New York Heart Association Criteria Committee New York Heart Association Inc Diseases of the Heart and Blood Vessels Nomenclature and Criteria for diagnosis 6th ed Boston Little Brown and Co 1964 p114 [cited 1964] Available from httpwwwheartorgenhealth-topicsheart-failurewhat-is-heart-failureclasses-of-heart-failure Nieminen MS Harjola VP Hochadel M Drexler H Komajda M Brutsaert D et al Gender related diferences in patients presenting with acute heart failure Results from Euro Heart Failure Survey II Eur J Heart Fail 2008 Feb10(2)140-8 doi10 1016jejheart 200712012 Nunes LN Kluumlck MM Fachel JMG Uso da imputaccedilatildeo muacuteltipla de dados faltantes

uma simulaccedilatildeo utilizando dados epidemioloacutegicos Cad Sauacutede Puacuteblica Rio de

Janeiro 200925(2)268-278 [citado18 jan 2017] Disponiacutevel em httpdxdoiorg10

1590SO102-311X2009000200005

Nunes LN Meacutetodos de imputaccedilatildeo de dados aplicados na aacuterea da sauacutede

[dissertaccedilatildeo] Rio Grande do Sul Universidade Federal do Rio Grande do Sul

Instituto de Epidemiologia 2011 [citado 01 jan 2018] Disponiacutevel em

httphdlhandlenet10183 11422

Nunes MC Rocha MO Ribeiro AL Colosimo EA Rezende RA Carmo GA et al Right ventricular dysfunction is an independent predictor of survival in patients with dilated chronic Chagas cardiomyopathy Int J Cardiol 2008 Jul 127 (3)372-9 doi101016jijcard200706012 Nunes MC Dones W Morillo CA Encina JJ Ribeiro AL Council on Chagas Disease

of the Interamerican Society of Cardiology Chagas disease an overview of clinical

and epidemiological aspects J Am Coll Cardiol 2013 Aug 62 (9)767-76 doi 10

1016jjacc201305046

Ogava MH Redes neurais em anaacutelise de sobrevivecircncia uma aplicaccedilatildeo na aacuterea de relacionamento com clientes [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 D45 2007tde-26082007-225003

Referecircncias Bibliograacuteficas 170

Ogulata SN Sahin C Erol R Neural network-bases computer-aided diagnosis in classification of primary generalized epilepsy by EEG signals J Med Syst 2009 Apr33(2)107-12 PMID 19397095 Okoshi MP Capalbo RV Romeiro FG Okoshi K Cardiac Cachexia perspectives for prevention and treatment Arq Bras Cardiol 2017 Jan 108(1)74-80 doi 105935 abc20160142 Oliveira JW Valecircncia DM Medeiros PG Marccedilula M Risk-adjusted monitoring of time to event in the presence of long-term survivors Biom J 2016 Nov 58(6)1485-1505 doi101002 bimj 201500094 Ortiz J Ghefter CGM Silva CE Sabbatini RME One-year mortality prognosis in heart failure a neural network approach based on echocardiographic data J Am Coll Cardiol 1995a Dec26(7)1586-93 doi1010160735-1097(95)00385-1 Ortiz J Sabbatini RME Ghefter CGM Silva CES Uso de redes neurais artificiais na avaliaccedilatildeo da sobrevida na insuficiecircncia cardiacuteaca Arq Bras Cardiol 1995b Jan64(1)87-90 PMID 7669018 Packer M Coats AJ Fowler MB Katus H Mohacsi P Rouleau JL et al Carvedilol prospective randomized cumulative survival study group N Engl J Med 2001 May344(22)1651-8 doi 101056NEJM200105313442201 Paes TA Uso de modelos com fraccedilatildeo de cura na anaacutelise de dados de sobrevivecircncia com omissatildeo nas covariaacuteveis [tese] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 T45 2007tde-22072007-134749 Palazzuoli A Lombardi C Ruocco G Padeletti M Nuti R Metra M et al Chronic kidney disease and worsening renal function in acute heart failure different phenotypes with similar prognostic impact Eur Heart J Acute Cardiovasc Care 2016 Dec5(8)534-548 doi1011772048872615589511 Papik K Molnar B Schaefer R Dombovarl Z Tulassay Z Feher J Application of neural networks in medicine - a review Med Sci Monit 19984(3)538-546 [cited 1997 dec 30] Available from httppdfssemanticscholarorg2da18cb0287042e27ded932f9 Pereira Barretto AC Nobre MRC Wajngarten M Canesin MF Ballas D Serro-Azul JB Heart failure in a large tertiary hospital of Satildeo Paulo Arq Bras Cardiol 1998 Jul71(1)15-20 doi101590S0066-782X1998000700004 Pereira Barretto AC Nobre MRC Lancarotte I Scipioni AR Ramires JAF Do cardiologists at a University Hospital adopt the guidelines for the treatment of heart failure Arq Bras Cardiol 2001 Jul77(1)30-60 PMID11500745

Referecircncias Bibliograacuteficas 171

Peto R Peto J Asymptotically efficient rank invariant test procedures J R Stat Soc Ser A1972135(2)185-207 Pfeffer MA Swedberg K Granger CB Held P McMurray JJ Michelson EL et al CHARM Investigators and Committees Effects of candesartan on mortality and morbidity in patients with chronic heart failure the CHARM-Overall programme Lancet 2003 Sep 362(9386)759-66 PMID13678868 Pimentel R Couto M Laszczyńska O Friotildees F Bettencourt P Azevedo A Prognostic value of worsening renal function in outpatients with chronic heart failure Eur J Intern Med 2014 Sep25(7)662-8 doi101016jejim201406002 Pitt B Zannad F Remme WJ Cody R Castaigne A Perez A et al The effect of

spironolactone on morbidity and mortality in patients with severe heart failure N Engl

J Med 1999 Sep341709-17 doi 101056NEJM199909023411001

Pitt B Remme WJ Zannad F Neaton J Martinez F Roniker B et al Eplerenone a

selective aldosterone blocker in patients with left ventricular dysfunction after

myocardial infarction N Engl J Med 2003 May3481309-21 doi

101056NEJMmMoa030207

Pocock SJ Wang D Pfeffer MA Yusuf S McMurray JJ Swedberg KB et al Predictors of mortality and morbidity in patients with chronic heart failure Eur Heart J 2006 Jan27(1)65-75 doi101093eurheartjehi555 Ponikowski P Voors AA Anker SD Bueno H Cleland JGF Coats AJS et al 2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure The Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC) Developed with the special contribution of the Heart Failure Association (HFA) of the ESC Eur J Heart Fail 2016 Jul18891-975 doi101002ejhf592 [cited 2016 jul 14] Available from httpeurheartj oxford journalsorg doi10 1093 eur heartj ehw128 Poole-Wilson PA Uretsky BF Thygesen K Cleland JG Massie BM Rydeacuten L Atlas Study Group Assessment of treatment with lisinopril and survival Mode of death in heart failure findings from the ATLAS trial Heart 2003 Jan89(1)42-8 PMID12482789 Rassi AJr Rassi A Little WC Xavier SS Rassi SG Rassi AG et al Development and validation of a risk score for predicting death in Chagasacute heart disease N Engl J Med 2006 Aug 355(8)799-808 doi101056NEJMoa053241 Rassi AJr Rassi A Rassi SG Predictors of mortality in chronic Chagas disease a systematic review of observational studies Circulation 2007 Mar 115(9)1101-8 doi101161CIRCULATIONAHA106627265 Rassi AJr Rassi A Marin-Neto Chagas disease Lancet 2010 Apr3751388-402 doi101016S0140-6736(10)60061-X

Referecircncias Bibliograacuteficas 172

Rauchhaus M Clark AL Doehner W Davos C Bolger A Sharma R et al The relationship between cholesterol and survival in patients with chronic heart failure J Am Coll Cardiol 2003 Dec42(11)1933-40 PMID14662255 Remme WJ Swedberg K Task force for the diagnosis and treatment of chronic heart failure European Society of Cardiology Guidelines for the diagnosis and treatment of chronic heart failure Eur Heart J 2001 Sep22(17)1527-60 doi 10 1053 euhj20012783 Erratum in Eur Heart J 200122(23)2217-8 Rohde LE Clausell N Ribeiro JP Goldraich L Netto R William Dec G et al Health outcomes in decompensated congestive heart failure a comparison of tertiary hospitals in Brazil and United States Int J Cardiol 2005 Jun102(1)71-7 doi101016jijcard200404006 Roger VL Weston SA Redfield MM Hellermann-Homan JP Killian J Yawn BP et al Trends in heart failure incidence and survival in a community-based population JAMA 2004Jul292(3)344-50 doi101001jama2923344 Roger VL Epidemiology of heart failure Circ Res 2013 Aug113(6)646-59 doi 101161CIRCRESAHA113300268 Rossignol P Meacutenard J Fay R Gustafsson F Pitt B Zannad F Eplerenone survival benefits in heart failure patients post-myocardial infarction are independent from its diuretic and potassium-sparing effects Insights from an EPHESUS (Eplerenone Post-Acute Myocardial Infarction Heart Failure Efficacy and Survival Study) substudy J Am Coll Cardiol 2011 Nov58(19)1958-66 doi 101016jjacc201104049 Sacks CA Jarcho JA Curfman GD Paradigm shifts in heart-failure therapy-a timeline N Engl J Med 2014 Sep371(11)989-91 doi 101056 NEJMp 1410241 Sanchez ECM Controle por aprendizado acelerado e neuro-fuzzi de sistemas servo-hidraacuteulicos de alta frequecircncia [dissertaccedilatildeo] Rio de Janeiro Pontifiacutecia Universidade Catoacutelica do Rio de Janeiro Engenharia Mecacircnica 2009 Certificado Digital nordm0721406CA Disponiacutevel em www2dbdpuc-riobrpergamumtesesabertas 0721406_09_cap_03pdf Santos TM Avaliaccedilatildeo do desempenho de modelos preditivos no contexto de anaacutelise de sobrevivecircncia [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo doi 1011606D452013tde-03092013-111337 [citado 2017 jan 11]Disponiacutevel em httpwwwtesesuspbr Scott R Artificial intelligence its use in medical diagnosis J Nucl Med 1993 Mar34(3)510-4 PMID8441047 Senni M Tribouilloy CM Rodeheffer RJ Jacobsen SJ Evans JM Bailey KR et al Congestive heart failure in the community trends in incidence and survival in a 10-year period Arch Intern Med 1999 Jan159(1)29-34 PMID 98923 27

Referecircncias Bibliograacuteficas 173

Senni M Redfield MM Heart failure with preserved systolic function A different natural history J Am Coll Cardiol 2001 Nov38(5)1277-82 PMID11691495 Senni M Santilli G Parrella P De Maria R Alari G Berzuini C et al A novel prognostic index to determine the impact of cardiac conditions and co-morbidities on one-year outcome in patients with heart failure Am J Cardiol 2006 Oct98(8)1076-82 doi101016 jamjcard 200605031 Shah KS Xu H Matsouaka RA Bhatt DL Heidenreich PA Hernandez AF et al Heart failure with preserved borderline and reduced ejection fraction 5-year outcomes J Am Coll Cardiol 2017Nov70 (20)2476-2486 doi101016jjacc201708074 Silva LA Hernandez EDM Rangayyan MR Classification of breast masses using a committee machine of artificial neural networks J Eletron Imaging 2008 Jan-Fev17 (1)1-10 Biblioteca Digital da Produccedilatildeo Intelectual - BDPI Universidade de Satildeo Paulo [cited 18 mar 2008] Available from httpproducao uspbrhandleBDPI14703 Silva CP Bacal F Pires PV Mangini S Issa VS Moreira SF et al Heart failure profile at the beta blockers Arq BrasCardiol 2007 Apr88475-9 doi101590S0066 - 782X20070004000 018 Silverberg DS Wexler D Blum M Keren G Sheps D Leibovitch E et al The use of subcutaneous erythropoietin and intravenous iron for the treatment of the anemia of severe resistant congestive heart failure improves cardiac and renal function and functional cardiac class and markedly reduces hospitalizations J Am Coll Cardiol 2000 Jun35(7)1737-44 PMID10841219 Sinha RK Aggarwal Y Das BN Backpropagation artificial neural network detects change in electro-encephalogram power spectra of syncopic patients J Med Syst 2007 Feb31(1)63-8 PubMed PMID17283923 Steinberg BA Fang JC Long-term outcomes of acute heart failure Where are we now J Am Coll Cardiol 2017 Nov70(20)2487-2489 doi 101016 jjacc 201708075 Swedberg K Cleland J Dargie H Drexler H Follath F Komajda M et al Task Force for the diagnosis and treatment of chronic heart failure of the european society of cardiology Eur Heart J 2005 Mai26(11)1115-40 doi 101093 eurheartj ehi204 Swedberg K Komajda M Boumlhm M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Ivabradine and outcomes in chronic heart failure (SHIFT) a randomised placebo-controlled study Lancet 2010 Sep376(9744)875-85 doi 101016S0140-6736(10)61198-1 Erratum in Lancet 2010376(9757)1988 Lajnscak M [corrected to Lainscak M] Rabanedo I Roldan [corrected to Rabadaacuten I Roldan] Leva M [corrected to Ieva M]

Referecircncias Bibliograacuteficas 174

Tang YD Katz SD The prevalence of anemia in chronic heart failure and its impact on the clinical outcomes Heart Fail Rev 2008 Dec13(4)387-92 doi 10 1007s 10741-008-9089-7 Theodoropoulos TA Bestetti RB Otaviano AP Cordeiro JA Rodrigues VC Silva AC Predictors of all-cause mortality in chronic Chagas heart disease in the current era of heartfailure therapy Int J Cardiol 2008 Aug128(1)22-9 doi 101016jijcard 200711 057 Tourassi GD Floyd CE Sostman HD Coleman RE Artificial neural network for diagnosis of acute pulmonary embolism effect of case and observer selection Radiology 1995 Mar194(3)889-93 doi101148radiology19437862997 Uthamalingam S Patvardhan EA Subramanian S Ahmed W Martin W Daley M et al Utility of the neutrophil to lymphocyte ratio in predicting long- term outcomes in acute decompensated heart failure Am J Cardiol 2011 Fev 107 (3) 433-8 doi10 1016jamjcard201009039 Vardeny O Wu DH Desai A Rossignol P Zannad F Pitt B et al RALES Investigators Influence of baseline and worsening renal function on efficacy of spironolactone in patients with severe heart failure insights from RALES (Randomized Aldactone Evaluation Study) J Am Coll Cardiol 2012 Nov60(20)2082-9 doi101016jjacc201207048 Vasan RS Larson MG Leip EP Evans JC ODonnell CJ Kannel WB et al Impact of high-normal blood pressure on the risk of cardiovascular disease N Engl J Med 2001 Nov345(18)1291-7 doi101056NEJMoa003417 Veloso LG de Oliveira MT Jr Munhoz RT Morgado PC Ramires JA Barretto AC Nutritional repercussion in advanced heart failure and its value in prognostic assessment Arq Bras Cardiol 2005 Jun84(6)480-5 doiS0066-782X2005000 600009 Volpato S Zuliani G Guralnik JM Palmieri E Fellin R The inverse association between age and cholesterol level among older patients the role of poor health status Gerontology 2001a Jan-Fev47(1)36-45 doi 101159000052768 Volpato S Leveille SG Corti MC Harris TB Guralnik JM The value of serum albumin and high-density lipoprotein cholesterol in defining mortality risk in older persons with low serum cholesterol J Am Geriatr Soc 2001b Sep49(9)1142-7 PMID11559371 Von Zubben FJ Attux RRF Perceptron de muacuteltiplas camadas IA353-Profs Fernando J Von Zuben amp Romis RFAttux DCAFEECUnicamp amp DECOM FEECUnicampToacutepico 5 [citado 2001] Disponiacutevel em ftpftpdcafeeunicampbrpubdocs vonzubenia353_1s07topico5_07pdf

Referecircncias Bibliograacuteficas 175

Waikar SS Mount DB Curhan GC Mortality after hospitalization with mild moderate and severe hyponatremia Am J Med 2009 Sep122(9)857-65 doi 101016j amjmed 200901027 Ware JH Harrihgton D Hunter DJ DrsquoAgostino Sr Missing data N Engl J Med 2012 Oct367(14)1353-1354 PIMC 3771340 Wilding P Morgan MA Grygotis AE Shoffner MA Rosato EF Application of backpropagation neural networks to diagnosis of breast and ovarian cancer Cancer Lett 1994 Mar 1577(2-3)145-53 PMID 8168061 WHO Expert Committee on Physical Status the use and Interpretation of Anthropometry (1993 Geneva Switzerland) amp World Health Organization (1995) Physical status the use of and interpretation of anthropometry report of a WHO expert committee Geneva World Health Organization[cited 1995] Available from httpwww whointirishandle1066537003 World Health Organization (WHO) ICD-10 Version 2010 ndash International Classification of Diseases 10 th revision [cited 2010] Available from http appswhoint classifications icd10browse2010en Yuan Y Prediction performance of survival models [tese] Canada University of Waterloo Ontario 2008 [cited 2008]Available fromhttpuwspaceuwaterloocabitstream100 1239741thesispdf Zannad F Garcia AA Anker SD Armstrong PW Calvo G Cleland JG et al Clinical outcome endpoints in heart failure trials a European Society of Cardiology Heart Failure Association consensus document Eur J Heart Fail 2013 Oct15(10)1082-94 doi101093eurjhfhft095 Zugck C Kruumlger C Kell R Koumlrber S Schellberg D Kuumlbler W et al Risk stratification in middle-aged patients with congestive heart failureprospective comparison of the Heart Failure Survival Score (HFSS) and a simplified two-variable model Eur J Heart Fail 2001 Oct3(5)577-85 PMID 11595606

Page 5: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao

Agradecimentos

Ao Prof Dr Antonio Carlos Pereira Barretto que nos iniciou para a

investigaccedilatildeo cliacutenica de modo inspirador estimulando-nos incessantemente no

desenvolvimento do presente trabalho

Agrave Comissatildeo de Poacutes-Graduaccedilatildeo da Disciplina de Cardiologia que

amparou a iniciativa para a conclusatildeo de um trabalho desenvolvido no decorrer

de pelo menos treze anos ora apresentado na forma de tese

Ao orientador Prof Dr Alfredo Joseacute Mansur pela orientaccedilatildeo nas

diferentes etapas do trabalho e nas produtivas interaccedilotildees interdisciplinares no

decorrer da investigaccedilatildeo

Ao Centro de Estatiacutestica Aplicada do Instituto de Matemaacutetica e

Estatiacutestica da Universidade de Satildeo Paulo nas pessoas do Prof Dr Antonio

Carlos Pedroso de Lima Profa Dra Lucia Pereira Barroso Profa Dra Gisela

Tunes da Silva pelo conviacutevio competente dedicado e edificante durante todas

as etapas deste trabalho Agradecimento especial ao Dr Tiago Mendonccedila dos

Santos pelo auxiacutelio no cocircmputo da funccedilatildeo de perda

Agrave Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) nas

pessoas da Dra Bernadette Cunha Waldvogel Monica La Porte Teixeira e

Lilian Cristina Correia Morais pelo inestimaacutevel auxiacutelio no estudo de sobrevida

Agrave empresa Arion Tecnologia Ltda na pessoa de seu Diretor de

Pesquisa e Desenvolvimento Arnaldo Marccedilula Jr e da Diretora Administrativa

Adriana Marccedilula mestre em Fiacutesico-quiacutemica pelo Instituto de Quiacutemica da

Universidade de Satildeo Paulo pelo apoio logiacutestico e liberaccedilatildeo de horas de

trabalho dedicadas agrave presente pesquisa

Ao Prof Dr Marco Antonio Gutierrez Diretor da Divisatildeo de Informaacutetica

do Instituto do Coraccedilatildeo pelas contribuiccedilotildees metodoloacutegicas que auxiliaram a

consolidar a aplicaccedilatildeo da rede neural

Agradecimentos

Aos meacutedicos da Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo do HC FMUSP pelo conviacutevio em ambiente cientificamente

estimulante voltado para o cultivo das dimensotildees de ensino e pesquisa a partir

da responsabilidade institucional de assistecircncia aos pacientes

Agrave biomeacutedica Sra Marcia Nunes Figueira e ao engenheiro eletroteacutecnico

Marcelo Marccedilula pela revisatildeo e ediccedilatildeo dos graacuteficos apresentados neste

trabalho

Ao Serviccedilo de Arquivo Meacutedico e Estatiacutestico na pessoa do Sr Wallace

Fernandes colegas e colaboradores pelo dedicado e competente auxiacutelio na

consulta a dados de arquivo

Agrave Secretaria da Comissatildeo de Poacutes-Graduaccedilatildeo na pessoa da Sra Neusa

Rodrigues Dini e sua equipe de assessoras pelo empenho receptivo nos

encaminhamentos necessaacuterios a um projeto desta natureza

Agrave Profa Marise Cukier pela revisatildeo e correccedilatildeo gramatical deste

trabalho

Agrave Sra Sandra Miranda Souza assistente administrativa da Unidade

Cliacutenica de Ambulatoacuterio Geral do Instituto do Coraccedilatildeo do HC FMUSP pela

devotada eficiente e cordial contribuiccedilatildeo cotidiana durante o desenvolvimento

do trabalho

Epiacutegrafe

Epiacutegrafe

Πάντες ἄνθρωποι τοῦ εἰδέναι ὀρέγονται φύσει

Todos os homens aspiram por natureza ao conhecimento

(Aristoacuteteles Metafiacutesica)

Alles Interesse meiner Vernunft (das spekulative sowohl als das praktische) vereinigt sich in folgenden drei Fragen

1 Was kann ich wissen 2 Was soll ich tun 3 Was darf ich hoffen

Todo o interesse da minha razatildeo (tanto especulativa como praacutetica) concentra-se nas seguintes trecircs interrogaccedilotildees

1 Que posso saber 2 Que devo fazer 3 Que me eacute permitido esperar (Emanuel Kant Criacutetica da Razatildeo Pura)

This warp seemed necessity and here thought I with my own hand I ply my own shuttle and weave my own destiny into these unalterable threads

A urdidura parecia a Necessidade e aqui pensei com as minhas proacuteprias matildeos guio a lanccediladeira e teccedilo meu proacuteprio destino nestes fios inalteraacuteveis

(Herman Melville Moby Dick)

Normatizaccedilatildeo adotada

Normatizaccedilatildeo adotada

Esta tese estaacute de acordo com as seguintes normas em vigor no momento de sua publicaccedilatildeo Referecircncias adaptado de International Committee of Medical Journals Editors (Vancouver) Universidade de Satildeo Paulo Faculdade de Medicina Divisatildeo de Biblioteca e Documentaccedilatildeo Guia de apresentaccedilatildeo de dissertaccedilotildees teses e monografias Elaborado por Anneliese Carneiro da Cunha Maria Julia de ALFreddi Maria FCrestana Marinalva de Souza Aragatildeo Suely Campos Cardoso Valeacuteria Vilhena 3ordf ed Satildeo Paulo Divisatildeo de Biblioteca e Documentaccedilatildeo 2011 Abreviatura dos tiacutetulos e perioacutedicos de acordo com List of Journals Indexed in Index Medicus

Sumaacuterio

Sumaacuterio

Lista de figuras

Lista de tabelas

Resumo

Abstract

1 INTRODUCcedilAtildeO 1

2 OBJETIVO 7

21 Objetivos primaacuterios 8

22 Objetivos secundaacuterios 8

3 MEacuteTODOS 9

31 Delineamento do estudo 10

32 Avaliaccedilatildeo cliacutenica 10

33 Criteacuterios diagnoacutesticos 11

34 Criteacuterios de inclusatildeo 11

35 Criteacuterios de exclusatildeo 12

36 Casuiacutestica 12

37 Variaacuteveis estudadas 12

371 Demograacuteficas 12

372 Cliacutenicas 13

373 Eletrocardiograacuteficas 13

374 Ecocardiograacuteficas 13

375 Laboratoriais 13

376 Medicamentos em uso na consulta inicial 14

38 Mortalidade 14

39 Anaacutelise dos dados 14

391 Anaacutelise estatiacutestica 15

3911 Anaacutelise descritiva e exploratoacuteria 15

3912 Anaacutelise inferencial 15

392 Rede neural 16

3921 Escolha da arquitetura da rede neural 17

3922 Aprendizado-treinamento da rede neural 19

3923 Avaliaccedilatildeo dos melhores modelos de rede neural 21

310 Aspectos eacuteticos 22

4 RESULTADOS 23

41 Anaacutelise estatiacutestica 24

411 Anaacutelise descritiva e exploratoacuteria 24

412 Anaacutelise inferencial 27

42 Rede neural 29

Sumaacuterio

421 Escolha da arquitetura da rede neural 29

422 Aprendizado-treinamento da rede neural 29

4221 Amostragem aleatoacuteria 30

4222 Fases do estudo da casuiacutestica 30

42221 Primeira fase ndash aprendizado-treinamento da rede neural 30

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar a sobrevida 33

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede neural 33

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural 35

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede neural 37

43 Avaliaccedilatildeo dos melhores modelos da rede neural 39

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo valor preditivo negativo da rede neural 39

432 Funccedilatildeo de perda da rede neural 40

5 DISCUSSAtildeO 42

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes 43

511 Casuiacutestica 43

512 Idade 44

513 Sexo 44

514 Antecedentes 45

515 Etiologia 45

516 Iacutendice de massa corpoacuterea 46

517 Frequecircncia cardiacuteaca 46

518 Pressatildeo arterial sistoacutelica e diastoacutelica 46

519 Classe funcional 47

5110 Tempo decorrido ateacute o desfecho 47

5111 Variaacuteveis ecocardiograacuteficas 48

5112 Variaacuteveis laboratoriais 49

5113 Medicamentos em uso 50

5114 Mortalidade 51

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica 51

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede neural 56

Sumaacuterio

531 Amostras aleatoacuterias 56

532 Data do iniacutecio dos sintomas 57

533 Tempos de evoluccedilatildeo 58

534 Variaacuteveis faltantes 60

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em geral 60

536 Funccedilotildees de transferecircncia 61

537 Treinamento excessivo (overfitting) 61

538 Estudo em cinco fases 62

54 Avaliaccedilatildeo dos melhores modelos de rede neural 62

541 Sensibilidade especificidade valor preditivo positivo e valor preditivo negativo 62

542 Funccedilatildeo de perda 64

543 Sensibilidade e especificidade versus funccedilatildeo de perda 65

55 Implicaccedilotildees cliacutenicas 65

56 Limitaccedilotildees do estudo 66

6 CONCLUSOcircES 67

7 ANEXOS 69

8 REFEREcircNCIAS BIBLIOGRAacuteFICAS 153

Listas

Lista de figuras

Figura 1 Representaccedilatildeo esquemaacutetica do delineamento do estudo 70

Figura 2 Arquitetura da rede neural perceptron muacuteltiplas camadas 71

Figura 2a Representaccedilatildeo do modelo natildeo linear de um neurocircnio

artificial 72

Figura 2b Ilustraccedilatildeo das direccedilotildees de propagaccedilatildeo do sinal e do erro da

informaccedilatildeo 73

Figura 3 Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da

funccedilatildeo zero based log sigmoid 74

Figura 4 Representaccedilatildeo esquemaacutetica das fases da rede neural 74

Figura 5 Probabilidade de sobrevida estimada (Kaplan-Meier)

geral 75

Figura 6 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etiologia da insuficiecircncia cardiacuteaca 76

Figura 7 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave idade 77

Figura 8 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao sexo 78

Figura 9 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etnia 79

Figura 10 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao peso 80

Figura 11 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave altura 81

Figura 12 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iacutendice de massa corpoacuterea 82

Figura 13 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial sistoacutelica 83

Figura 14 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial diastoacutelica 84

Figura 15 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave classe funcional 85

Figura 16 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

agrave frequecircncia cardiacuteaca 86

Figura 17 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iniacutecio dos sintomas 87

Figura 18 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de hipertensatildeo arterial 88

Figura 19 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de tabagismo 89

Figura 20 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de diabetes 90

Figura 21 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de etilismo 91

Figura 22 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro do aacutetrio esquerdo no ecocardiograma 92

Figura 23 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma 93

Figura 24 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma 94

Figura 25 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no ecocardiograma 95

Figura 26 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica do septo interventricular no

ecocardiograma 96

Figura 27 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica da parede posterior do ventriacuteculo

esquerdo no ecocardiograma 97

Figura 28 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao ritmo cardiacuteaco 98

Figura 29 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto a

taxa de hemoglobina 99

Figura 30 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

glicemia de jejum 100

Lista de figuras

Figura 31 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de creatinina seacuterica 101

Figura 32 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de soacutedio seacuterico 102

Figura 33 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de potaacutessio seacuterico 103

Figura 34 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de colesterol total 104

Figura 35 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de HDL- colesterol 105

Figura 36 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de LDL-colesterol 106

Figura 37 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de trigliceacuterides 107

Figura 38 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de leucoacutecitos 108

Figura 39 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de linfoacutecitos 109

Figura 40 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso dos inibidores da enzima conversora da angiotensina

e bloqueadores dos receptores da angiotensina II 110

Figura 41 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueadores adreneacutergicos 111

Figura 42 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de diureacuteticos 112

Figura 43 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de espironolactona 113

Figura 44 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de digoxina 114

Figura 45 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de antiagregante plaquetaacuterio

115

Figura 46 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

ao uso de anticoagulante 116

Figura 47 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de sinvastatina 117

Figura 48 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de vasodilatador direto 118

Figura 49 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueador do canal de caacutelcio 119

Figura 50 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de amiodarona 120

Figura 51 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao nuacutemero de medicamentos em uso 121

Lista de tabelas

Tabela 1 Caracteriacutesticas demograacuteficas e cliacutenicas dos pacienteshelliphelliphellip 122

Tabela 2 Variaacuteveis estudadas quanto agrave probabilidade de sobrevida

(etapa 1) 129

Tabela 3 Uso de tratamento medicamentosohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 130

Tabela 4 Nuacutemero de medicamentos em uso 131

Tabela 5 Variaacuteveis retiradas do modelo de Cox (etapa 2)helliphelliphelliphelliphelliphellip 131

Tabela 6 Reavaliaccedilatildeo das variaacuteveis excluiacutedas da etapa 2 do modelo

de Cox (etapa 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 7 Variaacuteveis do modelo final de Cox selecionadas para a rede

neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 8 Valores de referecircncia para as variaacuteveis com dados faltantes 133

Tabela 9 Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1) 134

Tabela 91 Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1) 135

Tabela 10 Comparaccedilatildeo das redes neurais categorizadas pelo tempo de

sobrevida observado seleccedilatildeo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 136

Tabela 11 Modelos de redes neurais para previsatildeo da sobrevida dos

pacientes vivos ateacute 2012 (fase 2)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 137

Tabela 12 Modelos de redes neurais comparaacuteveis erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)helliphelliphellip 138

Tabela 13 Modelo de rede neural 13 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 139

Tabela 14 Modelo de rede neural 20 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 140

Tabela 15 Modelo de rede neural 22 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 141

Tabela 16 Modelo de rede neural 24 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 142

Tabela 17 Modelo de rede neural 26 individual e comparaacutevel erro

Lista de tabelas

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip

143

Tabela 18 Reensaio da rede neural com pacientes que vieram a falecer

em 2013 (reensaio 1) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 145

Tabela 19 Reensaio da rede neural com pacientes que vieram a falecer

em 2014 (reensaio 2) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 146

Tabela 20 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 147

Tabela 21 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 148

Tabela 22 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 149

Tabela 23 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 150

Tabela 24 Sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 151

Tabela 25 Avaliaccedilatildeo dos melhores modelos de rede neural com o

emprego da funccedilatildeo de perdahelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 152

Resumo

Resumo

Marccedilula M Avaliaccedilatildeo prognoacutestica em pacientes com insuficiecircncia

cardiacuteaca com o emprego de redes neurais artificiais [tese] Satildeo Paulo

Faculdade de Medicina Universidade de Satildeo Paulo 2018

Fundamentos ndash Identificar pacientes ambulatoriais que necessitam de

recursos terciaacuterios de hospital de referecircncia voltado para a praacutetica cardioloacutegica

eacute inerente agrave responsabilidade assistencial Compete reconhecer pacientes sob

maior risco de prognoacutestico desfavoraacutevel o que pode ser feito pelo emprego de

meacutetodos estatiacutesticos tradicionais Com o mesmo fito as redes neurais tecircm sido

objeto de interesse Formulamos a hipoacutetese de que as redes neurais

alimentadas a partir de variaacuteveis selecionadas com o emprego de estatiacutestica

tradicional pudessem contribuir para a avaliaccedilatildeo prognoacutestica de pacientes com

insuficiecircncia cardiacuteaca

Objetivos ndash Avaliar o prognoacutestico de pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca com o emprego de meacutetodos da estatiacutestica de

sobrevivecircncia associada com a rede neural artificial

Delineamento ndash Estudo de coorte retrospectiva a partir de dados assistenciais

de pacientes que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

identificaccedilatildeo das variaacuteveis associadas ao prognoacutestico com o emprego da

estatiacutestica tradicional e alimentaccedilatildeo da rede neural perceptron de muacuteltiplas

camadas (Neuro XL Predictor - OLSOFT Software Development) com essas

variaacuteveis

Local ndash Ambulatoacuterio cardioloacutegico com alto volume de atendimentos voltado

para pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital acadecircmico de

referecircncia terciaacuterio

Participantes ndash 2128 pacientes consecutivos que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca de 2 de julho de 2003 a 2 de julho de 2007

Desfecho ndash oacutebito por qualquer causa

Anaacutelise de dados ndash Agrave anaacutelise descritiva e exploratoacuteria seguiu-se a avaliaccedilatildeo

da probabilidade de sobrevida pelo meacutetodo de Kaplan Meier seguida de

anaacutelise inferencial com o emprego do teste de log-rank e do modelo de riscos

proporcionais de Cox Identificadas as variaacuteveis associadas ao prognoacutestico de

sobrevida foi desenvolvida a rede neural nas diferentes fases de aprendizado-

Resumo

treinamento e com o recurso do algoritmo de treinamento backpropagation A

rede neural foi desenvolvida em cinco fases fase 1 ndash aprendizado-treinamento

(n=968 oacutebitos com informaccedilatildeo completa) fase 2 ndash avaliaccedilatildeo e aplicaccedilatildeo

(pacientes vivos ateacute 2012) fase 3 ndash comparaccedilatildeo da previsatildeo de sobrevida com

o emprego rede ( pacientes vivos ateacute 2012) com a sobrevida observada fase 4

ndash reensaios para aprendizados com novos desfechos (oacutebitos em 2013 e 2014)

fase 5 ndash avaliaccedilatildeo do aprendizado da rede na fase 4 (pacientes vivos e

falecidos)

A acuraacutecia a sensibilidade a especificidade o valor preditivo positivo e o valor

preditivo negativo dos melhores modelos na previsatildeo da sobrevida obtidas com

a rede neural foram avaliados considerando as duas funccedilotildees de ativaccedilatildeo

(tangente hiperboacutelica e zero-based log sigmoid) Para tanto foi preciso

determinar intervalos de corte definidos por criteacuterio cliacutenico de razoabilidade de

expectativa do tempo de sobrevida e acerto calculado pela rede A estimativa

da previsibilidade e do erro tambeacutem foi avaliada com o emprego da funccedilatildeo de

perda

Resultados ndash A anaacutelise estatiacutestica (n=2128 pacientes) revelou as seguintes

variaacuteveis associadas ao prognoacutestico idade (plt0001) iacutendice de massa

corpoacuterea (plt0001) pressatildeo arterial diastoacutelica (plt0001) etiologia da

insuficiecircncia cardiacuteaca (plt0001) classe funcional (plt0001) espessura do

septo interventricular (p=0037) diacircmetro diastoacutelico do ventriacuteculo esquerdo

(plt0001) diacircmetro do aacutetrio esquerdo (p=0025) potaacutessio seacuterico (p=0015)

colesterol total (plt0001) creatinina (plt0001) e a presenccedila de diabetes melito

(p=0034)

Os modelos de redes neurais com melhor previsibilidade foram obtidos pela

categorizaccedilatildeo do tempo de sobrevida inferior a 2 anos entre 2 anos e 6 anos

e superior a 6 anos

Nos pacientes com tempo de sobrevida observado superior a 6 anos a partir

da consulta inicial com intervalo de corte de 3 anos a estimativa feita com o

emprego da rede neural demonstrou sensibilidade 930 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade 764 ou 775 (dependendo da funccedilatildeo

de ativaccedilatildeo) valor preditivo negativo 974 (com ambas as funccedilotildees de

Resumo

ativaccedilatildeo) e valor preditivo positivo 536 ou 547 (dependendo da funccedilatildeo de

ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de 2 anos

obtivemos sensibilidade 898 (com ambas as funccedilotildees de ativaccedilatildeo)

especificidade 725 ou 765 valor preditivo positivo 863 ou 880 e valor

preditivo negativo 787 ou 796 (dependendo da funccedilatildeo de ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado inferior a 2 anos a partir da

data do iniacutecio dos sintomas com intervalo de corte de 1 ano a estimativa com

o emprego da rede neural demonstrou sensibilidade 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade de 625 ou 667 (dependendo da

funccedilatildeo de ativaccedilatildeo) valor preditivo positivo 820 ou 837 (dependendo da

funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo 714 ou 727 (dependendo da

funccedilatildeo de ativaccedilatildeo)

O erro da previsatildeo de sobrevida com o emprego da rede neural estimado com

o auxiacutelio da funccedilatildeo de perda variou de 44 meses ateacute 11 anos

Conclusotildees - O emprego da rede neural alimentada por variaacuteveis

selecionadas com o emprego de estatiacutestica de sobrevivecircncia tradicional pode

ser meacutetodo profiacutecuo na avaliaccedilatildeo prognoacutestica de pacientes com insuficiecircncia

cardiacuteaca

A previsibilidade de estimativa de sobrevida alcanccedilada com o uso de rede

neural foi menor nos pacientes com quadros cliacutenicos de menor tempo de

evoluccedilatildeo comparativamente aos pacientes com maior tempo de evoluccedilatildeo no

primeiro caso permitiria sugerir quadros mais instaacuteveis em relaccedilatildeo aos casos

mais estaacuteveis isto eacute aqueles com tempo de evoluccedilatildeo maior

Descritores insuficiecircncia cardiacuteaca cardiomiopatia assistecircncia ambulatorial

anaacutelise de sobrevivecircncia rede neural prognoacutestico

Abstract

Abstract

Marccedilula M Prognostic evaluation of patients with heart failure with the use

of artificial neural networks [thesis] Satildeo Paulo ldquoFaculdade de Medicina

Universidade de Satildeo Paulordquo 2018

Background ndash Identifying outpatients who need tertiary resources of a referral

cardiology hospital includes recognizing those at higher risk of unfavorable

prognosis Studies aimed at this objective may be accomplished with traditional

statistics Neural networks have been studied as a promising tool in the

assessment of patientsacute prognosis We hypothesized that the neural networks

developed with variables selected through traditional statistics might contribute

to the prognostic evaluation of patients with heart failure

Objectives ndash To evaluate the prognosis of patients with heart failure using

methods of survival statistics combined with the resources of artificial neural

networks

Design ndash Retrospective cohort study from a database of patients previously

diagnosed with heart failure identification of variables associated with

prognosis using traditional statistics development of a neural network

perceptron of multiple layers (Neuro XL Predictor - OLSOFT Software

Development) with these variables

Setting ndash outpatient clinic from an academic tertiary cardiology center

Participants ndash 2128 consecutive patients who received the diagnosis of heart

failure between July 2 2003 and July 2 2007

Outcomes ndash death for any cause

Data analysis ndash Statistical evaluation was performed for descriptive and

exploratory analysis and was followed by Kaplan Meier survival probability and

inferential analysis using the log-rank test and the Cox proportional hazards

model to identify the variables associated with prognosis Variables thus

selected were then input for the neural network in the different stages of

learning-training with the backpropagation algorithm The neural network was

developed in 5 phases phase 1 - learning training (n = 968 deaths with

complete information) phase 2 - evaluation and application (patients alive until

2012) phase 3 - comparison of the predicted versus the observed survival

Abstract

using the network (patients alive until 2012) phase 4 - re-tests for learning with

new outcomes (deaths in 2013 and 2014) phase 5 - assessment of network

learning in phase 4 (living and deceased patients)

The accuracy sensitivity specificity positive predictive value and negative

predictive value of the best models in the prediction of survival obtained with the

neural network were evaluated taking into account the two activation functions

(hyperbolic tangent and zero-based log sigmoid) and the cut-off intervals

defined by clinical criteria of reasonableness of expected survival time and the

estimated estimate by the network The estimation of predictability and error

was also evaluated using the loss function

Results ndash Statistical analysis (n = 2128 patients) revealed the following

variables associated with prognosis age (p lt0001) body mass index (p

lt0001) diastolic blood pressure (p lt0001) heart failure etiology (P lt0001)

functional class (p lt0001) interventricular septum thickness (p = 0037) left

ventricular diastolic diameter (p lt0001) left atrial diameter (p = 0025) serum

potassium level total cholesterol (p lt0001) serum creatinine level (p lt0001)

and the presence of diabetes mellitus (p = 0034)

The models of neural networks with better predictability were obtained with the

categorization of the survival time of less than 2 years between 2 and 6 years

and over 6 years

In patients with a survival time of more than 6 years from the initial consultation

with a cut-off interval of 3 years (or 1095 days) the estimate using the neural

network showed sensitivity 930 (with both activation functions) specificity of

764 or 775 (depending on the activation function) negative predictive

value 974 (with both activation functions) and positive predictive value 536

or 547 (depending on the function of activation)

In patients with a survival time of 2 to 6 years from the onset of symptoms with

a cut-off interval of 2 years (or 730 days) we obtained 898 sensitivity (with

both activation functions) specificity 725 or 765 positive predictive value

863 or 880 and negative predictive value 787 or 796 (depending on

the activation function)

In patients with a survival time of less than 2 years from the onset of symptoms

with a cut-off interval of 1 year (or 365 days) the estimate using the neural

Abstract

network showed a sensitivity of 872 (with both activation functions)

specificity of 625 or 667 (depending on the activation function) positive

predictive value 820 or 837 (depending on the activation function) and

negative predictive value 714 or 727 (depending on the activation

function)

The error of survival prediction with the use of the estimated neural network with

the aid of the function of absolute loss ranged from 44 months to 11 years

Conclusions ndash The use of selected variables input in the neural network with

the use aid of traditional survival statistics may be a useful method for the

prognostic evaluation of patients with heart failure Estimates were less

accurate in patients with a shorter duration of symptoms relative to those with

symptoms for a long time in the first case it would suggest more unstable

disease relative to those with more stable disease namely with symptoms for a

long time

Descriptors heart failure cardiomyopathy ambulatory care survival analysis

neural networks prognosis

1 Introduccedilatildeo

Introduccedilatildeo 2

A atuaccedilatildeo em ambulatoacuterio meacutedico cardioloacutegico com alto volume de

atendimentos a pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital

acadecircmico de referecircncia terciaacuterio (940048 consultas de 1988 a 2017) traz agrave

atividade cotidiana a responsabilidade de avaliar e distinguir pacientes com

maior necessidade cliacutenica de receber tratamento que utilize as competecircncias e

a tecnologia disponiacuteveis em hospital de referecircncia recursos que tecircm entre

suas caracteriacutesticas o fato de serem limitados

Portanto eacute necessaacuterio continuamente estudar e aprimorar a avaliaccedilatildeo

cliacutenica para orientar a terapecircutica no longo prazo em recursos da comunidade

ou em centros de atenccedilatildeo terciaacuteria Esta responsabilidade diz respeito

tambeacutem aos pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca atendidos em

ambulatoacuterio cardioloacutegico de hospital acadecircmico de referecircncia

O conhecimento da probabilidade de sobrevida no longo prazo como

meacutetodo de avaliaccedilatildeo do prognoacutestico eacute de interesse para essa orientaccedilatildeo a

menor sobrevida seria indicador de maior gravidade da condiccedilatildeo A sobrevida

pode ser avaliada por diferentes meacutetodos (Oliveira et al 2016) Decorre

tambeacutem a identificaccedilatildeo de variaacuteveis associadas com a sobrevida (Marccedilula et

al 2011)

A probabilidade de sobrevida foi avaliada previamente em casuiacutestica no

proacuteprio Serviccedilo (Freitas et al 2005) em 1220 pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca sintomaacutetica tratados entre 1991 e 2000 e foi estimada

apoacutes um ano de acompanhamento aproximadamente em 60 o que revalida

dados publicados de sobrevida estimada entre 40 e 70 (Mady et al 1994

Pereira Barretto et al 1998 Carlo et al 2014 Bocchi et al 2017)

A etiologia cardiopatia da doenccedila de Chagas foi o fator mais relevante

associado com a mortalidade (risco relativo 297) quando comparada com

cardiomiopatia dilatada idiopaacutetica (risco relativo 227) cardiopatia isquecircmica

(risco relativo 253) cardiopatia hipertensiva (risco relativo 273) aleacutem de

outras variaacuteveis como diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma (risco relativo 116) e fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(risco relativo 095) na ventriculografia por radioisoacutetopo (Freitas et al 2005) A

Introduccedilatildeo 3

observaccedilatildeo do pior prognoacutestico dos pacientes com insuficiecircncia cardiacuteaca por

doenccedila de Chagas se harmoniza com dados publicados em outras

investigaccedilotildees (Espinosa et al 1985 Mady et al 1994 Bestetti et al 1997

Bestetti Daniel 2016 Pereira-Barretto et al 1998 Carlo et al 2014 Rassi et

al 2010 Bocchi 2012 2013 2017) que nas formas mais severas da doenccedila

revelaram mortalidade de 80 a 100 em um ano de seguimento (Mady et al

1994 Theodoropoulos et al 2008)

Uma questatildeo intrincada nesse estudo (Freitas et al 2005) realizado

em condiccedilotildees que a literatura denomina ldquovida realrdquo (ldquoreal life conditionsrdquo em

oposiccedilatildeo a ldquoprotocol conditionsrdquo situaccedilatildeo de variaacuteveis controladas) foi lidar

com dados faltantes e objeto de pesquisa especiacutefica (Paes 2007)

Aleacutem do tratamento medicamentoso os processos de transformaccedilatildeo

inerentes agrave praacutetica cliacutenica abrangem caracteriacutesticas dos pacientes inclusive no

acesso agraves oportunidades de tratamento progresso na experiecircncia cliacutenica seja

em ferramentas diagnoacutesticas seja na terapecircutica com a natural consequecircncia

na sobrevida em longo prazo (Pitt et al 1999 2003 Bocchi et al 2008 Issa et

al 2010 Bestetti et al 2011 Carlo et al 2014) Portanto a necessidade de

reavaliaccedilatildeo perioacutedica do prognoacutestico dos pacientes eacute inerente agrave praacutetica meacutedica

Aleacutem dos recursos metodoloacutegicos da estatiacutestica de sobrevivecircncia a

experiecircncia preacutevia com pesquisadores de estatiacutestica estimulou a associaccedilatildeo de

meacutetodos estatiacutesticos pelo uso de redes neurais (Ogava 2007) Aleacutem disso

uma experiecircncia pioneira em nosso meio foi conduzida haacute duas deacutecadas com

casuiacutestica pequena (95 pacientes) fora do ambiente do Sistema Uacutenico de

Sauacutede (Ortiz et al 1995a) De fato o uso de redes neurais artificiais na anaacutelise

de dados cliacutenicos de pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca foi

apresentado como um meacutetodo que deve ser investigado (Braunwald 2008)

As redes neurais artificiais tecircm sido progressivamente utilizadas na

praacutetica cliacutenica (Lisboa Taktak 2006) e a potencial contribuiccedilatildeo da aplicaccedilatildeo

da rede neural no diagnoacutestico e prognoacutestico de vaacuterias doenccedilas inclusive tem

se tornado objeto de interesse e investigaccedilatildeo na aacuterea da Cardiologia (Lisboa

2002)

Rede neural artificial foi conceituada como ldquoestrutura de

processamento de informaccedilatildeo distribuiacuteda em paralelo e constituiacuteda por

Introduccedilatildeo 4

elementos de processamento ligados por canais de sinal unidirecionais

denominados conexotildees em que cada elemento de processamento possui uma

uacutenica conexatildeo de saiacuteda que se ramifica em tantas quantas as conexotildees

colaterais desejadasrdquo (Hecht-Nielsen 1989) Entre as caracteriacutesticas potenciais

da rede neural haacute o caraacuteter adaptativo treinaacutevel capaz de armazenar e

processar informaccedilotildees por associaccedilatildeo e adquirir conhecimento pela

experiecircncia por meio de exemplos ou da proacutepria aplicaccedilatildeo (Sanchez 2009)

A arquitetura de rede neural mais utilizada e estudada eacute a do tipo

perceptron de muacuteltiplas camadas (Cross Harrison e Kennedy 1995) e o tipo de

treinamento mais frequente utiliza o algoritmo de treinamento supervisionado

ou de retropropagaccedilatildeo do erro (backpropagation) (Scott 1993 Cross et al

1995 Papik et al 1998) Estas redes neurais tecircm por caracteriacutestica a

propagaccedilatildeo positiva (feedforward) ou na mesma direccedilatildeo do erro partindo da

camada de entrada rumo agrave camada de saiacuteda e agrave retropropagaccedilatildeo do erro

(backward) partindo da camada de saiacuteda ateacute a camada de entrada (Castro LN

1998 Sanchez 2009) O algoritmo backpropagation fundamenta-se numa

regra de aprendizado que corrige os erros durante todo o aprendizado e

treinamento da rede neural em todas as camadas partindo da saiacuteda ateacute a

entrada (Haykin 1994)

O processo de aprendizado da rede neural eacute gradual interativo e

iterativo de ajuste dos pesos sinaacutepticos de forma a adequar a rede a um

conjunto de exemplos adaptar o seu comportamento ao longo do tempo e

aperfeiccediloar a resposta a ser obtida (Ambrosio 2002 Castro FCC 2016) Por

sua caracteriacutestica de aprendizado e treinamento a rede neural permite a

melhoria contiacutenua de seu desempenho a partir de exemplos e tem sido

aplicada na aacuterea meacutedica no estudo de diferentes condiccedilotildees (Baxt 1991 1995

1996 Astion Wilding 1992 Widing et al 1994 Tourassi et al 1995 Fogel et

al 1995 Ahmed 2005 Sinha et al 2007 Bartosch-Haumlrlid et al 2008 Silva et

al 2008 Das et al 2008 Ogulata et al 2009)

Estudos que integram anaacutelise estatiacutestica como fundamento para

alimentaccedilatildeo de rede neural satildeo escassos (Ogava 2007)

Em pacientes com insuficiecircncia cardiacuteaca a comparaccedilatildeo entre vaacuterios

meacutetodos computacionais entre eles a rede neural a partir de informaccedilotildees da

Introduccedilatildeo 5

etiologia severidade e evoluccedilatildeo da doenccedila evidenciou melhor desempenho

dos sistemas de suporte (Guidi et al 2014) Por outro lado estudo de

casuiacutestica nacional publicada haacute duas deacutecadas avaliou o prognoacutestico de 95

pacientes com insuficiecircncia cardiacuteaca e fraccedilatildeo de ejeccedilatildeo reduzida em

seguimento de doze meses esta baseou-se em paracircmetros ecocardiograacuteficos

e na idade estimou a acuraacutecia sensibilidade especificidade valor preditivo

positivo e valor negativo respectivamente 67 67 68 28 92 por

anaacutelise discriminatoacuteria linear enquanto pelos valores correspondentes agrave rede

neural artificial foram estimados em 90 71 93 63 e 95 (Ortiz et al

1995b)

Recentes publicaccedilotildees apontaram para o potencial uso da rede neural

no universo da inteligecircncia artificial (neurocomputing machine learning deep

learning) (Krittanawrong et al 2017 Miller e Brown 2018) usando o algoritmo

de aprendizado supervisionado (backpropagation) na anaacutelise de amplas bases

de dados para melhor precisatildeo cardiovascular (Krittanawong et al 2017) Aleacutem

disso a rede neural foi utilizada na prediccedilatildeo da mortalidade em pacientes

submetidos a teste de esforccedilo cardiopulmonar (Myers et al 2014) como

tambeacutem em ampla metanaacutelise que avaliou a eficaacutecia do tratamento em

pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca nos uacuteltimos trinta anos

(Burnet et al 2017)

Como meacutetodo a rede neural artificial tem vantagens e desvantagens

quando comparada aos sistemas de computaccedilatildeo convencionais ou sistemas

baseados em algoritmos (Papik et al 1998)

Entre as vantagens foram citadas a efetividade do meacutetodo na modelagem natildeo

linear de fenocircmenos bioloacutegicos com grande nuacutemero de dados precisatildeo para

inferecircncia preditiva e ajuda na tomada de decisatildeo meacutedica facilidade de

disseminaccedilatildeo do conhecimento pelo meacutetodo (Lisboa et al 2006) capacidade

de utilizar informaccedilotildees incompletas aprendizado por meio de exemplos e

exposiccedilatildeo de padrotildees agrave rede neural (Sanchez 2009)

Tendo em vista a missatildeo assistencial no atendimento de pacientes com

diagnoacutestico de insuficiecircncia cardiacuteaca recebidos para avaliaccedilatildeo diagnoacutestico e

orientaccedilatildeo de tratamento em unidade ambulatorial de hospital de referecircncia

voltado para pacientes do Sistema Uacutenico de Sauacutede situaccedilatildeo na qual se

Introduccedilatildeo 6

esmera a aplicaccedilatildeo mais judiciosa possiacutevel dos recursos instalados requer-se

a atualizaccedilatildeo constante dos dados prognoacutesticos para a melhor orientaccedilatildeo

Estudos satildeo necessaacuterios para reunir recursos de teacutecnicas estatiacutesticas

tradicionais como tambeacutem para empregar redes neurais e sua potencial

capacidade de aprendizado possibilitando mudanccedilas nas casuiacutesticas

brasileiras lastreadas no tempo

Destarte planejamos o presente estudo para avaliar o emprego da

estatiacutestica tradicional como etapa de seleccedilatildeo de variaacuteveis para a aplicaccedilatildeo da

rede neural artificial na avaliaccedilatildeo prognoacutestica de pacientes para esmerar na

distinccedilatildeo de pacientes de prognoacutestico menos favoraacutevel e com maior

necessidade cliacutenica de tratamentos que utilizem as competecircncias e a

tecnologia geralmente disponiacuteveis apenas em serviccedilos meacutedicos de referecircncia

2 Objetivos

Objetivos 8

21 Objetivos Primaacuterios

Avaliar o prognoacutestico de pacientes com diagnoacutestico de insuficiecircncia

cardiacuteaca pelo emprego de meacutetodos da estatiacutestica de sobrevivecircncia associada

com a rede neural artificial

22 Objetivos Secundaacuterios

Estimar a contribuiccedilatildeo dos dados de exame cliacutenico e laboratorial

obtidos na avaliaccedilatildeo inicial dos pacientes

Estimar o impacto dos dados faltantes na anaacutelise

3 Meacutetodos

Meacutetodos 10

31 Delineamento do estudo

Estudo observacional tipo transversal (coorte retrospectiva) a partir de

base de dados administrativa e assistencial que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca na Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo e foram acompanhados ateacute o desfecho (oacutebito por qualquer causa) ou

ateacute a data do uacuteltimo contato

Dados da mortalidade foram obtidos por meio de consulta a registros

hospitalares contato telefocircnico consulta ao Programa de Aprimoramento das

Informaccedilotildees de Mortalidade no Municiacutepio de Satildeo Paulo (PRO-AIM) ou agrave

Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) (Figura 1)

32 Avaliaccedilatildeo cliacutenica

O exame cliacutenico e a avaliaccedilatildeo laboratorial dos pacientes seguiram a

rotina assistencial da Unidade Os pacientes cerca de 50 encaminhados ao

sistema CROSS (Central de Regulaccedilatildeo de Oferta de Serviccedilos de Sauacutede

Secretaria de Estado da Sauacutede Satildeo Paulo) foram avaliados por meio de

exame cliacutenico incluindo a histoacuteria cliacutenica e o exame fiacutesico eletrocardiograma

em repouso e a radiografia de toacuterax aleacutem de revisatildeo de testes

complementares eventualmente trazidos pelos pacientes A avaliaccedilatildeo

laboratorial complementar no Serviccedilo foi indicada de acordo com a

necessidade cliacutenica dos pacientes dentro da rotina assistencial e a

disponibilidade operacional institucional incluindo avaliaccedilatildeo metaboacutelica

laboratorial ecocardiografia ou outros testes

O tratamento foi recomendado de acordo com a rotina institucional

conforme necessidade cliacutenica e toleracircncia dos pacientes de acordo com a

orientaccedilatildeo do meacutedico responsaacutevel pelo atendimento do paciente aleacutem da

Meacutetodos 11

disponibilidade na dispensaccedilatildeo por farmaacutecia do sistema puacuteblico de atenccedilatildeo

farmacecircutica

33 Criteacuterios diagnoacutesticos

O diagnoacutestico de insuficiecircncia cardiacuteaca foi feito com base nos criteacuterios

de Framingham definido pela presenccedila simultacircnea de no miacutenimo dois

criteacuterios maiores ou um criteacuterio maior e dois menores (McKee et al 1971) Satildeo

criteacuterios maiores dispneia paroxiacutestica noturna turgecircncia jugular crepitaccedilotildees

pulmonares cardiomegalia na radiografia do toacuterax edema agudo de pulmatildeo

terceira bulha cardiacuteaca aumento da pressatildeo venosa central (gt16 cm aacutegua no

aacutetrio direito) refluxo hepatojugular perda de peso maior 45 kg em cinco dias

em resposta ao tratamento Os criteacuterios menores incluem edema de tornozelo

bilateral tosse noturna dispneia aos esforccedilos habituais hepatomegalia

derrame pleural taquicardia (gt120 batimentos por minuto) diminuiccedilatildeo da

capacidade funcional em um terccedilo da maacutexima registrada previamente (Hunt et

al 2001 2005)

O diagnoacutestico etioloacutegico foi feito de acordo com criteacuterios previamente

publicados (Maron et al 2006) Os diagnoacutesticos etioloacutegicos foram revisados

individualmente para este estudo

Os diagnoacutesticos foram categorizados segundo a Classificaccedilatildeo

Internacional de Doenccedilas 10a revisatildeo (World Health Organization 2010)

34 Criteacuterios de inclusatildeo

Foram incluiacutedos no estudo portadores de insuficiecircncia cardiacuteaca em

diferentes classes funcionais da New York Heart Association (New York Heart

Association 1964 Remme et al 2001)

Meacutetodos 12

35 Criteacuterios de exclusatildeo

Foram excluiacutedos do estudo os pacientes com angina instaacutevel infarto do

miocaacuterdio haacute menos de seis meses doenccedila valvar histoacuteria de cirurgia ou

infecccedilatildeo aguda nos trinta dias anteriores agrave consulta meacutedica

36 Casuiacutestica

Foram estudados 2128 pacientes consecutivos de ambos os sexos

com idade acima de 18 anos que depois do exame cliacutenico receberam o

diagnoacutestico de insuficiecircncia cardiacuteaca de diferentes etiologias no periacuteodo de 2

de julho de 2003 a 2 de julho de 2007

No Serviccedilo foram realizadas 113185 consultas ambulatoriais no

periacuteodo de estudo Portanto a casuiacutestica representa 18 do total de consultas

atendidas que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

37 Variaacuteveis estudadas

371 Demograacuteficas

Idade sexo etnia

Meacutetodos 13

372 Cliacutenicas

Duraccedilatildeo dos sintomas etiologia da insuficiecircncia cardiacuteaca classe

funcional peso altura iacutendice de massa corpoacuterea frequecircncia cardiacuteaca pressatildeo

arterial sistoacutelica pressatildeo arterial diastoacutelica e comorbidades (presenccedila de

hipertensatildeo arterial tabagismo diabete melito etilismo)

373 Eletrocardiograacuteficas

Ritmo cardiacuteaco

374 Ecocardiograacuteficas

Diacircmetro do aacutetrio esquerdo diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro sistoacutelico do ventriacuteculo esquerdo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo espessura diastoacutelica do septo interventricular e espessura diastoacutelica

da parede posterior do ventriacuteculo esquerdo

375 Laboratoriais

Taxa de hemoglobina taxa de leucoacutecitos taxa de linfoacutecitos taxa de

glicose em jejum creatinina seacuterica soacutedio seacuterico potaacutessio seacuterico colesterol

total lipoproteiacutena de alta densidade (HDL-colesterol) lipoproteiacutena de baixa

densidade (LDL-colesterol) e trigliceacuterides seacuterico

Meacutetodos 14

376 Medicamentos em uso na consulta inicial

Inibidores da enzima conversora da angiotensina (captopril enalapril) e

bloqueadores dos receptores da angiotensina II (losartana) bloqueadores

adreneacutergicos (carvedilol metoprolol propranolol e atenolol) diureacuteticos

(furosemida hidroclorotiazida espironolactona) digital (digoxina)

antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) anticoagulante oral

(varfarina) estatina (sinvastatina) vasodilatadores (hidralazina e mononitrato

de isossorbida) bloqueadores dos canais de caacutelcio (anlodipina) antiarriacutetmico

(amiodarona) nuacutemero de medicamentos em uso

38 Mortalidade ndash foi considerado desfecho o oacutebito por qualquer causa

39 Anaacutelise dos dados

Foi realizada em duas etapas a) anaacutelise estatiacutestica (n=2128

pacientes) para identificar as variaacuteveis associadas agrave sobrevida cujo tempo de

seguimento ou de sobrevida observado foi o intervalo entre a data da consulta

inicial ou a data do iniacutecio dos sintomas ateacute o uacuteltimo contato com o paciente ou a

data do oacutebito b) aplicaccedilatildeo da rede neural para estimar a sobrevida (n=968

pacientes)

A escolha pela teacutecnica da anaacutelise de sobrevida foi decorrente de sua

caracteriacutestica para identificar e selecionar as variaacuteveis mais importantes na

sobrevida dos pacientes como tambeacutem pelo pressuposto que a presenccedila de

pacientes censurados ou com perda de seguimento ao longo do tempo

representam todos os pacientes sujeitos ao risco de terem o evento de

interesse naquele momento (Bustamante-Teixeira et al 2002)

Meacutetodos 15

391 Anaacutelise estatiacutestica

A anaacutelise estatiacutestica foi realizada nas seguintes etapas anaacutelise

descritiva anaacutelise exploratoacuteria e estimativa da influecircncia das variaacuteveis na

sobrevida

3911 Anaacutelise descritiva e exploratoacuteria

Foram avaliadas as frequecircncias e distribuiccedilotildees das variaacuteveis

demograacuteficas cliacutenicas de exames complementares e de medicaccedilatildeo (tabela 1)

A probabilidade de sobrevida foi avaliada para cada variaacutevel pelo

meacutetodo de Kaplan-Meier (Kaplan Meier 1958) As variaacuteveis foram

categorizadas de acordo com criteacuterios cliacutenicos ou com base nos valores de

referecircncia quando pertinente Dados faltantes foram reunidos em uma

categoria As curvas de probabilidade de sobrevida foram comparadas com o

teste log-rank (Peto 1972) e os valores-p obtidos e informados As variaacuteveis

com plt010 foram selecionadas para a anaacutelise inferencial

Foram selecionadas para a anaacutelise inferencial todas as variaacuteveis com

plt010 e algumas variaacuteveis com pgt010 pela relevacircncia cliacutenica evidenciada em

estudos anteriores (Zugck et al 2001 Acanfora et al 2001 Anand et al

2004 Huehnergarth et al 2005 Maraldi et al 2006 Nieminen et al 2008

Marccedilula et al 2015)

3912 Anaacutelise inferencial

Foi adotado modelo de regressatildeo semiparameacutetrico de riscos

proporcionais de Cox (Cox 1972) para estimar a influecircncia de cada variaacutevel

associada com a probabilidade de sobrevida A comparaccedilatildeo da qualidade dos

Meacutetodos 16

ajustes do modelo foi feita pelo teste de razatildeo de verossimilhanccedila nas

seguintes fases

a) ajuste de modelo univariado tendo como variaacuteveis independentes a

idade e cada uma das variaacuteveis demograacuteficas e cliacutenicas separadamente

Foram selecionadas as variaacuteveis com valores de p lt 010 para a sequecircncia da

anaacutelise

b) as variaacuteveis selecionadas e a idade foram submetidas ao ajuste do

modelo multivariado Nesta fase para cada variaacutevel analisada e sem

informaccedilatildeo foi definida uma categoria de variaacutevel faltante As variaacuteveis com

valor de p gt 005 foram retiradas sequencialmente do modelo Tambeacutem foi

retirada do modelo a variaacutevel em que somente a categoria variaacutevel faltante

apresentou valor de p lt 005 Sendo assim permaneceram para a terceira fase

do modelo as variaacuteveis com valores de p lt 005 e a variaacutevel idade

c) na terceira fase para teste de seguranccedila do modelo com a

finalidade de avaliar se as variaacuteveis previamente retiradas do modelo

contribuiriam ou natildeo de modo significativo para a estimaccedilatildeo da sobrevida

cada uma das variaacuteveis previamente retiradas do modelo na fase inicial foi

reintroduzida no modelo multivariado com as variaacuteveis que na segunda fase

alcanccedilaram valor de p lt 005 Se fosse encontrado p lt 005 esta variaacutevel

permaneceria no modelo

d) as variaacuteveis assim selecionadas foram as variaacuteveis de entrada para

a rede neural artificial

392 Rede neural

Os testes da rede neural foram realizados pelo emprego do programa

Neuro XL Predictor (OLSOFT Software Development) que utiliza a rede neural

perceptron de muacuteltiplas camadas

A rede neural tipo perceptron de muacuteltiplas camadas compreendeu uma

camada de entrada camadas intermediaacuterias (ou ocultas) e uma camada de

Meacutetodos 17

saiacuteda (figura 2) Cada neurocircnio de qualquer das camadas da rede se conectou

a todos os neurocircnios da camada seguinte e o fluxo da informaccedilatildeo foi em uma

uacutenica direccedilatildeo (rede feedforward) da esquerda para a direita ou da camada de

entrada para a camada de saiacuteda (Figura 2a) O treinamento da rede foi feito

pelo emprego do algoritmo de treinamento supervisionado ou de

retropropagaccedilatildeo (backpropagation) que retropropaga o erro (backward) da

informaccedilatildeo da camada de saiacuteda para a camada de entrada (Figura 2b)

A funccedilatildeo de ativaccedilatildeo ou de transferecircncia da rede neural foi uma funccedilatildeo

natildeo linear (Figura 3) Entre as funccedilotildees de natildeo linearidade de ativaccedilatildeo da rede

neural foram testadas a funccedilatildeo zero based log sigmoid (Buskard et al 1994

Lundin et al 1999 Grossi 2006) e a funccedilatildeo tangente hiperboacutelica (Buskard et

al1994 Frize et al 2000 Ennett et al 2001 2004 Grossi 2006) a cada um

dos neurocircnios da rede neural camada a camada

A aplicaccedilatildeo da rede neural foi feita em trecircs etapas aprendizado-

treinamento previsatildeo e agrupamento aleatoacuterio

3921 Escolha da arquitetura da rede neural

De iniacutecio foi avaliada a arquitetura mais adequada para o aprendizado-

treinamento da rede neural mediante realizaccedilatildeo de testes com ateacute 20 camadas

intermediaacuterias de acordo com o ajuste de estimativas Foram investigados

a) nuacutemero de ciclos ndash A definiccedilatildeo do nuacutemero maacuteximo de ciclos ou

iteraccedilotildees para o aprendizado-treinamento da rede neural foi ajustada apoacutes

testes variando o paracircmetro em 30000 20000 e 10000 ciclos mantendo fixos

todos os demais paracircmetros da rede neural (Tabela 91)

b) erro delta ndash A definiccedilatildeo do valor do erro delta para o aprendizado-

treinamento da rede foi estipulado apoacutes testes variando o paracircmetro em

00001 00010 e 00020 do erro delta mantendo fixos todos os demais

paracircmetros envolvidos da rede neural inclusive o nuacutemero maacuteximo de ciclos em

30000 ciclos (tabela 91)

Meacutetodos 18

O nuacutemero maacuteximo de ciclos definido para o aprendizado-treinamento da rede

foi de 30000 etapas ou o valor do erro delta de 00001

c) os pesos sinaacutepticos iniciais ndash A determinaccedilatildeo dos pesos

(ponderaccedilatildeo da contribuiccedilatildeo da variaacutevel na estimaccedilatildeo) das conexotildees

sinaacutepticas foi definida pela proacutepria rede na execuccedilatildeo repetida do algoritmo de

aprendizado-treinamento A partir do peso sinaacuteptico inicial de 03 previamente

definido foi modulado a cada conexatildeo seguindo regra de aprendizado pela

aplicaccedilatildeo do algoritmo de treinamento supervisionado (backpropagation) para

ajustar o erro da variaacutevel de saiacuteda De maneira iterativa a variaacutevel de saiacuteda

estimada na rede foi comparada com a variaacutevel de saiacuteda observada resultando

num sinal de erro que foi retropropagado pela rede para permitir o ajuste dos

pesos (Figura 2b) Esses ciclos foram repetidos ateacute que a rede atribuiu para

cada variaacutevel de entrada uma variaacutevel de saiacuteda com valores estimados de

sobrevida consistentes com os valores observados

d) taxa de aprendizado ndash O paracircmetro denominado taxa de

aprendizado influencia o aprendizado da rede (Sanchez 2009) e foi fixado no

valor limite de 03 para o ajuste limitado da curva de aprendizado-treinamento

da rede neural

e) termo de momentum ndash O paracircmetro da rede neural denominado

termo de momentum interveacutem no aprendizado por aumentar a taxa de

aprendizado (Sanchez 2009) como moderador e foi fixado no valor limite de

03 para o ajuste da curva de aprendizado-treinamento da rede neural

Para definir a abordagem mais adequada para a imputaccedilatildeo nos valores

faltantes foram adotados trecircs criteacuterios distintos para avaliar a mais apropriada

previsatildeo de sobrevida da rede neural

a) valores de referecircncia normais para as variaacuteveis faltantes (Frize et

al 2001 Ennett et al 2001) ndash iacutendice de massa corpoacuterea (World Health

Organization 1995) pressatildeo arterial diastoacutelica (James et al 2014) espessura

diastoacutelica do septo intraventricular diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro do aacutetrio esquerdo (Lang et al 2005) potaacutessio seacuterico colesterol total e

creatinina seacuterica (rotina laboratorial institucional) (Tabela 8)

b) valor superior da normalidade (rotina laboratorial institucional) para

as taxas de colesterol total e creatinina seacuterica (Tabela 8)

Meacutetodos 19

c) valor da mediana das variaacuteveis disponiacuteveis para imputaccedilatildeo nos

valores faltantes (Frize et al 2001 Ennett et al 2001) (Tabela 8)

3922 Aprendizado-treinamento da rede neural

Para definir o mais apropriado tipo de treinamento para a previsatildeo da

sobrevida da rede neural duas teacutecnicas foram avaliadas

a) utilizando amostragem aleatoacuteria ndash trecircs amostras aleatoacuterias de um

terccedilo da casuiacutestica (n=968) foram constituiacutedas para aprendizado-treinamento

validaccedilatildeo e ajuste e aplicaccedilatildeo

b) utilizando a casuiacutestica do estudo (n=968) em cinco fases ndash

aprendizado- treinamento e definiccedilatildeo da rede neural com base nos oacutebitos

identificados ateacute 2012 aplicaccedilatildeo para estimativa de sobrevida ateacute 2012

comparaccedilatildeo de previsotildees com base nos oacutebitos verificados em 2013 reensaios

com oacutebitos identificados ateacute 2014 comparaccedilatildeo da previsatildeo para pacientes que

faleceram em 2013 e 2014 (Figura 4)

Na primeira fase com a finalidade de iniciar o aprendizado-treinamento

da rede neural foi avaliada a amostra dos pacientes com oacutebitos ocorridos ateacute

2012 e informaccedilotildees completas (dados falantes imputados segundo as

abordagens mencionadas) Foram realizados testes com base nas variaacuteveis

indicadas tanto pela anaacutelise estatiacutestica quanto pela relevacircncia cliacutenica tendo

como funccedilatildeo de ativaccedilatildeo zero based log sigmoid e tangente hiperboacutelica (Figura

3)

O tempo de sobrevida observado ateacute o desfecho oacutebito foi estimado a

partir da data do iniacutecio dos sintomas e a partir da data da primeira consulta no

ambulatoacuterio do hospital Com base no tempo meacutedio de seguimento o tempo de

sobrevida observado foi explorado e categorizado com base na experiecircncia

cliacutenica nas variaacuteveis prognoacutesticas referidas na literatura (Cowie et al 2000

Dries et al 2000 Lewis et al 2003 Rauchhaus et al 2003 Freitas et al

2005 Pocock et al 2006 Rassi Jr et al 2007 McManus et al 2009) para

identificar os pacientes com prognoacutestico menos favoraacutevel e obter a melhor

Meacutetodos 20

estimativa da rede (Tabelas 9 91) Variaacuteveis de relevacircncia cliacutenica foram

empregadas (Tabelas 9 e 91)

O erro da estimativa do tempo de sobrevida ateacute o oacutebito nesta fase foi

avaliado por meio do emprego da expressatildeo

erro da previsatildeo =| [(sobrevida prevista ndash sobrevida observada ateacute o oacutebito) x 100 ] |

sobrevida observada ateacute o oacutebito

em que

erro da previsatildeo () ndash erro relativo da previsatildeo da sobrevida com o emprego

da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ateacute o oacutebito ndash tempo de sobrevida dos pacientes ateacute o

oacutebito

Na segunda fase com a finalidade de se obter a previsatildeo da sobrevida

para os sobreviventes ateacute dezembro de 2012 foram realizados nove testes

(Tabela 10) Esta fase avaliou os pacientes com variaacuteveis completas e

incompletas para os modelos de dados da rede neural com respostas inferiores

a 36 Foi calculado o erro relativo da estimativa de oacutebito por meio do

emprego da expressatildeo

erro hipoteacutetico de previsatildeo = | [(sobrevida prevista ndash sobrevida observada) x 100] |

sobrevida observada

em que

erro hipoteacutetico de previsatildeo () ndash erro de estimativa de previsatildeo de sobrevida

com o emprego da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ndash sobrevida observada com base na data do uacuteltimo

contato dos sobreviventes

Na terceira fase foram comparadas as previsotildees com o emprego de

modelos de redes neurais para os sobreviventes ateacute 2012 e que faleceram em

Meacutetodos 21

2013 (Tabela 11) Esta fase comparou o modelo de rede ou os modelos de

dados da rede com respostas inferiores a 41 (Tabelas 12 13 14 15 16 17)

Na quarta fase foram realizados novos testes de aprendizado-treinamento da

rede neural incorporando as atualizaccedilotildees de mortalidade de 2013 (reensaio 1 -

Tabela 18) e 2014 (reensaio 2 - Tabela 19) Esta fase de aprendizado-

treinamento considerou os melhores modelos de rede neural para previsatildeo da

sobrevida

Na quinta fase foram comparados os resultados de previsatildeo da

sobrevida inicial da rede neural a partir dos oacutebitos ocorridos ateacute 2012 com os

reensaios 1 (Tabelas 20 21) e 2 (Tabelas 22 23) atualizando mortalidade

respectivamente de 2013 e 2014

3923 Avaliaccedilatildeo dos melhores modelos de rede neural

A avaliaccedilatildeo dos paracircmetros de variabilidade entre os modelos de rede

neural bem como a sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo (Tabela 24) e a funccedilatildeo de perda (Tabela 25)

dos modelos de dados da rede neural foram calculados

a) Dispersatildeo ou variabilidade dos modelos de rede neural ndash os desvios-

padratildeo em torno da meacutedia geral do erro de previsatildeo da sobrevida dos modelos

de rede neural foram calculados e comparadas as homogeneidades entre os

modelos de rede neural no aprendizado (vivos ateacute 2012) e na previsatildeo

(falecidos em 2013 e 2014) (Tabelas 12 13 14 15 16 17 20 21 22 23)

b) Sensibilidade especificidade acuraacutecia valor preditivo positivo e

valor preditivo negativo dos modelos de rede neural ndash a probabilidade de

previsatildeo para os melhores modelos da rede neural foi calculada para os

intervalos de tempo ou de corte (Martinez et al 2003) em 6 meses 1 ano 2

anos e 3 anos As previsotildees obtidas a partir do emprego da rede neural foram

categorizadas em (Tabela 24)

b1) verdadeiro positivo (VP) ndash previsto o oacutebito que ocorreu

b2) verdadeiro negativo (VN) ndash prevista a sobrevivecircncia que se confirmou

Meacutetodos 22

b3) falso positivo (FP) ndash previsatildeo de sobrevida e ocorreu o oacutebito

b4) falso negativo (FN) ndash previsatildeo de oacutebito que natildeo ocorreu

b5) sensibilidade ndash previsatildeo acertada de oacutebito pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VP (VP + FN)

b6) especificidade ndash previsatildeo acertada de sobrevida pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VN (VN + FP)

b7) acuraacutecia ndash precisatildeo na estimativa de sobrevida O caacutelculo foi feito por meio

do emprego da expressatildeo (VP + VN) (VP + FP + VN + FN)

b8) valor preditivo positivo ndash previsatildeo de oacutebito estimado pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VP (VP + FP)

b9) valor preditivo negativo ndash previsatildeo de sobrevida pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VN (VN + FN)

c) Funccedilatildeo de perda dos modelos de rede neural ndash o desempenho preditivo da

rede neural foi avaliado por meio do emprego da funccedilatildeo de perda aparente

para a variaacutevel contiacutenua tempo de sobrevida (Yuan 2008) que leva em

consideraccedilatildeo a diferenccedila entre a sobrevida prevista pelo emprego da rede

neural e a sobrevida observada em cada caso O resultado foi demonstrado

pela perda meacutedia estimada ou a meacutedia aritmeacutetica simples em valores

absolutos e expresso em dias (Santos 2013) (Tabela 25)

310 Aspectos eacuteticos

O protocolo do estudo foi aprovado pela Comissatildeo de Eacutetica para

Anaacutelise de Projetos de Pesquisa do Hospital das Cliacutenicas da Faculdade de

Medicina da Universidade de Satildeo Paulo (CAAE 34706714100000068)

4 Resultados

Resultados 24

41 Anaacutelise estatiacutestica

Os resultados foram obtidos pela anaacutelise estatiacutestica descritiva e

exploratoacuteria e pela anaacutelise inferencial para o ajuste do modelo estatiacutestico

411 Anaacutelise descritiva e exploratoacuteria

A idade dos pacientes variou de 18 anos a 94 anos (meacutedia 577

desvio- padratildeo 131) 1362 (64) homens e 766 (36) mulheres 1325 (62)

pacientes tinham idade entre 41 anos e 65 anos e 603 (28) pacientes tinham

idade superior a 65 anos A etnia branca foi observada em 343 (16) dos

pacientes e o sobrepeso foi identificado em 697 (33) pacientes A fraccedilatildeo de

ejeccedilatildeo do ventriacuteculo esquerdo foi inferior a 45 em 1476 (69) pacientes As

etiologias predominantes foram as cardiopatias hipertensiva e isquecircmica em

1443 (678) pacientes e a doenccedila de Chagas ocorreu em 333 (16)

pacientes A cardiopatia dilatada e a alcooacutelica ocorreram respectivamente em

206 (10) pacientes e 146 (7) pacientes Na qualidade de pacientes que

procuraram atendimento a condiccedilatildeo funcional era tal que permitia o acesso agrave

consulta deambulando Dos pacientes em tratamento 967 (45) faziam uso da

associaccedilatildeo de trecircs ou quatro medicamentos

Outras caracteriacutesticas cliacutenicas laboratoriais eletrocardiograacuteficas e

ecocardiograacuteficas satildeo apresentadas na tabela 1 A frequecircncia de dados

faltantes eacute apresentada nas tabelas 23 e 4 para cada variaacutevel

Foram identificados 968 (455) oacutebitos ateacute dezembro de 2012

Somaram-se 83 (39) oacutebitos verificados em 2013 e 50 (23) oacutebitos

verificados em 2014 O total de oacutebitos foi 1101 (517)

A curva da probabilidade de sobrevida geral da casuiacutestica eacute

apresentada na figura 5 O tempo meacutedio de acompanhamento dos pacientes foi

596 meses desvio- padratildeo 418 meses (variaccedilatildeo de um dia a 137 meses) e

Resultados 25

aos cinco anos de evoluccedilatildeo 68 dos pacientes da casuiacutestica estavam vivos

Tomando em consideraccedilatildeo a etiologia da insuficiecircncia cardiacuteaca no tempo

meacutedio de acompanhamento 71 dos portadores de cardiopatia hipertensiva

69 dos portadores de cardiopatia dilatada 66 dos portadores de cardiopatia

alcooacutelica 55 dos portadores de cardiopatia isquecircmica e 50 dos portadores

de cardiopatia da doenccedila de Chagas estavam vivos

Nas curvas de probabilidade de sobrevida relativas a cada variaacutevel

estudada os valores faltantes foram agrupados em uma categoria A

comparaccedilatildeo entre as curvas de sobrevida foi feita para as variaacuteveis

categorizadas em faixas de valores de acordo com os valores de referecircncia e

com a categorizaccedilatildeo individual do dado faltante para cada variaacutevel avaliada

(Figuras 6 a 51)

A comparaccedilatildeo entre as curvas de sobrevida revelou diferenccedila

estatisticamente significante (valor - p lt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash idade (plt0001 figura 7)

b) cliacutenicas ndash etiologia da insuficiecircncia cardiacuteaca (plt0001 figura 6) peso

(plt0001 figura 10) altura (p=0048 figura 11) iacutendice de massa corpoacuterea

(plt0001 figura 12) pressatildeo arterial sistoacutelica (plt0001 figura 13) pressatildeo

arterial diastoacutelica (plt0001 figura 14) classe funcional (plt0001 figura 15)

c) ecocardiograacuteficas ndash diacircmetro do aacutetrio esquerdo (plt0001 figura 22)

diacircmetro diastoacutelico do ventriacuteculo esquerdo (plt0001 figura 23) diacircmetro

sistoacutelico do ventriacuteculo esquerdo (plt0001 figura 24) fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo (plt0001 figura 25) espessura diastoacutelica do septo

interventricular (plt0001 figura 26) e espessura diastoacutelica da parede posterior

do ventriacuteculo esquerdo (plt0001 figura 27)

d) laboratoriais ndash hemoglobina seacuterica (plt0001 figura 29) taxa de glicose

seacuterica em jejum (plt0001 figura 30) taxa de creatinina seacuterica (plt0001 figura

31) taxa de soacutedio seacuterico (plt0001 figura 32) taxa de potaacutessio seacuterico (plt0001

figura 33) taxa de colesterol total (plt0001 figura 34) taxa de HDL-colesterol

(plt0001 figura 35) taxa de LDL-colesterol (plt0001 figura 36) e taxa de

trigliceacuterides (plt0001 figura 37)

Resultados 26

A comparaccedilatildeo entre as curvas de sobrevida natildeo revelou diferenccedila

estatisticamente significante (valor-p gt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash sexo (p=0025 figura 8) etnia (p=027 figura 9)

b) cliacutenicas ndash frequecircncia cardiacuteaca (p=062 figura 16) duraccedilatildeo dos sintomas

(p=068 figura 17) e o antecedente de hipertensatildeo arterial (p=0049 figura 18)

tabagismo (p=074 figura 19) diabetes melito (p=0024 figura 20) e etilismo

(p=0024 figura 21)

c) eletrocardiograacuteficas ndash ritmo cardiacuteaco (p=00051 figura 28)

d) laboratoriais ndash taxa de leucoacutecitos (plt0048 figura 38) taxa de linfoacutecitos

(p=0011 figura 39)

e) medicamentos em uso na consulta inicial ndash inibidores da enzima conversora

da angiotensina (captopril enalapril) e bloqueadores dos receptores da

angiotensina II (losartana) (p=091 figura 40) bloqueadores adreneacutergicos

(carvedilol metoprolol propranolol e atenolol) (p=0042 figura 41) diureacuteticos

(furosemida hidroclorotiazida (p=00032 figura 42) espironolactona (p=032

figura 43) digoxina (p=0077 figura 44) antiagregante plaquetaacuterio (aacutecido

acetilsaliciacutelico) (p=055 figura 45) anticoagulante oral (varfarina) (p=043

figura 46) estatina (sinvastatina) (p=007 figura 47) vasodilatadores

(hidralazina e mononitrato de isossorbida) (p=058 figura 48) bloqueador dos

canais de caacutelcio (anlodipina) (p=077 figura 49) antiarriacutetmico (amiodarona)

(p=051 figura 50) nuacutemero de medicamentos em uso (p=014 figura 51)

De 33 variaacuteveis reunidas inicialmente para a sequecircncia de anaacutelise pelo

emprego do modelo de riscos proporcionais de Cox avaliamos os valores

disponiacuteveis de todas as variaacuteveis cliacutenicas laboratoriais ecocardiograacuteficas

(Tabela 2) bem como dos medicamentos agrupados por classe farmacoloacutegica

(Tabela 3) e do nuacutemero de medicamentos em uso na consulta inicial (Tabela

4)

Resultados 27

412 Anaacutelise inferencial

Para a etapa seguinte de anaacutelise inferencial as variaacuteveis foram

selecionadas com base no valor p lt 010 ou pela especial relevacircncia cliacutenica

(Tabela 2) que discrimina as variaacuteveis com p lt 0001 mais etnia diabetes

melito frequecircncia cardiacuteaca hipertensatildeo arterial etilismo tabagismo ritmo

cardiacuteaco espessura diastoacutelica do septo interventricular espessura diastoacutelica da

parede posterior glicemia de jejum hemoglobina potaacutessio seacuterico leucoacutecitos

linfoacutecitos lipoproteiacutena de alta (HDL-colesterol) e baixa (LDL-colesterol)

densidade trigliceacuterides nuacutemero de medicamentos em uso na consulta inicial e

data do iniacutecio dos sintomas

Nesta primeira etapa da anaacutelise apenas as variaacuteveis com dados

vaacutelidos foram utilizadas no modelo ou seja a categoria individual de dado

faltante para cada variaacutevel natildeo foi utilizada (Tabela 2) Na segunda etapa a

categoria dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis

natildeo associadas com o prognoacutestico (Tabela 5) Na terceira etapa as variaacuteveis

natildeo significativas foram reintroduzidas testadas uma a uma no modelo e

tiveram sua significacircncia recalculada para confirmar que natildeo estariacuteamos

perdendo a relevacircncia cliacutenica (Tabela 6)

Os niacuteveis descritivos (valor-p) para as 32 variaacuteveis foram obtidos pelo

teste de razatildeo de verossimilhanccedila para os modelos ajustados com cada

variaacutevel separadamente controlando idade definindo a influecircncia de cada

variaacutevel na probabilidade de sobrevivecircncia (Tabela 2)

A variaacutevel iniacutecio dos sintomas foi dicotomizada em um periacuteodo inferior a

doze meses e superior ou igual a doze meses mas natildeo se revelou significativa

(valor p=068) para o prognoacutestico e foi retirada do modelo

As variaacuteveis com valor-p lt 010 ou relevacircncia cliacutenica foram

selecionadas para a segunda etapa da anaacutelise inferencial (Tabela 2)

Apoacutes novo ajuste sequencial do modelo e considerando o valor-p gt

005 obtido do teste de razatildeo de verossimilhanccedila as variaacuteveis hipertensatildeo

Resultados 28

arterial sistecircmica hemoglobina seacuterica glicemia de jejum fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo frequecircncia cardiacuteaca sexo soacutedio seacuterico taxa de

leucoacutecitos trigliceacuterides diacircmetro sistoacutelico do ventriacuteculo esquerdo e taxa de

linfoacutecitos natildeo revelaram diferenccedila significativa para a sobrevida e foram

retiradas do modelo (Tabela 5)

Entre as variaacuteveis com valor-plt005 a saber idade iacutendice de massa

corpoacuterea pressatildeo arterial sistoacutelica pressatildeo arterial diastoacutelica etiologia da

insuficiecircncia cardiacuteaca classe funcional espessura do septo interventricular

diacircmetro diastoacutelico do ventriacuteculo esquerdo diacircmetro do aacutetrio esquerdo

potaacutessio seacuterico colesterol total e creatinina observou-se que para a variaacutevel

pressatildeo arterial sistecircmica somente a categoria de dados faltantes revelou

significacircncia para a sobrevida e por este motivo foi retirada do modelo

Para reavaliar o ajuste do modelo as variaacuteveis retiradas do primeiro

ajuste do modelo multivariado em razatildeo de valor-pgt005 foram reintroduzidas

uma a uma no modelo e sua significacircncia foi calculada com base no teste da

razatildeo de verossimilhanccedila A variaacutevel iniacutecio dos sintomas foi dicotomizada em

um periacuteodo inferior a doze meses e superior ou igual a doze meses mas natildeo

se revelou significativa (valor-p=078) para o prognoacutestico e foi retirada do

modelo A variaacutevel antecedente pessoal de diabetes melito foi a uacutenica que se

revelou com importacircncia para a sobrevida (Tabela 6)

Assim foram selecionadas as variaacuteveis idade iacutendice de massa

corpoacuterea pressatildeo arterial diastoacutelica etiologia da insuficiecircncia cardiacuteaca classe

funcional espessura do septo interventricular diacircmetro diastoacutelico do ventriacuteculo

esquerdo diacircmetro do aacutetrio esquerdo potaacutessio seacuterico colesterol total

creatinina e a presenccedila de diabetes melito como as variaacuteveis relacionadas com

a sobrevida (Tabela 7) e selecionadas para a alimentaccedilatildeo da rede neural

Resultados 29

42 Rede neural

421 Escolha da arquitetura da rede neural

Os resultados da rede neural sugeriram que a arquitetura da rede

neural com cinco camadas intermediaacuterias 30000 ciclos e erro delta de 00001

revelou-se a mais adequada (Tabela 91)

Os dados que observamos permitem sugerir que natildeo houve diferenccedila

entre os dois tipos de funccedilatildeo de ativaccedilatildeo de natildeo linearidade que foram

utilizados ndash zero based log sigmoid e tangente hiperboacutelica ndash para a previsatildeo da

sobrevida pela rede neural (Tabela 9 e 91)

Entre as diferentes abordagens utilizadas para a imputaccedilatildeo nos valores

faltantes ndash valor da normalidade valor superior da normalidade valor da

mediana ndash observamos que a rede neural natildeo revelou resultado adequado na

previsatildeo da sobrevida (Tabela 9 e 91)

As 12 variaacuteveis selecionadas para o aprendizado-treinamento da rede

neural foram submetidas agrave interaccedilatildeo muacutetua nas cinco camadas para o ajuste

da rede

422 Aprendizado-treinamento da rede neural

Os resultados que definiram o tipo de treinamento mais apropriado

para a previsatildeo da sobrevida da rede neural foram obtidos pela teacutecnica da

amostragem aleatoacuteria e pela teacutecnica da utilizaccedilatildeo da casuiacutestica do estudo em

cinco fases

Resultados 30

4221 Amostragem aleatoacuteria

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em 322 pacientes selecionados aleatoriamente No

segundo terccedilo de pacientes (n = 322) o erro relativo da previsatildeo de sobrevida

da rede neural foi de 33685 Se comparada com a porcentagem de erro da

previsatildeo da rede neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do

tempo de sobrevida observado para os mesmos 322 pacientes o erro de

previsatildeo da rede foi de 36388

No teste realizado no terceiro terccedilo (n=324) dos pacientes agrupados

aleatoriamente o erro relativo da previsatildeo de sobrevida da rede neural foi

54419 Se comparado com a porcentagem de erro da previsatildeo da rede

neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do tempo de

sobrevida o erro de previsatildeo foi 61880

Em siacutentese pelos testes da rede neural com agrupamento aleatoacuterio o

aprendizado-treinamento da rede neural natildeo foi apropriado

4222 Fases do estudo da casuiacutestica

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em cinco fases

42221 Primeira fase ndash aprendizado-treinamento da rede neural

Para efeito de teste foi considerada a amostra dos pacientes com

oacutebitos ocorridos ateacute 2012 e a rede foi tambeacutem alimentada com outras variaacuteveis

que natildeo as 12 selecionadas pela anaacutelise estatiacutestica

Resultados 31

As variaacuteveis sexo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo de 25 e

55 creatinina seacuterica nos valores de 13 e 26 mgdL colesterol total nos

valores de 200 mgdL e 239 mgdL diacircmetro diastoacutelico do ventriacuteculo esquerdo

nos valores de 60 mm e 75 mm e a associaccedilatildeo das variaacuteveis colesterol total

nos valores de 200 mgdL e 239 mgdL e diacircmetro diastoacutelico do ventriacuteculo

esquerdo nos valores de 60 mm e 75 mm foram consideradas para o

aprendizado-treinamento da rede por serem variaacuteveis significativas no

prognoacutestico de alguns estudos (Gradman et al 1989 Dries et al 2000 Senni

et al 2001 Lee DS et al 2003 Levy et al 2006 Pocock et al 2006

Abraham et al 2008 Anand et al 2008 Roger et al 2013 Mahmood et al

2014 Kenchaiah et al 2015) portanto limitadoras para os testes da rede

neural (Tabelas 9 e 91) Natildeo houve melhora da capacidade de previsatildeo da

sobrevida pela rede (Tabelas 9 e 91)

O tempo de sobrevida observado foi trabalhado sem categorizaccedilatildeo e

com a classificaccedilatildeo em seis categorias do tempo de seguimento tomando

tambeacutem como base o seu tempo meacutedio ateacute 2 anos entre 1 ano e 6 anos entre

2 anos e 6 anos entre 15 ano e 85 anos acima de 2 anos e acima de 6 anos

Os resultados da modelagem da rede neural tomando em consideraccedilatildeo

o tempo de sobrevida observado estrateacutegia para imputaccedilatildeo no caso de dados

faltantes criteacuterios para variaacuteveis cliacutenicas funccedilatildeo de transferecircncia ou de

ativaccedilatildeo e informaccedilatildeo da data inicial disponiacutevel para estimar a sobrevida (data

do iniacutecio dos sintomas ou a data primeira consulta) estatildeo apresentados nas

tabelas 9 e 91

Os resultados obtidos foram

a) quando avaliadas diferentes estrateacutegias ndash o erro de previsatildeo da

sobrevida variou entre 201 (rede neural 4) e 102308 (rede neural 12)

dependendo da data disponiacutevel para estimar a sobrevida da funccedilatildeo de

transferecircncia dos valores de imputaccedilatildeo para os dados faltantes e das variaacuteveis

clinicamente relevantes (Tabelas 9 e 91) Portanto os resultados foram

inadequados para prever a sobrevida

b) quando avaliadas diferentes categorizaccedilotildees do tempo de sobrevida

observado ndash o erro de previsatildeo da sobrevida variou entre 3199 (rede neural

13) e 880 (rede neural 14) para a estrateacutegia um de imputaccedilatildeo para os dados

Resultados 32

faltantes funccedilatildeo de transferecircncia zero based log sigmoid a partir da data da

primeira consulta e diferentes variaacuteveis cliacutenicas significativas (Tabela 9) Os

resultados foram inadequados para prever a sobrevida exceto para a

categorizaccedilatildeo do tempo de evoluccedilatildeo entre 2 anos e 6 anos sem nenhuma

variaacutevel cliacutenica (3199 rede neural 13)

Pela categorizaccedilatildeo do tempo de sobrevida observado entre 1 ano e 6

anos a inclusatildeo de variaacuteveis cliacutenicas significativas com a funccedilatildeo de

transferecircncia zero based log sigmoid a partir da data da primeira consulta e

valores de imputaccedilatildeo para os dados faltantes baseados na estrateacutegia 1 (Tabela

9) fez o erro de estimativa variar entre 5185 (rede neural 15) e 7068 (rede

neural 17) Os resultados foram considerados inadequados para prever a

sobrevida

c) o resultado de previsatildeo da sobrevida variou entre o limite maacuteximo de

4801 (rede neural 24) e miacutenimo de 1137 (rede neural 26) quando as

categorizaccedilotildees do tempo de sobrevida observado tomaram como referecircncia o

tempo meacutedio de seguimento dos pacientes (49 anos) dependendo da data

disponiacutevel para estimar a sobrevida e da funccedilatildeo de transferecircncia (Tabela 9) Os

resultados foram considerados mais adequados para prever a sobrevida

d) a inclusatildeo da etiologia na categorizaccedilatildeo do tempo de sobrevida

observado entre 2 anos e 6 anos resultou numa previsatildeo da rede neural entre

2191 (rede neural 42) a 2952 (rede neural 40) (Tabelas 9 e 91) O

resultado foi considerado mais adequado para prever a sobrevida para a

cardiopatia da doenccedila de Chagas (2191 rede neural 42) e natildeo acrescentou

capacidade estimativa para as outras etiologias

O teste com vaacuterias categorizaccedilotildees do tempo de sobrevida observado

revelou que os melhores resultados de previsatildeo da sobrevida foram obtidos

pelo modelo de rede definida por tempo de sobrevida observado acima de 6

anos a partir da data da primeira consulta com estimativa de sobrevida de

1277 (funccedilatildeo de ativaccedilatildeo ndash tangente hiperboacutelica rede neural 24) ou 1137

(funccedilatildeo de ativaccedilatildeo ndash zero based log sigmoid rede neural 26) e com tempo

de sobrevida observado entre 2 anos e 6 anos a partir da data do iniacutecio dos

sintomas com estimativa de sobrevida de 2054 (funccedilatildeo de ativaccedilatildeo ndash

Resultados 33

tangente hiperboacutelica rede neural 22) ou 2260 (funccedilatildeo de ativaccedilatildeo ndash zero

based log sigmoid rede neural 20) (Tabelas 9 e 91)

Os resultados dos testes que definiram os melhores modelos de dados

da rede neural em estimar a sobrevida estatildeo representados na tabela 10

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar

a sobrevida

Nos pacientes sobreviventes ateacute dezembro de 2012 os resultados de

previsatildeo da sobrevida satildeo apresentados na tabela 11

Os erros de previsatildeo pelo emprego da rede neural foram superiores

aos obtidos na previsatildeo da primeira fase Ainda assim foram adequados para

prever a sobrevida principalmente no modelo de rede com tempo de sobrevida

observada superior a 6 anos

Os melhores modelos de previsatildeo da sobrevida foram aqueles com

tempo de sobrevida observado superior a 6 anos e que consideraram como

data disponiacutevel para estimar a sobrevida a data da primeira consulta tanto para

tangente hiperboacutelica (2071) quanto para funccedilatildeo zero based log sigmoide

(2150)

Os melhores resultados da rede neural observados nesta fase

coincidiram com os melhores resultados revelados pela rede neural na primeira

fase do aprendizado da rede

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede

neural

Os resultados da previsatildeo de sobrevida sugeridos pela rede neural

estatildeo apresentados na tabela 12 o erro de estimativa da rede variou de acordo

com o modelo de dados da rede neural A comparaccedilatildeo dos erros (previsto pela

rede neural versus observado na evoluccedilatildeo) para cada paciente estaacute

Resultados 34

representada nas tabelas 13 14 15 16 e 17 (estimativas individuais) Os

resultados obtidos foram

a) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n = 19 sobreviventes) da rede comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 3562 (desvio-

padratildeo 2498) para 4755 (desvio-padratildeo 1384) com homogeneidade dos

erros de previsatildeo maior (menor desvio-padratildeo)

Poreacutem individualmente os erros de previsatildeo da comparaccedilatildeo com o

real foram superiores a 44 em 7368 (14 pacientes) do total de pacientes da

amostra e inferiores a 40 em 2632 (5 pacientes) do total de pacientes para

este modelo de dados da rede neural (Tabela 13)

b) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data de iniacutecio dos sintomas e funccedilatildeo zero based log sigmoid ndash a

meacutedia dos erros de previsatildeo (n = 2 sobreviventes) comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 1155 para

4037 com discreta diferenccedila na homogeneidade dos erros de previsatildeo

respectivamente desvios-padratildeo 1249 e 1365 Para os dois pacientes deste

modelo de dados da rede neural os resultados de 5002 e 3072 de

sobrevida natildeo permitiram avaliar da precisatildeo da rede neural (Tabela 14)

c) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

dos erros de previsatildeo (n=2 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 4095 (desvio-padratildeo

1237) para 5614 (desvio-padratildeo 001) com homogeneidade dos erros de

previsatildeo maior (desvio-padratildeo menor) Para os dois pacientes deste modelo de

dados da rede neural os resultados de previsatildeo da sobrevida de 5615 e

5614 natildeo permitiram avaliar a precisatildeo da rede neural (Tabela 15)

d) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia dos

erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros de

previsatildeo dos falecidos em 2013 diminuiu de 2120 (desvio-padratildeo 1396)

para 1880 (desvio-padratildeo 1239) com a dispersatildeo em torno da meacutedia do

Resultados 35

erro de previsatildeo mais homogecircneo (desvio-padratildeo menor) Os resultados

individuais para este modelo de dados da rede neural dos erros de previsatildeo

da comparaccedilatildeo com o real variaram de 069 a 387 Os resultados

superiores a 26 de erro previsatildeo da sobrevida foram observados em 10

pacientes (2778) do total de pacientes da amostra e foram inferiores a 25

em 26 pacientes (7222 ) Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 11 (Tabela 16)

e) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 1848 (desvio-padratildeo

1354) para 1948 (desvio-padratildeo 1167) com maior homogeneidade (menor

desvio-padratildeo) Os resultados individuais dos erros de previsatildeo da comparaccedilatildeo

com o real variaram de 095 a 4588 Os resultados superiores a 26 de

erro de previsatildeo da sobrevida foram observados em 13 pacientes (3611) e

inferiores a 25 em 23 pacientes (6389) do total de pacientes para este

modelo de dados da rede Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 13 (Tabela 17)

A anaacutelise dos resultados de previsatildeo da sobrevida pela rede neural

sugere que os modelos de redes neurais com tempo de sobrevida observada

superior a seis anos considerando a data da primeira consulta tanto para a

funccedilatildeo tangente hiperboacutelica quanto para a funccedilatildeo zero based log sigmoid

apresentaram maior precisatildeo na estimativa da sobrevida

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural

Foram incorporados para aprendizado-treinamento dos modelos de

dados de rede neural 44 pacientes com dados completos dos 83 pacientes que

vieram a falecer em 2013 (reensaio 1 ndash Tabela 18) e 30 pacientes com dados

completos dos 50 pacientes que faleceram em 2014 (reensaio 2 ndash Tabela 19)

Os resultados obtidos foram

Resultados 36

a) reensaio incorporando os oacutebitos ateacute 2013 - os testes de reensaio

realizados em 145 pacientes com oacutebito e informaccedilotildees completas (101 falecidos

em 2012 e 44 em 2013) e a estimativa de sobrevida da rede neural em 269

pacientes (186 falecidos em 2012 e 83 pacientes em 2013) Foi realizado o

reensaio para os melhores modelos de dados da rede neural para previsatildeo da

sobrevida

a1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo de

sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1376 quando comparado com a previsatildeo inicial sem esse dado (1277)

(Tabela 18) A meacutedia geral dos erros reais de previsatildeo da sobrevida pela rede

diminuiu de 2120 (desvio-padratildeo 1396) para 848 (desvio-padratildeo 961)

apoacutes o reensaio 1 (Tabela 20) A homogeneidade dos erros de previsatildeo foi

maior (menor desvio-padratildeo)

a2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1230 quando comparado com o resultado de previsatildeo inicial sem esses

dados (1137) (Tabela 18) A meacutedia geral dos erros reais de previsatildeo da

sobrevida pela rede neural diminuiu de 1848 (desvio-padratildeo 1410) para

1124 (desvio-padratildeo 851) apoacutes o reensaio 1 (Tabela 21) A homogeneidade

dos erros de previsatildeo foi maior (menor desvio-padratildeo)

b) reensaio incorporando os oacutebitos ateacute 2014 - Os testes de reensaio

realizados em 175 pacientes com oacutebito identificado e informaccedilotildees completas

(145 pacientes falecidos 2012 e 30 em 2014) A previsatildeo da estimativa de

sobrevida da rede neural foi realizada em 319 pacientes (269 pacientes

falecidos em 2012 e 50 em 2013) Foi realizado o reensaio para os melhores

modelos de dados da rede neural para previsatildeo da sobrevida

b1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo da

sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1733 quando comparado com o resultado de previsatildeo inicial sem esse dado

Resultados 37

(1277) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 2120 (desvio-padratildeo 1396) para 910 (desvio-

padratildeo 961) apoacutes o reensaio 2 (Tabela 22) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

b2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1488 quando comparado com o resultado de previsatildeo inicial sem esse dado

(1137) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 1848 (desvio-padratildeo 1410) para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 (Tabela 23) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede

neural

Foram comparadas as meacutedias dos erros de previsatildeo da sobrevida (n =

36 pacientes) pela rede neural sem a incorporaccedilatildeo dos oacutebitos de 2013 e 2014

com a incorporaccedilatildeo dos oacutebitos de 2013 e 2014 Os resultados obtidos foram

a) modelo de rede com tempo de sobrevida observado acima de 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

geral (n= 36 pacientes) dos erros sem a incorporaccedilatildeo dos oacutebitos de 2013 e

2014 de previsatildeo da sobrevida pela rede comparados com os resultados apoacutes

os reensaios incorporando os oacutebitos de 2013 e 2014 diminuiu

respectivamente de 2120 (desvio-padratildeo 1396) para a 848 (desvio-

padratildeo 961) e 910 (desvio-padratildeo 787) A homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 2 foi maior (menor desvio-

padratildeo)

Os resultados individuais das meacutedias dos erros de previsatildeo da

sobrevida foram inferiores a 10 em 75 (27 pacientes) e superiores a 15

em 25 (9 pacientes) do total de pacientes para o reensaio 1 (Tabela 22)

Resultados 38

Para o reensaio 2 os erros de previsatildeo da sobrevida pela rede neural foram

inferiores a 10 em 7222 (26 pacientes) e superiores ou iguais a 15 em

2778 (10 pacientes) do total de pacientes (Tabela 22)

b) modelo de rede com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

geral (n = 36 pacientes) dos erros de previsatildeo da sobrevida pela rede sem a

incorporaccedilatildeo dos oacutebitos de 2013 e 2014 comparados com os resultados apoacutes

o reensaio 1 incorporando os oacutebitos diminuiu de 1848 (desvio-padratildeo

1410) para 1124 (desvio-padratildeo 851) e aumentou para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 com maior homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 1 (menor desvio-padratildeo) (Tabela

23) Os resultados individuais das meacutedias dos erros de previsatildeo da sobrevida

incorporando os oacutebitos de 2013 e 2014 foram inferiores ou iguais a 10 em

6111 (22 pacientes) e superiores a 15 em 3889 (14 pacientes) do total

de pacientes para o reensaio 2 (Tabela 23)

Em siacutentese os resultados obtidos pelos testes para os dois melhores

modelos de dados da rede neural sugerem que

a) houve aprendizado satisfatoacuterio da rede neural pela atualizaccedilatildeo dos

dados de mortalidade de anos subsequentes

b) a acuraacutecia das meacutedias dos erros de previsatildeo da sobrevida apoacutes a

incorporaccedilatildeo dos oacutebitos ocorridos em 2013 e 2014 foi melhor quando

comparada com as meacutedias de previsatildeo da rede neural para os sobreviventes

ateacute 2012

c) os resultados das meacutedias gerais dos erros de previsatildeo da sobrevida

foram satisfatoacuterios mas inferiores a 13 apoacutes a incorporaccedilatildeo dos oacutebitos de

2013 e 2014

d) o modelo de dados com limite de sobrevida superior a seis anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica teve a melhor

precisatildeo da rede neural na previsatildeo da sobrevida com erro inferior a 10

e) a precisatildeo da previsatildeo da sobrevida quando avaliada caso a caso

apoacutes a incorporaccedilatildeo dos oacutebitos ocorridos em 2013 permite resultados

satisfatoacuterios (erro de previsatildeo lt 5) em 16 casos mas tambeacutem incorre em

Resultados 39

erros de previsatildeo insatisfatoacuterios (gt30) em dois casos num total de 36 casos

para este modelo de rede

f) a categorizaccedilatildeo do tempo de sobrevida observado eacute importante para

o aprendizado-treinamento da rede neural na previsatildeo da sobrevida

43 Avaliaccedilatildeo dos melhores modelos da rede neural

Os resultados do desempenho dos melhores modelos de rede neural

para a previsatildeo da sobrevida foram avaliados

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo

valor preditivo negativo da rede neural

Para os seis melhores modelos de rede neural os resultados

evidenciaram sensibilidade que variou entre 930 e 872 especificidade

entre 775 e 667 acuraacutecia entre 852 e 789 valor preditivo positivo

que variou entre 880 e 536 e valor preditivo negativo entre 974 e 714

(Tabela 23)

Os resultados obtidos pelos melhores modelos de dados avaliados

permitem a seguinte siacutentese

a) no modelo de rede neural com tempo de sobrevida observado

superior a 6 anos a partir da data da consulta inicial com intervalo de corte de

trecircs anos (1095 dias) a sensibilidade foi de 93 (com ambas as funccedilotildees de

ativaccedilatildeo) especificidade de 775 (funccedilatildeo tangente hiperboacutelica) e 764

(funccedilatildeo zero based log sigmoid) acuraacutecia da rede foi satisfatoacuteria de 81 ou

802 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo negativo alto de

974 (com ambas as funccedilotildees de ativaccedilatildeo) e valor preditivo positivo baixo de

547 ou 536 (dependendo da funccedilatildeo de ativaccedilatildeo)

Resultados 40

b) no modelo de rede neural com tempo de sobrevida observado entre

2 anos e 6 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de dois anos (730 dias) a sensibilidade foi de 898 (com ambas as funccedilotildees

de ativaccedilatildeo) especificidade de 765 (funccedilatildeo zero based log sigmoid) e 725

(funccedilatildeo tangente hiperboacutelica) acuraacutecia da rede foi satisfatoacuteria de 839 e

852 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo alto de 88

ou 863 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo alto

de 796 ou 787 (dependendo da funccedilatildeo de ativaccedilatildeo)

c) no modelo de rede neural com tempo de sobrevida observado

inferior a 2 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de um ano (365 dias) a sensibilidade foi razoaacutevel de 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade inadequada de 667 e 625

(dependendo da funccedilatildeo de ativaccedilatildeo) acuraacutecia satisfatoacuteria de 803 e 789

(dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo razoaacutevel de 837

e 820 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo

de 7275 e 714 (dependendo da funccedilatildeo de ativaccedilatildeo)

d) os resultados foram insatisfatoacuterios nas estimativas por tempo de

seguimento observado superior a 6 anos a partir da data do iniacutecio dos

sintomas com intervalo de corte de dois anos independentemente da funccedilatildeo

de ativaccedilatildeo bem como no tempo de sobrevida observado inferior a 2 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de seis meses

independentemente da funccedilatildeo de ativaccedilatildeo Nos modelos com tempo de

seguimento observado entre 2 anos e 6 anos com intervalo de corte de um

ano independentemente da funccedilatildeo de ativaccedilatildeo tanto para a data do iniacutecio dos

sintomas quanto para a data da consulta inicial os resultados foram

insatisfatoacuterios (Tabela 24)

432 Funccedilatildeo de perda da rede neural

O erro ou perda meacutedia estimada da sobrevida para os melhores

modelos de rede neural (Tabela 25) revelou

Resultados 41

a) o erro meacutedio de previsatildeo da sobrevida variou de 12695 dias a

38931 dias

b) os menores erros de previsatildeo (12695 dias e 13307 dias) foram

obtidos pelo modelo de rede neural com tempo de sobrevida inferior a 2 anos e

o tempo estimado desde a data de iniacutecio dos sintomas

c) os segundos menores erros de previsatildeo (23161 dias e 25906 dias)

foram alcanccedilados pelo modelo de rede neural com tempo de sobrevida entre 2

anos e 6 anos e o tempo estimado desde a data de iniacutecio dos sintomas

d) os piores erros de estimativa foram (29388 dias 33255 dias e

38931 dias) para tempo de sobrevida superior a 6 anos e tempo de sobrevida

entre 2 anos e 6 anos com informaccedilatildeo da data da primeira consulta

Os melhores resultados da funccedilatildeo de perda foram obtidos pelos

modelos de rede neural com o menor nuacutemero de pacientes (tamanho da

amostra = 47) e com informaccedilatildeo da data do iniacutecio dos sintomas

A avaliaccedilatildeo pelo emprego da funccedilatildeo de perda revelou a estimativa da

rede neural que pode alcanccedilar erros de 44 meses ateacute 11 anos para mais ou

para menos

5 Discussatildeo

Discussatildeo 43

A casuiacutestica estudada tem caracteriacutesticas de interesse para a

interpretaccedilatildeo dos achados e potenciais implicaccedilotildees cliacutenicas dos resultados

obtidos

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes

Trata-se de casuiacutestica ambulatorial diversa de casuiacutesticas de

publicaccedilotildees de nosso meio que avaliaram pacientes hospitalizados (Bestetti et

al 1997 Pereira Barretto et al 1998 Carlo et al 2014 Albuquerque et al

2015) Tambeacutem eacute digno de nota o fato de ser hospital acadecircmico de referecircncia

terciaacuteria que integra a rede do Sistema Uacutenico de Sauacutede (SUS) incluindo entre

suas responsabilidades institucionais identificar pacientes com insuficiecircncia

cardiacuteaca de prognoacutestico mais reservado com necessidade de tratamentos

complexos

511 Casuiacutestica

A casuiacutestica (n=2128) pode ser estimada grande comparada com

outras que avaliaram incidecircncia e fatores desencadeantes (n=903) (Pereira

Barretto et al 1998) sobrevida (n= 104) (Mady et al 1994) prognoacutestico

(n=1220 - Freitas et al 2004 ou n=944 - Nadruz et al 2018) fatores preditores

de mortalidade (n=56) (Bestetti et al 1994) modelo cliacutenico de prediccedilatildeo

ambulatorial de sobrevida (n=268) (Aaronson et al 1997) impacto de

comorbidades na estratificaccedilatildeo prognoacutestica ambulatorial (n=807) (Senni et al

2006) de pacientes com insuficiecircncia cardiacuteaca Poreacutem dada a natureza

generalizada sob ponto de vista cardioloacutegico de certa forma aberta do Serviccedilo

lidamos com pacientes que recebem o diagnoacutestico cliacutenico sem restriccedilotildees

quanto a casuiacutesticas apenas de homens (Mady et al 1994) etiologia da

doenccedila de Chagas (Bestetti et al 1994) ou isquecircmica (Lewis et al 2003) ou

Discussatildeo 44

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo inferior ou igual a 40 (Gradman et

al1989)

512 Idade

A meacutedia da idade na casuiacutestica (577 anos desvio-padratildeo 131) foi de

pacientes com idade inferior a 65 anos (71) agrave semelhanccedila de outros estudos

que verificaram meacutedias de idade entre 517 anos (desvio- padratildeo 83) e 59

anos (desvio- padratildeo 14 anos) (Bestetti et al 1997 Freitas et al 2005 Silva et

al 2007 Nadruz et al 2018) embora haja casuiacutesticas publicadas com meacutedia

de idade superior a 61 anos (Roger et al 2004 Rohde et al 2005 Moutinho

et al 2008 Shah et al 2017) e outra com meacutedia de idade de 48 anos desvio-

padratildeo 12 anos (Nunes et al 2008)

Portanto nossa casuiacutestica identificou no periacuteodo de estudo pacientes

adoecidos em fase potencialmente produtiva da vida com suas eventuais

implicaccedilotildees familiares econocircmicas e sociais

513 Sexo

A frequecircncia de homens em relaccedilatildeo a mulheres predominou (64) na

casuiacutestica assim como em outros estudos (Likoff et al 1987 Bestetti et al

1997 Lewis et al 2003 Freitas et al 2005 Rassi et al 2006 Ahmed et al

2006a Theodoropoulos et al 2007 Nunes et al 2008 Marcula et al 2011

Carlo et al 2014 Gheorghiade et al 2013 Abdul-Rahim et al 2016 Nadruz

et al 2018)

Por outro lado haacute estudos em que o sexo feminino foi mais frequente

(Mahmood et al 2014 Gradman et al 1989 MacIntyre et al 2000 Roger et

al 2004 Ahmed et al 2006b Fonarow et al 2007b Moutinho et al 2008

Gerber et al 2015 Albuquerque et al 2015)

Discussatildeo 45

Por conseguinte ainda que a frequecircncia de homens predomine na casuiacutestica

as mulheres compotildeem contingente relevante (Ponikowski et al 2016)

514 Antecedentes

Na nossa casuiacutestica a maioria dos pacientes foi de natildeo diabeacuteticos

(70) e entre aqueles com diagnoacutestico de diabete melito (23) houve 18

insulino - independentes Pacientes com antecedentes de hipertensatildeo arterial

foram prevalentes (72) na casuiacutestica Tais caracteriacutesticas reiteram a

importacircncia epidemioloacutegica da hipertensatildeo arterial em relaccedilatildeo tambeacutem agrave

insuficiecircncia cardiacuteaca

515 Etiologia

A distribuiccedilatildeo da etiologia revisada em cada paciente tem

caracteriacutesticas proacuteprias quanto agrave frequecircncia das cardiopatias hipertensiva

(43) isquecircmica (25) cardiopatia da doenccedila de Chagas (16) cardiopatia

dilatada idiopaacutetica (10) e alcooacutelica (7)

Em outras casuiacutesticas brasileiras houve predomiacutenio de cardiomiopatia

dilatada idiopaacutetica (282 a 372) (Freitas et al 2005 Silva et al 2007) e

isquecircmica (21 a 33) (Pereira Barretto et al 1998 Albuquerque et al 2015

Nadruz et al 2018)

Em casuiacutestica de outros paiacuteses houve diferenccedila na distribuiccedilatildeo

etioloacutegica nas amostras estudadas com a maior frequecircncia de cardiomiopatia

dilatada idiopaacutetica (Keogh et al 1990) ou a etiologia isquecircmica (Senni et al

1999 Levy et al 2006 Abraham et al 2008)

Por isso esta casuiacutestica permite a interessante possibilidade de

avaliaccedilatildeo comparativa de diferentes etiologias da insuficiecircncia cardiacuteaca

Discussatildeo 46

516 Iacutendice de massa corpoacuterea

A meacutedia do iacutendice de massa corpoacuterea foi baixa (269 kgm2 desvio-

padratildeo 57) o valor inferior a 25 kgm2 e o superior a 30 kgm2 ocorreram

respectivamente em 31 e 18 dos pacientes Portanto extremos de massa

corpoacuterea que podem se associar ao prognoacutestico natildeo foram frequentes (Anker

et al 1997 2003 Kenchaiah et al 2002 Veloso et al 2005 Okoshi et al

2017)

517 Frequecircncia cardiacuteaca

A meacutedia da frequecircncia cardiacuteaca foi 8078 (desvio-padratildeo 1597)

batimentos por minuto e os extremos superior a cem batimentos por minuto e

inferiores a 60 batimentos por minuto ocorreram respectivamente em 7 e

3 dos pacientes com insuficiecircncia cardiacuteaca Tais dados podem ser uacuteteis

tambeacutem para o planejamento terapecircutico (Swedberg et al 2010) uma vez

que a frequecircncia cardiacuteaca elevada eacute um fator de risco (Kannel 1987 Pocock et

al 2006 Boumlhm et al 2010) e um preditor de mortalidade (Ariel et al 2005)

518 Pressatildeo arterial sistoacutelica e diastoacutelica

O valor meacutedio da pressatildeo arterial sistoacutelica foi de 1375 mm Hg com

desvio-padratildeo 288 mm Hg e o valor meacutedio da pressatildeo arterial diastoacutelica de 88

mm Hg com desvio-padratildeo 171 mm Hg o que natildeo deixa de ser digno de nota

em relaccedilatildeo ao antecedente de hipertensatildeo arterial frequente

Discussatildeo 47

Pressatildeo arterial sistoacutelica superior a 130 mm Hg (46 dos pacientes) foi

frequente e inferior a 100 mm Hg mais rara (4) por outro lado pressatildeo

arterial diastoacutelica superior a 90 mm Hg e inferior a 80 mm Hg foram

observadas respectivamente em 30 e 21 dos pacientes Em amostra

ambulatorial os extremos de pressatildeo arterial que podem ter significado

prognoacutestico (Vasan et al 2001 Lewis et al 2003 Lee DS et al 2003 Klein et

al 2005 Pocock et al 2006) natildeo foram frequentes

519 Classe funcional

Como casuiacutestica ambulatorial a maior parte dos pacientes (65) da

casuiacutestica estava na classe funcional II ou III da New York Heart Association

enquanto 28 na classe funcional I e IV em igual porcentagem demonstrando

que a maioria dos pacientes se encontrava em condiccedilatildeo estaacutevel de modo a

permitir a orientaccedilatildeo terapecircutica apropriada

5110 Tempo decorrido ateacute o desfecho

Um singularidade desta casuiacutestica satildeo as informaccedilotildees de desfechos no

longo prazo pois a casuiacutestica de 2003 a 2007 teve as informaccedilotildees de

desfechos recuperadas ateacute 2014 com tempo meacutedio de seguimento de 596

meses (desvio-padratildeo 418 meses) O tempo de observaccedilatildeo de outras

casuiacutesticas brasileiras publicadas variou de 1 ano a 64 anos (Bestetti et al

1994 Mady et al 1994 Pereira Barretto et al 1998 Freitas et al 2005 Carlo

et al 2014)

Discussatildeo 48

5111 Variaacuteveis ecocardiograacuteficas

Quanto agraves variaacuteveis ecocardiograacuteficas identificamos o diacircmetro do

aacutetrio esquerdo o diacircmetro diastoacutelico do ventriacuteculo esquerdo e a espessura do

septo interventricular associados agrave mortalidade Esse achado vai ao encontro

de publicaccedilotildees anteriores que relacionaram a dimensatildeo do aacutetrio esquerdo

(Hsiao Chiou 2013) e a dimensatildeo diastoacutelica do ventriacuteculo esquerdo com

prognoacutestico de mortalidade (Freitas et al 2005)

Reiteramos o achado da natildeo associaccedilatildeo entre o diacircmetro sistoacutelico de

ventriacuteculo esquerdo e o prognoacutestico de sobrevida o que vai de encontro a

outros estudos que observaram fraca associaccedilatildeo do diacircmetro sistoacutelico de

ventriacuteculo esquerdo com sobrevida em pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca (Cowie et al 2000) Por outro lado a associaccedilatildeo da

espessura do septo interventricular com a mortalidade foi um achado curioso

A distribuiccedilatildeo da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo reflete as

caracteriacutesticas de casuiacutestica ambulatorial e observamos que os valores

observados natildeo foram associados com o prognoacutestico o que vai de encontro a

outros estudos (Cohn et al 1986 19871988 Gradman et al 1989 Lewis et

al 2003 Pfeffer et al 2003 Freitas et al 2005 Pocock et al 2006 Rassi et

al 2007 Lupoacuten et al 2017)

Natildeo deixa de ser de interesse a restriccedilatildeo ao uso da fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo na estratificaccedilatildeo da insuficiecircncia cardiacuteaca em algumas

circunstacircncias ndash no caso de idosos e hospitalizados ndash (Shah et al 2017) e o

conceito que a fraccedilatildeo de ejeccedilatildeo natildeo seja um marcador acurado de risco de

pacientes apoacutes internaccedilatildeo hospitalar (Steinberg Fang 2017) Talvez este fato

esteja relacionado ao fato de que nas formas mais avanccediladas da doenccedila tanto

os diacircmetros ventriculares quanto a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

atenuem sua associaccedilatildeo com a sobrevida (Veloso et al 2005) Possivelmente

nesta casuiacutestica o mesmo se aplique uma vez que a variaacutevel fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo natildeo se revelou associada ao prognoacutestico de sobrevida

Discussatildeo 49

5112 Variaacuteveis laboratoriais

Entre as variaacuteveis laboratoriais identificamos agrave semelhanccedila de outros

estudos a taxa de potaacutessio seacuterico (Ahmed et al 2007 Bielecka-Dabrowa et

al 2012) a taxa de creatinina seacuterica (Silverberg et al 2000 Vardeny et al

2012 Zanaad et al 2013 Damman et al 2014 Pimentel et al 2014

Palazzuoli et al 2016) e a taxa de colesterol (Volpato et al 2001a Horwich et

al 2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006) associadas ao prognoacutestico

Por outro lado verificamos que a dosagem seacuterica de soacutedio natildeo foi

associada ao prognoacutestico o que vai de encontro a outros estudos que

correlacionaram a concentraccedilatildeo mais baixa de soacutedio seacuterico agrave severidade da

insuficiecircncia cardiacuteaca (Klein et al 2005) e como preditor de mortalidade (Lee

WH Packer 1986 Lee DS et al 2003 Milo-Cotter et al 2008 Abraham et al

2008 Waikar et al 2009 Kajimoto et al 2016)

Reproduzimos neste estudo a observaccedilatildeo de natildeo associaccedilatildeo da

dosagem seacuterica de hemoglobina com o prognoacutestico Uma possiacutevel explicaccedilatildeo

estaria relacionada agrave baixa prevalecircncia da anemia (11 de pacientes com

hemoglobina seacuterica inferior a 12 gdl) quando comparada com a prevalecircncia

tanto em pacientes ambulatoriais de 426 (Go et al 2006) a 556

(Silverberg et al 2000) quanto em pacientes hospitalizados de 17

(Ezekowitz et al 2003) a 45 (Maraldi et al 2006) Entretanto os resultados

que observamos vatildeo de encontro a outros autores (Ezekowitz et al 2003

Anand et al 2004 Maraldi et al 2006 Levy et al 2006 Tang Katz 2008

Kyriakou Kiff 2016) que associaram a anemia com prognoacutestico

Talvez a explicaccedilatildeo para nossa observaccedilatildeo que vai ao encontro de

estudos (Anand et al 2005 Abebe et al 2017) e da afirmaccedilatildeo de Inder S

Anand seja a presenccedila de anemia como marcador de risco natildeo como preditor

de mortalidade (Anand 2008)

Discussatildeo 50

As taxas seacutericas de leucoacutecitos e de linfoacutecitos foram outras variaacuteveis

laboratoriais avaliadas em nossa casuiacutestica que natildeo foram associadas com o

prognoacutestico de sobrevida o que vai de encontro a outros estudos que

associaram valores baixos de linfoacutecitos ndash mas natildeo agrave dosagem seacuterica de

leucoacutecitos ndash com mortalidade (Acanfora et al 2001 Huehnergarth et al 2005

Charach et al 2011 Uthamalingam et al 2011 Marcula et al 2015)

5113 Medicamentos em uso

Verificamos a subutilizaccedilatildeo do tratamento medicamentoso

recomendado (Bocchi et al 2009 2012 Ponikowski et al 2016) para os

pacientes com insuficiecircncia cardiacuteaca com fraccedilatildeo de ejeccedilatildeo reduzida Fatores

de aderecircncia ao tratamento medicamentoso recomendado tecircm sido

reconhecidos como desafios no tratamento de pacientes (Chizzola et al 1996

Pereira-Barretto et al 2001) A preocupaccedilatildeo com a subutilizaccedilatildeo do

tratamento medicamentoso por diferentes motivos tem existido em nosso

meio haacute vinte e dois anos Poreacutem esperar-se-ia que fosse menor hoje do que

a observada em nossa casuiacutestica Tal verificaccedilatildeo tambeacutem foi feita em outros

paiacuteses em duas grandes coortes com respectivamente 105388 pacientes

(53 55856 pacientes em uso de inibidores da enzima de conversatildeo da

angiotensina ou bloqueadores do receptor da angiotensina e 48 50586

pacientes em uso de betabloqueadores) do Registro ADHERE (Acute

Descompensated Heart Failure National Registry) (Gheorghiade Filippatos

2005) e em 6505 pacientes (56 3643 pacientes em uso de 50 da dose

alvo de betabloqueador) do estudo SHIFT (Systolic Heart Failure tratment with

the inhibitor Ivabradine Trial) (Swedberg et al 2010)

Curiosamente verificamos que o nuacutemero de medicamentos em uso da

maneira como foi analisado natildeo foi associado ao prognoacutestico

Discussatildeo 51

5114 Mortalidade

A mortalidade geral por todas as causas em nossa casuiacutestica foi alta

(60) nos onze anos de seguimento ambulatorial em consonacircncia a outras

experiecircncias da literatura (Roger et al 2004 Barker et al 2006) foi superior

nos pacientes do sexo masculino e nos idosos (acima de 65 anos) e

comparaacutevel agrave casuiacutestica estrangeira com meacutedia de oito anos de

acompanhamento cuja mortalidade foi similarmente alta (678) e mais

frequente (54) nos pacientes acima de 80 anos (Gerber et al 2015)

Os dados de evoluccedilatildeo tardia satildeo uma peculiaridade relevante desta

casuiacutestica De fato observaccedilotildees dilatadas no tempo satildeo uacuteteis para divisar a

evoluccedilatildeo de doenccedilas

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica

Estimamos a probabilidade de sobrevida em relaccedilatildeo agraves caracteriacutesticas

demograacuteficas cliacutenicas e laboratoriais escolhidas dentre 45 variaacuteveis reduzidas

para 33 em funccedilatildeo de redundacircncia de informaccedilatildeo impliacutecita na variaacutevel Eacute de

interesse observar a influecircncia de cada variaacutevel obtida no exame de rotina no

decorrer de quase uma deacutecada de acompanhamento

Eacute oportuno enfatizar o tratamento dos dados faltantes quase inerentes

a este estudo da aacuterea de epidemiologia cliacutenica em condiccedilotildees da vida real (real

life conditions) sempre um desafio cientiacutefico e estatiacutestico pois haacute os limites do

controle possiacutevel na atividade cotidiana que dissipa controles estritos atinentes

a protocolos (protocol conditions)

Em estudo anterior foi submetida a teste a hipoacutetese de ordenar os

dados faltantes para cada variaacutevel em uma categoria atenuando a perda de

participantes com informaccedilatildeo na modelagem estatiacutestica e consequentemente

com perda da estimativa tambeacutem para os participantes com dado faltante

(Paes 2007 Assunccedilatildeo 2012) Tivemos a oportunidade de nos apoiarmos

Discussatildeo 52

nesse meacutetodo amenizando assim o escape de potenciais resultados

relevantes pela perda da informaccedilatildeo sem comprometer a confiabilidade do

resultado obtido (Nunes 2009 Nunes 2011 Kaambwa et al 2012) pela

necessidade de enfrentar a realidade praacutetica de dados faltantes (Little et al

2012 Ware et al 2012)

Em relaccedilatildeo agraves variaacuteveis demograacuteficas e cliacutenicas a idade se revelou

significativa (plt0001) agrave similitude da observaccedilatildeo de outros autores (Klein et

al 2005 Abraham et al 2008) e a probabilidade de sobrevida foi

significativamente menor em relaccedilatildeo aos pacientes com mais de 65 anos de

idade observaccedilatildeo condizente com estudos preacutevios (MacIntyre et al 2000

Lewis et al 2003 Roger et al 2004 2013 Barker et al 2006 Pocock et al

2006) nos pacientes com iacutendice de massa corpoacuterea inferior a 25 kgm2

acordes com outras experiecircncias (Horwich et al 2001 Davos et al 2003

Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) nos pacientes

com doenccedila de Chagas concordante com observaccedilotildees feitas no decorrer de

deacutecadas (Freitas et al 2002 2005 Nunes et al 2008 2013 Issa et al 2010

Rassi et al 2010 Bocchi et al 2017 Nadruz et al 2018) Tambeacutem foi menor

a probabilidade de sobrevida para pacientes em classe funcional III e IV da

New York Heart Association de acordo com as observaccedilotildees em estudos

preacutevios (Pocock et al2006 Theodoropoulos et al 2008) e em pacientes com

histoacuteria de diabetes melito sem o uso de insulina ou com o uso de insulina

conforme estudos anteriores de outros pesquisadores (Pfeffer et al 2003

Pocock et al 2006)

Por outro lado pacientes com pressatildeo arterial diastoacutelica superior a 90

mm Hg demonstraram maior probabilidade de sobrevida tendecircncia tambeacutem

observada por outros autores (Poole-Wilson et al 2003 Kalantar-Zadeh et al

2004 Pocock et al 2006)

Entre os dados de exames complementares verificamos menor

probabilidade de sobrevida nos doentes com espessura do septo

interventricular superior a 12 mm no diacircmetro diastoacutelico do ventriacuteculo esquerdo

superior a 75 mm no diacircmetro do aacutetrio esquerdo (Hsiao Chiou 2013) superior

ou igual a 40 mm na dosagem seacuterica do potaacutessio superior a 50 mEqL de

Discussatildeo 53

acordo com observaccedilotildees de outros autores (Rossignol et al 2011) Na

dosagem seacuterica de colesterol total inferior a 200 mgdl concorde com outros

pesquisadores (Krumholz et al 1994 Volpato et al 2001b Horwich et al

2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004 Afsarmanesh

et al 2006 Christ et al 2006 Kjekshus et al 2007) e na dosagem seacuterica da

creatinina superior a 26mgdL achados em harmonia com outras experiecircncias

(Dries et al 2000 Fonarow et al 2005 Vardeny et al 2012 Damman et al

2014 Pimentel et al 2014 Kang et al 2018)

Reproduzimos neste estudo a observaccedilatildeo da relaccedilatildeo inversa entre a

elevaccedilatildeo de algumas variaacuteveis cliacutenicas e laboratoriais e a melhor probabilidade

de sobrevida significativamente maior que confirmaram os resultados de

outros estudos para a pressatildeo arterial diastoacutelica (Horwich et al 2001 Kalantar-

Zadeh et al 2004) iacutendice de massa corpoacuterea (Horwich et al 2001 Davos et

al 2003 Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) e

dosagem de colesterol total (Krumholz et al 1994 Volpato et al 2001a

Horwich et al 2002 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006 Christ et al 2006 Kjekshus et al 2007 Horwich et

al 2008)

Na maioria dos pacientes (86 dos pacientes) observamos que a

dosagem de hemoglobina seacuterica foi superior a 12 mgdl e estes evoluiacuteram com

melhor sobrevida ao longo do tempo o que vai de encontro ao observado

(Silverberg et al 2000)

Reiteramos a relaccedilatildeo inversa entre a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo e a mortalidade concordante com estudos preacutevios (Senni Redfield

2001) poreacutem a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo foi associada com o

prognoacutestico apenas na anaacutelise univariada o que vai de encontro a observaccedilotildees

preacutevias de outros estudos (Cohn et al 1988 Gradman et al 1989 Cintron et

al 1993 Lewis et al 2003 Freitas et al 2005 Pocock et al 2006) mas natildeo

se manteve como variaacutevel significante na anaacutelise subsequente

A nossa casuiacutestica caracterizou-se pela baixa utilizaccedilatildeo do tratamento

medicamentoso recomendado apesar dos avanccedilos observados nos uacuteltimos

Discussatildeo 54

trinta anos (Sacks et al 2014 McMurray et al 2014) que comprovaram a

reduccedilatildeo na fraccedilatildeo de ejeccedilatildeo e de mortalidade (Burnett et al 2017)

Reproduzimos que 14 e 49 dos pacientes respectivamente natildeo

fizeram uso dos inibidores da enzima de conversatildeo da angiotensina ou do

bloqueador do receptor da angiotensina e do antagonista da aldosterona e

mais da metade dos pacientes (55) natildeo fizeram uso de betabloqueador

apesar da importacircncia do seu uso contra o deleteacuterio efeito da ativaccedilatildeo do

sistema nervoso simpaacutetico (Khan 2015) e da reduccedilatildeo de 34 na mortalidade

nos pacientes com etiologia isquecircmica (Hjalmarson et al 2000) bem como a

reduccedilatildeo de 35 na mortalidade em pacientes com insuficiecircncia cardiacuteaca

(Packer et al 2001) Sendo assim nossos resultados se aproximam das

tendecircncias observadas em estudos recentes em que 83 dos pacientes

fizeram uso de betabloqueador 16 de inibidores da enzima de conversatildeo

56 de bloqueadores do receptor da angiotensina e 21 com antagonistas

da aldosterona (Shah et al 2017 Steinberg et al 2017)

Verificamos mortalidade em cinco anos de 32 e em onze anos de

60 semelhante agraves observaccedilotildees de estudos nacionais (Godoy et al 2011

Kaufman et al 2015) e internacionais (Roger et al 2004 Barker et al 2006

McMurray et al 2014 Sacks et al 2014 Gerber et al 2015) Ainda que

elevada e necessitando de reduccedilatildeo foi menor do que o observado no

Framingham Heart Study com mortalidade superior a 50 decorridos cinco

anos do diagnoacutestico de insuficiecircncia cardiacuteaca (Kenchaiah Vasan 2015)

Selecionamos assim as variaacuteveis para a avaliaccedilatildeo prognoacutestica pelo modelo

de riscos proporcionais de Cox

Para a construccedilatildeo do modelo de riscos proporcionais de Cox houve

um cuidado adicional para identificar variaacuteveis associadas com o prognoacutestico

Na primeira etapa contribuiacuteram apenas os dados vaacutelidos cujo interesse foi

comparar grupos e identificar diferenccedilas A partir da segunda etapa a categoria

dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis natildeo

significativas

A pressatildeo arterial sistoacutelica foi retirada do modelo pois na avaliaccedilatildeo da

significacircncia do seu efeito pelo teste de verossimilhanccedila somente a categoria

Discussatildeo 55

dos ldquodados faltantesrdquo foi relevante portanto foi eliminada como fator

prognoacutestico para a sobrevida

Na terceira etapa as variaacuteveis natildeo significativas foram reintroduzidas

testadas uma a uma no modelo e tiveram sua significacircncia recalculada para

confirmar que natildeo estariacuteamos perdendo a relevacircncia cliacutenica de alguma

variaacutevel O antecedente de diabetes revelou-se significante Assim

identificamos cuidadosamente as variaacuteveis associadas com o prognoacutestico

Uma variaacutevel que se revelou importante durante o estudo foi o tempo

decorrido desde o iniacutecio dos sintomas estimado a partir da anamnese dos

pacientes individualmente que informa de certo modo a evoluccedilatildeo da doenccedila

Eacute digno de nota que tal informaccedilatildeo baacutesica e fundamental estivesse ausente

em alta percentagem de pacientes (76) Nossa observaccedilatildeo reiterou a

importacircncia de um dado obteniacutevel na anamnese tanto na avaliaccedilatildeo da

probabilidade de sobrevida quanto nas estimativas da rede neural e que deve

sempre ser pesquisado nos pacientes

Apesar de estudos anteriores revelarem maior mortalidade associada agrave

taxa de soacutedio seacuterico (Klein et al 2005 Levy WC et al 2006 Abraham et al

2008) agrave concentraccedilatildeo de hemoglobina seacuterica (Levy WC et al 2006) agrave taxa

de trigliceacuterides (Freitas et al 2009) agrave fraccedilatildeo de lipoproteiacutena de baixa

densidade (Horwich et al 2008) agrave fraccedilatildeo de lipoproteiacutena de alta densidade

(Volpato et al 2001b) e ao valor da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(Levy WC et al 2006) em nossa casuiacutestica essas variaacuteveis natildeo foram

selecionadas pela anaacutelise estatiacutestica como fatores prognoacutesticos de sobrevida

Portanto natildeo foram eleitas como variaacuteveis preditoras de sobrevida para a rede

neural

A associaccedilatildeo sugerida entre a taxa de hemoglobina e o prognoacutestico

(Anand et al 2004 Ezekowitz et al 2003 Maraldi et al 2006 Tang et al

2008 Kyriakow et al 2016) como preditor de sobrevida (Levy WC et al

2006) e como marcador de risco (Anand et al 2005 2008 Abebe et al 2017)

natildeo foi reproduzida nos achados deste estudo Por outro lado diabetes melito

influiu negativamente no prognoacutestico Entre os dados ecocardiograacuteficos

tambeacutem observamos a associaccedilatildeo com o prognoacutestico do diacircmetro do aacutetrio

Discussatildeo 56

esquerdo (Hsiao Chiou 2013) do diacircmetro diastoacutelico do ventriacuteculo esquerdo

(Merlo et al 2011 Addetia et al 2015) e da espessura do septo

interventricular variaacuteveis selecionadas para a rede neural

Nas 12 variaacuteveis selecionadas como fator prognoacutestico na sobrevida os

dados faltantes foram inferiores a 31 iacutendice de massa corpoacuterea 18

pressatildeo arterial diastoacutelica 6 classe funcional segundo a New York Heart

Association diabetes melito 7 dosagem seacuterica de potaacutessio 5 dosagem

seacuterica de creatinina 3 dosagem seacuterica de colesterol total 30 espessura do

septo interventricular do ventriacuteculo esquerdo 37 diacircmetro diastoacutelico do

ventriacuteculo esquerdo 21 diacircmetro do aacutetrio esquerdo 22

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede

neural

Antes de avaliar os resultados obtidos pelo emprego da rede neural

cabem observaccedilotildees sobre questotildees metodoloacutegicas desenvolvidas na anaacutelise

531 Amostras aleatoacuterias

O emprego da rede neural pressupotildee as etapas de aprendizado-

treinamento e previsatildeo aleacutem de experimentar a melhor maneira de agrupar os

dados para que a rede neural aprenda e reconheccedila padrotildees a partir de

exemplos alcanccedilando melhor estimativa da sobrevida

O primeiro meacutetodo de aprendizado-treinamento utilizado foi ordenar a

casuiacutestica em trecircs grupos aleatoacuterios de forma que o aprendizado seria feito no

primeiro o treinamento no segundo e a aplicaccedilatildeo no terceiro grupo A

acuraacutecia da previsibilidade da rede nesta circunstacircncia foi muito baixa Tal

Discussatildeo 57

ocorreu provavelmente em razatildeo de agrupar valores de tempos de sobrevida

tempo decorrido do iniacutecio dos sintomas ou tempo decorrido da primeira

consulta tatildeo diacutespares entre os pacientes Portanto ordenar a nossa casuiacutestica

pelo meacutetodo de amostras aleatoacuterias natildeo foi adequado para melhorar a previsatildeo

da sobrevida pela rede neural

Tambeacutem merece menccedilatildeo o fato de que este estudo natildeo se dedicou agrave

comparaccedilatildeo entre a anaacutelise estatiacutestica tradicional e a rede neural mas por

utilizar o meacutetodo estatiacutestico como ferramenta para definiccedilatildeo das variaacuteveis

associadas ao prognoacutestico viabilizando a imputaccedilatildeo dessas variaacuteveis para

aprendizado e treinamento da rede neural

532 Data do iniacutecio dos sintomas

Com base na importacircncia cliacutenica da referecircncia da data em que o

paciente iniciou a percepccedilatildeo dos sintomas a ser obtida na avaliaccedilatildeo inicial foi

oportuno considerar a variaacutevel data do iniacutecio dos sintomas que

independentemente de outras variaacuteveis limitadoras da funccedilatildeo de ativaccedilatildeo ou

do tempo de sobrevida com ou sem categorizaccedilatildeo sugeriu os melhores

resultados de previsatildeo da sobrevida pela rede neural

Constatamos que a presenccedila da data do iniacutecio dos sintomas para o

aprendizado-treinamento da rede revelou resultados adequados de previsatildeo de

sobrevida entre 2054 e 2260 de erro de previsatildeo Poreacutem estes

resultados foram piores quando se realizou a previsatildeo da rede nos pacientes

em acompanhamento (vivos) com valores entre 3323 e 3933 Sendo

assim estudos adicionais seratildeo necessaacuterios com a data inicial da estimativa do

iniacutecio dos sintomas para melhor acuraacutecia de previsatildeo da sobrevida pela rede

neural e avaliaccedilatildeo prognoacutestica

Em siacutentese quando a informaccedilatildeo data do iniacutecio dos sintomas foi

utilizada como momento inicial da estimativa de sobrevida a acuraacutecia da rede

neural foi maior A observaccedilatildeo por tempo mais longo teria permitido apreciar a

natureza do quadro cliacutenico mais estaacutevel (periacuteodo menos sintomaacutetico) em

Discussatildeo 58

relaccedilatildeo agrave data da primeira consulta (em geral associada agrave piora de sintomas e

referecircncia a hospital terciaacuterio) Tal achado permite sugerir que os pacientes

com longa evoluccedilatildeo da doenccedila portanto mais estaacuteveis foram propensos a

uma previsatildeo mais acurada da rede neural do que pacientes com menor tempo

de evoluccedilatildeo entendidos como clinicamente mais instaacuteveis

533 Tempos de evoluccedilatildeo

Em razatildeo da disparidade de valores considerados tanto por nossa

praacutetica cliacutenica quanto por dados de estudos preacutevios (Likoff et al 1987 Bestetti

et al 1994 Mady et al 1994 Alla et al 2000 Freitas et al 2005 Franke et

al 2015) a verificaccedilatildeo de acuraacutecia da rede sugere que existam grupos de

melhor prognoacutestico (tempo mais longo de evoluccedilatildeo) e de prognoacutestico mais

reservado (tempo mais curto de evoluccedilatildeo) resultado clinicamente

fundamentado a nosso ver pois categoriza os tempos de evoluccedilatildeo dos

pacientes da casuiacutestica

A categorizaccedilatildeo da rede neural em trecircs modelos de rede com faixas de

tempos distintos revelou-se em nossa casuiacutestica como a mais apropriada para

melhorar a estimativa da sobrevida Tal observaccedilatildeo eacute concordante com o

resultado obtido na melhora da acuraacutecia da rede neural apoacutes a categorizaccedilatildeo

dos tempos de seguimento ou tempo de sobrevida observado Esse cuidado

preveniu que a rede neural dissipasse as estimativas em virtude da grande

diferenccedila entre os tempos de sobrevida

Confirma-se desse modo que as doenccedilas de mais longa evoluccedilatildeo satildeo mais

estaacuteveis e indicam quadro cliacutenico mais benigno do que os quadros de curta

evoluccedilatildeo mais instaacuteveis

Os melhores resultados da rede neural foram revelados pelos trecircs

modelos de redes neurais categorizadas por tempo de sobrevida inferior a dois

anos (ateacute 729 dias) entre dois anos e seis anos (730 a 2190 dias) e superior a

seis anos (acima de 2190 dias) que viabilizaram a mais satisfatoacuteria previsatildeo

da sobrevida pela rede neural

Discussatildeo 59

Para o aprendizado-treinamento da rede neural com sobrevida superior

a 2 anos a retirada do extremo inferior (menor do que dois anos) do tempo de

sobrevida observado permitiu melhor previsatildeo pela rede neural

Se o paciente tiver longo tempo de histoacuteria poderaacute significar fase

avanccedilada de evoluccedilatildeo mas tambeacutem indicaraacute quadro cliacutenico mais benigno e de

melhor prognoacutestico ndash isto talvez se relacione ao achado de pacientes embora

aguardando muito tempo em fila de transplante foram retirados dela Estes

pacientes com tempo de evoluccedilatildeo mais curto portanto mais instaacuteveis

clinicamente talvez sejam os mais beneficiados da anaacutelise pelo emprego de

marcadores adicionais como parte da avaliaccedilatildeo prognoacutestica Para eles as

dosagens das catecolaminas plasmaacuteticas da funccedilatildeo renal e do peptiacutedeo

natriureacutetico atrial bem como a inclusatildeo dos medicamentos em uso

contribuiriam para o estudo da acuraacutecia ou da estimativa prognoacutestica

Sendo assim o modelo de rede neural com o melhor resultado de

previsatildeo da sobrevida ndash erro da rede inferior a 128 ndash ocorreu com os

pacientes com tempo de sobrevida observado superior a seis anos a partir da

data da primeira consulta independentemente da funccedilatildeo da ativaccedilatildeo Aleacutem

disso o segundo modelo de melhor acuraacutecia ndash erro da rede neural inferior a

23 ndash ocorreu para o tempo de sobrevida observado entre dois anos e seis

anos a partir da data do iniacutecio dos sintomas independentemente da funccedilatildeo de

ativaccedilatildeo utilizada pela rede neural

Por outro lado na fase de previsatildeo da rede neural o modelo com o

melhor resultado de previsatildeo da sobrevida ndash erro da rede inferior ou igual a

215 ndash ocorreu com os pacientes com tempo de sobrevida observado

superior a seis anos a partir da data da primeira consulta independentemente

da funccedilatildeo da ativaccedilatildeo em concordacircncia com o que sugeriu a rede neural na

fase de aprendizado-treinamento

Todavia para o segundo modelo a acuraacutecia da rede foi menos adequada ndash

erro da rede neural inferior a 394 ndash para o tempo de sobrevida observado

entre dois anos e seis anos a partir da data do iniacutecio dos sintomas

independentemente da funccedilatildeo de ativaccedilatildeo

Tambeacutem devemos tomar em consideraccedilatildeo que por razotildees

metodoloacutegicas a variaccedilatildeo dos tempos de seguimento dos pacientes foi fixada

Discussatildeo 60

e limitada ateacute 2012 para a anaacutelise de sobrevida e atualizada ateacute 2014 para a

rede neural

534 Variaacuteveis faltantes

Seguimos orientaccedilatildeo da literatura (Ennett et al 2001 Frize et al

2001) tanto para imputar valores normais para as informaccedilotildees faltantes como

pela necessidade deste preacute-requisito para o aprendizado da rede neural

(Ennett et al 2001 2008 Frize et al 2001) Para melhor avaliaccedilatildeo

exploramos para imputaccedilatildeo os valores de referecircncia da normalidade os

superiores da normalidade e os da mediana (Kaambwa et al 2012) Em face

dos resultados optamos por assumir os valores de referecircncia normais das

variaacuteveis faltantes

Tambeacutem devemos salientar que as variaacuteveis faltantes podem ou natildeo

associar-se com menor probabilidade de sobrevida

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em

geral

Por vezes a pressuposta importacircncia cliacutenica reconhecida da variaacutevel

submetida a teste natildeo se traduziu em melhor previsibilidade da rede neural A

inclusatildeo da variaacutevel fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo natildeo melhorou a

previsatildeo de sobrevida pela rede neural Esta observaccedilatildeo vai ao encontro do

resultado do modelo de Cox que natildeo considerou a fraccedilatildeo de ejeccedilatildeo como

variaacutevel prognoacutestica

A categorizaccedilatildeo de variaacuteveis como idade sexo creatinina colesterol

total diacircmetro diastoacutelico do ventriacuteculo esquerdo ou outras variaacuteveis

consideradas de importacircncia cliacutenica natildeo melhoraram a previsatildeo de sobrevida

da rede neural

Discussatildeo 61

Portanto o criteacuterio de limitar caracteriacutesticas cliacutenicas isoladamente natildeo foi bom

previsor de prognoacutestico

O teste de previsatildeo do prognoacutestico com a rede neural isoladamente

natildeo revelou boa acuraacutecia a acuraacutecia melhorou quando foram empregadas as

variaacuteveis selecionadas a partir do modelo de riscos proporcionais de Cox

536 Funccedilotildees de transferecircncia

A acuraacutecia da rede neural sem a categorizaccedilatildeo do tempo de

sobrevida foi baixa independentemente da funccedilatildeo de transferecircncia ou de

ativaccedilatildeo sugerida na literatura (Buskard et al 1994 Lundin et al 1999 Frize

et al 2000 Ennett e col 2004 2008 Grossi 2006) Por outro lado quando o

tempo de sobrevida foi categorizado e a funccedilatildeo de transferecircncia zero based log

sigmoid foi adotada o resultado na previsatildeo da sobrevida melhorou

537 Treinamento excessivo (overfitting)

Pode resultar em aumento do erro de previsatildeo e menor acuraacutecia da

rede neural Identificar o momento apropriado de finalizar o treinamento da

rede neural eacute um dos detalhes metodoloacutegicos relevantes (Guimaratildees et al

2008) Prevenimos o treinamento excessivo da rede neural ao limitar o nuacutemero

maacuteximo de ciclos e o erro delta da rede neural por meio de testes adicionais

variando o nuacutemero de ciclos e o erro delta

538 Estudo em cinco fases

Discussatildeo 62

O meacutetodo que empregamos foi criterioso nas fases iniciais para

categorizar e selecionar os melhores modelos de dados para a previsatildeo da

sobrevida pela rede neural Destacamos a estimativa do erro hipoteacutetico

(sobrevida prevista subtraiacuteda da sobrevida observada e multiplicada por cem

dividida pela sobrevida observada) utilizada na fase 2 do aprendizado-

treinamento em que a rede neural superestimou o erro verdadeiro de previsatildeo

da sobrevida Nas fases 4 e 5 com novos dados de mortalidade observamos a

acuraacutecia da rede e dependendo do modelo melhorou ou se manteve em

valores menores que 13 de meacutedia do erro de previsatildeo da sobrevida

54 Avaliaccedilatildeo dos melhores modelos de rede neural

541 Sensibilidade especificidade valor preditivo positivo e valor

preditivo negativo

Observamos boa sensibilidade (93) para ambas as funccedilotildees de

ativaccedilatildeo e razoaacutevel especificidade (superior a 763) ndash com valores de 764

ou 775 ndash para o modelo com tempo de sobrevida observado superior a seis

anos a partir da data da consulta inicial com o intervalo de corte de 1095 dias

ou trecircs anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Da

mesma forma a acuraacutecia da rede neural foi boa com valores de 802 e 81

dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Para estes

modelos de rede neural o valor preditivo negativo foi adequado (974) jaacute que

na previsatildeo da rede neural em que o paciente estava vivo no intervalo de

tempo definido existiram 974 de chance de acerto da rede no prognoacutestico

de sobrevida e 26 de chance de o paciente ter morrido

Tambeacutem observamos boa sensibilidade (898) para ambas as

funccedilotildees de ativaccedilatildeo e razoaacutevel especificidade (superior a 73) ndash com valores

de 725 ou 765 ndash para o modelo com tempo de sobrevida observado entre

Discussatildeo 63

dois anos a seis anos a partir da data do iniacutecio dos sintomas para intervalo de

corte de 730 dias ou dois anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada

pela rede neural Para estes modelos de rede a acuraacutecia foi boa com valores

de 852 e 839 dependendo da funccedilatildeo de ativaccedilatildeo e o valor preditivo

positivo foi adequado e variou entre 88 e 863 dependendo da funccedilatildeo de

ativaccedilatildeo jaacute que na previsatildeo da rede neural em que o paciente morreu no

intervalo de corte definido existiram 88 ou 863 de chance de acerto da

rede no prognoacutestico de sobrevida e respectivamente 12 ou 196 de

chance de o paciente estar vivo apesar de a rede ter sugerido o oposto

Observamos razoaacutevel sensibilidade (872) para ambas as funccedilotildees de

ativaccedilatildeo e inadequada especificidade (inferior a 667) ndash com valores de

665 ou 667 ndash para o modelo com tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de um

ano (365 dias) dependendo da funccedilatildeo de ativaccedilatildeo Para estes modelos a

acuraacutecia foi satisfatoacuteria entre 803 e 789 (dependendo da funccedilatildeo de

ativaccedilatildeo) valor preditivo positivo razoaacutevel entre 837 e 820 (dependendo

da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo entre 7275 e 714

(dependendo da funccedilatildeo de ativaccedilatildeo)

Tambeacutem observamos os resultados insatisfatoacuterios nas estimativas com

o tempo de seguimento observado superior a seis anos a partir da data do

iniacutecio dos sintomas com intervalo de corte de dois anos independentemente

da funccedilatildeo de ativaccedilatildeo assim como no tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de

seis meses independentemente da funccedilatildeo de ativaccedilatildeo Da mesma maneira

modelos com tempo de seguimento observado entre dois anos e seis anos

com intervalo de corte de um ano independentemente da funccedilatildeo de ativaccedilatildeo

tanto para a data do iniacutecio dos sintomas quanto para a data da consulta inicial

os resultados foram insatisfatoacuterios

Em siacutentese os resultados dos melhores modelos de redes neurais

evidenciaram

a) boa sensibilidade razoaacutevel especificidade bom valor preditivo

negativo e inadequado valor preditivo positivo para o modelo de rede com

Discussatildeo 64

tempo de sobrevida observado e categorizado superior a seis anos a partir da

data da consulta inicial independentemente da funccedilatildeo de transferecircncia

b) boa sensibilidade inadequada especificidade e razoaacutevel valor

preditivo positivo e valor preditivo negativo para o modelo de rede com tempo

de sobrevida observado e categorizado entre dois anos e seis anos a partir da

data do iniacutecio dos sintomas independentemente da funccedilatildeo de transferecircncia

Poreacutem se considerarmos o mesmo modelo com a data da primeira consulta a

sensibilidade e o valor preditivo positivo foram razoaacuteveis enquanto a

especificidade e o valor preditivo negativo foram inadequados

542 Funccedilatildeo de perda

Para maior rigor metodoloacutegico e levando em consideraccedilatildeo que os

conceitos de sensibilidade e especificidade satildeo aplicaacuteveis principalmente para

variaacuteveis binaacuterias e natildeo para variaacuteveis contiacutenuas o desempenho preditivo da

rede neural foi avaliado pelo emprego da funccedilatildeo de perda para a variaacutevel

contiacutenua tempo de sobrevida (Yuan 2008)

Observamos que os resultados de previsatildeo da sobrevida obtidos pela

funccedilatildeo de perda foram satisfatoacuterios e com variaccedilotildees de desempenho preditivo

que podem alcanccedilar erros de 44 meses ateacute 11 anos para mais ou para

menos para os modelos de rede neurais avaliados Tendo em vista o

pressuposto de que para a funccedilatildeo de perda quanto menor o erro da rede

neural melhor a previsatildeo de sobrevida da rede neural ou quanto maior o erro

da rede neural menor a previsatildeo de sobrevida (Santos 2013)

Cabe salientar que os quatro melhores resultados da funccedilatildeo de perda

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado respectivamente inferior a dois anos (126 dias 95 dias e 13307

dias) e entre dois anos e seis anos (23161 dias e 25906 dias) ambos com

data do iniacutecio dos sintomas independentemente da funccedilatildeo de ativaccedilatildeo

utilizada pelo modelo de rede neural Na sequecircncia os melhores resultados

Discussatildeo 65

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado acima de seis anos (29388 dias e 33255 dias) a partir da data da

primeira consulta independentemente da funccedilatildeo de ativaccedilatildeo e entre dois anos

e seis anos (38931 dias) a partir da data da primeira consulta para a funccedilatildeo

zero based log sigmoid utilizada pela rede neural

Os resultados permitem sugerir que a informaccedilatildeo data do iniacutecio dos

sintomas seja importante para a estimativa dos modelos de rede neural com

sobrevida inferior a seis anos independentemente do tamanho da amostra

543 Sensibilidade e especificidade versus funccedilatildeo de perda

O desempenho preditivo oposto obtido entre os resultados da funccedilatildeo

de perda e os resultados da sensibilidade e especificidade para os modelos de

redes neurais - os modelos de rede neural com as melhores estimativas pela

funccedilatildeo de perda foram os modelos de rede com as piores estimativas pela

sensibilidade e especificidade Eacute de se destacar que a melhor estimativa de

sobrevida obtida pela funccedilatildeo de perda para os modelos de rede neural foi

observada no modelo de rede com o menor nuacutemero de pacientes (n=47)

poreacutem com a informaccedilatildeo data do iniacutecio dos sintomas Tal verificaccedilatildeo reforccedila a

importacircncia da data do iniacutecio dos sintomas para a acuraacutecia da rede neural

55 Implicaccedilotildees cliacutenicas

Haacute na literatura meacutedica corrente o empenho no desenvolvimento de

ferramentas de inteligecircncia artificial como meacutetodo de avaliaccedilatildeo cliacutenica

(Braunwald 2008) Apesar disso natildeo identificamos na literatura trabalhos que

conciliassem as duas teacutecnicas ndash anaacutelise de sobrevida com rede neural ndash para a

previsatildeo da sobrevida em pacientes com insuficiecircncia cardiacuteaca o que

permitiria a hipoacutetese de originalidade para as observaccedilotildees deste trabalho

Discussatildeo 66

Eacute digno de ecircnfase termos identificado que a data do iniacutecio dos

sintomas obtida na anamnese eacute uma ferramenta de estimativa diagnoacutestica

principalmente associada a outras variaacuteveis do exame cliacutenico Suscita-se a

indagaccedilatildeo de esta variaacutevel estar subvalorizada por alguma razatildeo na medida

em que estaacute ausente dos registros cliacutenicos como informaccedilatildeo nuclear ateacute por

sua compreensiacutevel ldquoimprecisatildeordquo bioloacutegica Apesar dessa potencial inexatidatildeo

revelou-se variaacutevel relevante Portanto o empenho em obter com a precisatildeo

possiacutevel a data do iniacutecio dos sintomas pode ser reiterado uacutetil para a avaliaccedilatildeo

de pacientes

Finalizando nossos resultados sugeriram a possibilidade do uso da

rede neural artificial como uma ferramenta suplementar para a orientaccedilatildeo dos

pacientes com insuficiecircncia cardiacuteaca desde que a rede neural seja modelada

pelo tempo de sobrevida observado entre dois anos e seis anos inferior a dois

anos e superior a seis anos e com base em variaacuteveis preditivas de sobrevida

estimadas por meacutetodo estatiacutestico tradicional

Novos estudos em outras casuiacutesticas e serviccedilos podem adicionar experiecircncia

ampliar e aprofundar os resultados ora apresentados

56 Limitaccedilotildees do estudo

Entre as limitaccedilotildees deste trabalho citamos o caraacuteter uni-institucional

retrospectivo o nuacutemero limitado de variaacuteveis a presenccedila de dados faltantes a

ausecircncia de controle da uniformidade de tratamento medicamentoso com suas

particularidades entre elas a aderecircncia a tratamento e a mortalidade avaliada

no Estado de Satildeo Paulo Por outro lado atenuam-se as limitaccedilotildees por se tratar

de estudo em real life conditions no contexto de um Serviccedilo Meacutedico com

grande responsabilidade assistencial no acircmbito de hospital acadecircmico

6 Conclusotildees

Conclusotildees 68

A probabilidade de sobrevida geral desta casuiacutestica de insuficiecircncia

cardiacuteaca de diferentes etiologias no longo prazo foi 68 em cinco anos e 40

em onze anos

A influecircncia dos dados faltantes no prognoacutestico variou conforme a

natureza das variaacuteveis

O emprego de redes neurais categorizadas por tempo de sobrevida

dos pacientes a partir de variaacuteveis identificadas significantes em anaacutelise

estatiacutestica tradicional pode contribuir para identificar pacientes com

insuficiecircncia cardiacuteaca com prognoacutestico potencialmente mais reservado de

modo a contribuir para melhor orientaccedilatildeo da sequecircncia do tratamento na rede

de atenccedilatildeo meacutedica primaacuteria ou secundaacuteria ou em hospital de referecircncia em

nosso caso especiacutefico seria identificar os pacientes que pela condiccedilatildeo cliacutenica

mais grave demandariam recursos tecnoloacutegicos e intervenccedilotildees complexas para

seu tratamento O tempo de evoluccedilatildeo da insuficiecircncia cardiacuteaca obtida pelo

auxiacutelio da histoacuteria cliacutenica modulada pelas demais variaacuteveis cliacutenicas e

laboratoriais contribuiu para a avaliaccedilatildeo prognoacutestica quadros cliacutenicos de

evoluccedilatildeo mais longa podem sugerir pacientes com doenccedila mais estaacutevel

enquanto que tal avaliaccedilatildeo torna-se mais limitada no caso de quadro cliacutenico de

evoluccedilatildeo mais breve

7 Anexos

Anexos 70

Figura 1 - Delineamento do estudo de 2128 pacientes ambulatoriais com diagnoacutestico de insuficiecircncia cardiacuteaca

Dados de 2128 pacientes

consecutivos entre 2003 e 2007 com

diagnoacutestico de insuficiecircncia

cardiacuteaca

variaacuteveis selecionadas para a

rede neural

variaacuteveis demograacuteficas cliacutenicas laboratoriais eletrocardiograacutefica ecocardiograacuteficas medicaccedilotildees

variaacuteveis selecionadas para o modelo de regressatildeo

de riscos proporcionais de Cox

variaacuteveis com maior influecircncia para a

sobrevida

968 pacientes selecionados para a

rede neural (oacutebitos ateacute 2012)

pacientes elegiacuteveis para treinamento da

rede neural

pacientes elegiacuteveis para previsatildeo da

rede neural

modelos de rede neural

para previsatildeo

da sobrevida

Anexos 71

v1

v2

v3

vn 1 2 3 4 5

FONTE adaptado de Fernando J Von Zuben e Romis R F Attux Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubenia353_1s07toacutepico5_07pdf Figura 2 - Arquitetura da rede neural Perceptron de Muacuteltiplas Camadas em que f representa a funccedilatildeo de ativaccedilatildeo ou de transferecircncia natildeo linear definida para o aprendizado-treinamento da rede neural

Variaacuteveis de

entrada

sumf

Variaacutevel de saiacuteda

saiacuteda

Cinco camadas intermediaacuterias de neurocircnios ou unidades

computacionais

Anexos 72

y0

w0

y1 w1 xn

yn wn

Em que

n n-eacutesima variaacutevel de entrada (iteraccedilatildeo)

y0 y1 variaacuteveis de entrada

yn i-eacutesima variaacutevel de entrada

w0 w1 pesos sinaacutepticos ajustaacuteveis

wn peso sinaacuteptico ajustaacutevel conectando a entrada da unidade

agrave saiacuteda da unidade na iteraccedilatildeo n

xn i-eacutesima variaacutevel de saiacuteda da unidade na iteraccedilatildeo n

sum funccedilatildeo de soma

f funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

FONTE adaptado de Neural Networks and Learning Machines por Simon Hayken 1999 Figura 2a Representaccedilatildeo funcional de um neurocircnio da rede neural perceptron de muacuteltiplas camadas

sum f

Anexos 73

Em que propagaccedilatildeo da informaccedilatildeo

retro-propagaccedilatildeo do erro da informaccedilatildeo

FONTE adaptado de Leandro Nunes de Castro Silva 1998 Disponiacutevel em ftpftpdca feeunicampbrpubdocsvonzubentheseslnunes_mestindicepdf Figura 2b Representaccedilatildeo das duas fases de direccedilotildees de propagaccedilatildeo da informaccedilatildeo pelo algoriacutetmo de aprendizado supervisionado ou de retropropagaccedilatildeo do erro ou backpropagation da rede neural perceptron de multiplas camadas e permite o ajuste dos pesos sinaacutepticos

Anexos 74

Figura 3 - Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da funccedilatildeo log sigmoid Ambas satildeo funccedilotildees natildeo lineares de transferecircncia ou de ativaccedilatildeo poreacutem a funccedilatildeo logiacutestica zero based log sigmoid assume o intervalo de variaccedilatildeo entre 0 e 1 e a funccedilatildeo tangente hiperboacutelica preserva a forma sigmoidal e assume valores positivos e negativos (intervalo de variaccedilatildeo entre -1 e 1)

Figura 4 - Representaccedilatildeo esquemaacutetica das cinco fases da rede neural que compreenderam o aprendizadotreinamento da rede a previsatildeo da rede neural a comparaccedilatildeo dos melhores modelos de previsatildeo da rede neural os reensaios da rede neural incorporando os pacientes que faleceram em 2013 e 2014 e nova comparaccedilatildeo dos melhores modelos reensaiados

Anexos 75

Figura 5 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

com insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das abscissas indicam o

nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da

consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 76

Figura 6 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

de acordo com a etiologia da insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 77

Figura 7 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128

pacientes de acordo com sua idade Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 78

Figura 8 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o sexo Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 79

Figura 9 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a etnia Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 80

Figura 10 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o peso Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 81

Figura 11 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a altura Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 82

Figura 12 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o iacutendice de massa corpoacuterea (IMC) Os nuacutemeros sob o

eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 83

Figura 13 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial sistoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 84

Figura 14 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial diastoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 85

Figura 15 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a classe funcional da New York Heart Association

Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco

no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 86

Figura 16 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a frequecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 87

Figura 17 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com a data do iniacutecio dos sintomas

Anexos 88

Figura 18 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com antecedente de hipertensatildeo arterial Os nuacutemeros sob

o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 89

Figura 19 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de tabagismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 90

Figura 20 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o antecedente de diabetes melito Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 91

Figura 21 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de etilismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 92

Figura 22 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro do aacutetrio esquerdo no ecocardiograma Os

nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no

decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 93

Figura 23 - Probabilidade da sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 94

Figura 24 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 95

Figura 25 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 96

Figura 26 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica do septo interventricular no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 97

Figura 27 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica da parede posterior do

ventriacuteculo esquerdo no ecocardiograma Os nuacutemeros sob o eixo das abcissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 98

Figura 28 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com o riacutetmo cardiacuteaco Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 99

Figura 29 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de hemoglobina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 100

Figura 30 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a glicemia de jejum Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 101

Figura 31 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de creatinina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 102

Figura 32 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de soacutedio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 103

Figura 33 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de potaacutessio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 104

Figura 34 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de colesterol total Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 105

Figura 35 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de HDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 106

Figura 36 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de LDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 107

Figura 37 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de trigliceacuterides Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 108

Figura 38 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de leucoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 109

Figura 39 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de linfoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 110

Figura 40 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de inibidor de enzima conversora da angiotensina (captopril enalapril) ou de bloqueador dos receptores da angiotensina II (losartana) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 111

Figura 41 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de beta-bloqueadores na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 112

Figura 42 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de diureacuteticos (furosemida hidroclorotiazida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 113

Figura 43 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de espironolactona na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 114

Figura 44 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de digoxina na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 115

Figura 45 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 116

Figura 46 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de anticoagulante oral (varfarina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 117

Figura 47 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de estatina (sinvastatina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 118

Figura 48 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de vasodilatador (hidralazina e mononitrato de isossorbida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 119

Figura 49 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2148 pacientes quanto ao uso de bloqueador dos canais de caacutelcio (anlodipina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 120

Figura 50 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiarriacutetmico (amiodarona) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 121

Figura 51 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao nuacutemero de medicamentos em uso na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 122

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Idade (anos) 58 lt 0001

lt 40 200(9) 65

41-65 1325(62) 69

gt65 603(28) 51

Sexo 0025

Masculino 1362(64) 61

Feminino 766(36) 67

Grupo eacutetnico 027

Branca 343(16) 62

Natildeo-branca 131(6) 59

Dado faltante 1654(78) 65

Peso (kg) 694 lt 0001

lt 63 594(28) 57

631 - 749 562(26) 63

gt 75 614(29) 73

Dado faltante 358(17) 58

Altura (cm) 163 0048

lt 159 569(27) 64

159-166 546(26) 65

gt 167 628(30) 65

Dado faltante 385(18) 57

Iacutendice de massa corporal (kgm2)sect 26 lt0001

lt 25 660(31) 56

25-30 697(33) 69

gt 30 378(18) 59

Dado faltante 393(18) 74

Pressatildeo arterial sistoacutelica (mm Hg) 130 lt0001

lt 100 94(4) 38

100-130 927(44) 60

gt130 980(46) 57

Dado faltante 127(6) 69

Anexos 123

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Pressatildeo arterial diastoacutelica (mm Hg) 90 lt0001

lt 80 447(21) 51

80-90 905(43) 66

gt90 646(30) 73

Dado faltante 130(6) 57

Frequecircncia cardiacuteaca (batimentosmin) 80 062

lt 60 68(3) 57

60-100 1586(75) 63

gt100 144(7) 62

Dado faltante 330(16) 60

Duraccedilatildeo dos sintomas (meses) 119 068

lt 12 261(12) 60

gt 12 247(12) 59

Dado faltante 1620 (76) 63

Histoacuteria meacutedica

Hipertensatildeo arterial 1538(72) 65 0049

Normotenso 492(23) 56

Dado faltante 98(5) 65

Consumo de aacutelcool Leve 100(5) 69 084

Moderado 37(2) 65

Intenso 86(4)

Indeterminado 84(4) 69

Ex-etilista 297(14)

Natildeo etilista 1076(51) 62

Dado faltante 448(21)

Fumante lt 20 cigarros 111(5) 60 074

gt 20 cigarros 104(5)

Indeterminado 190(9) 62

Ex-fumante 626(29) 65

Natildeo fumante 859(40) 64

Dado faltante 238(11)

Anexos 124

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Diabetes mellitus 0024

Insulino dependente 99(5) 64

Natildeo insulino dependente 389(18) 59

Natildeo diabeacutetico 1481(70) 65

Dado faltante 159(7) 64

Etiologia da Insuficiecircncia Cardiacuteaca 0001

Cardiomiopatia da Doenccedila de Chagas 333(16) 50

Cardiomiopatia hipertensiva 920(43) 71

Cardiomiopatia isquecircmica 523(25) 55

Cardiomiopatia dilatada 206(10) 69

Cardiomiopatia alcooacutelica 146(7) 66

Classe funcional NYHApara 0001

I 300(14) 72

II 805(38) 64

III 575(27) 56

IV 302(14) 50

Dado faltante 146(7) 59

Ritmo cardiacuteaco no eletrocardiograma 00051

Fibrilaccedilatildeo atrial 294(14) 56

Ritmo sinusal 1561(73) 65

Ritmo de marca-passo 38(2) 68

Outro 7(0) 66

Dado faltante 228(11) 62

Espessura do septo interventricular (mm) 9 lt0001

lt 8 206(10) 57

8-12 1385(65) 68

gt12 109(5) 63

Dado faltante 428(20) 54

Espessura da parede posterior do ventriacuteculo esquerdo (mm) 9 lt0001

lt 8 206(10) 63

8-12 1428(67) 66

gt12 63(3) 54 Dado faltante 431(20) 62

Anexos 125

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos ()

Valor-pŦ

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) 64 lt0001

lt 60 514(24) 74

60-75 938(44) 65

gt 75 224(11) 56

Dado faltante 452(21) 53

Diacircmetro sistoacutelico do ventriacuteculo esquerdo (mm) 56 lt0001

lt 40 110(5) 79

40-55 462(22) 72

gt 55 612(29) 59

Dado faltante 944(44) 60

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo () 31 lt0001

lt 35 1027(48) 60

35-45 449(21) 69

45-55 220(10) 72

gt 55 59(3) 82

Dado faltante 373(18) 53

Diacircmetro do aacutetrio esquerdo (mm) 46 lt0001

lt 40 295(14) 78

gt 40 1375(65) 63

Dado faltante 458(22) 53

Creatinina seacuterica (mgdL) 11 lt0001

lt 13 1469(69) 68

13-26 535(25) 51

gt 26 51(2) 28

Dado faltante 73(3) 53

Soacutedio seacuterico (mEqL) 139 lt0001

lt 136 170(8) 49

gt 136 1852(87) 66

Dado faltante 106(5) 54

Anexos 126

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Potaacutessio seacuterico (mEqL) 46 lt0001

lt 35 31(1) 60

35-50 1646(77) 66

gt 50 345(16) 54

Dado faltante 106(5) 53

Hemoglobina (gdL) 142 lt0001

lt 10 41(2) 43

10-12 190(9) 53

gt 12 1826(86) 65

Dado faltante 71(3) 66

Leucoacutecitos (mm3) 7300 0048

lt 4000 45(2) 33

4000-11000 1791(84) 63

gt 11000 142(7) 56

Dado faltante 150(7) 62

Linfoacutecitos (mm3) 1919 0011

lt 900 14(1) 34

900-3400 301(14) 65

gt 3400 7(0) 71

Dado faltante 1806(85) 62

Colesterol total (mgdL) 188 lt0001

lt 200 881(41) 65

200-240 394(19) 75

gt 240 209(10) 74

Dado faltante 644(30) 53

Trigliceacuterides (mgdL) 112 lt0001

lt 150 1011(48) 65

150-300 397(19) 74

gt 300 71(3) 80

Dado faltante 649(30) 53

Anexos 127

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

HDL - colesterol (mgdL)Ħ 43 lt0001

lt 40 560(26) 68

40-60 681(32) 71

gt 60 207(10) 54

Dado faltante 680(32) 69

LDL- colesterol (mgdL)Ħ 116 lt0001

lt 100 471(22) 60

100-129 451(21) 68

gt 129 521(24) 53

Dado faltante 685(32) 72

Glicose de jejum (mgdL) 100 lt0001

lt 100 843(40) 65

100-126 571(27) 66

gt 126 345(16) 68

Dado faltante 369(17) 53

IECABRAeuro (captopril enalapril losartana)

Com medicaccedilatildeo 1564(73) 62 091

Sem medicaccedilatildeo 302(14) 62

Dado faltante 262(12)

Diureacuteticos (hidroclorotiazida e furosemida)

com medicaccedilatildeo 1548(73) 62 00032

sem medicaccedilatildeo 318(15) 71

Dado faltante 262(12) 66

Antagonista do receptor da aldosterona (espironolactona)

Com medicaccedilatildeo 832(39) 60 032

Sem medicaccedilatildeo 1034(49) 63

Dado faltante 262(12) 65

Digital (digoxina)

com medicaccedilatildeo 1013(48) 62 0077

sem medicaccedilatildeo 853(40) 66

Dado faltante 262(12) 65

Anticoagulante oral (varfarina)

Com medicaccedilatildeo 134(6) 56 043

Sem medicaccedilatildeo 1732(81) 63

Dado faltante 262(12) 65

Anexos 128

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Antiagregante plaquetaacuterio (aspirina) com medicaccedilatildeo 639(30) 60 055

sem medicaccedilatildeo 1227(58) 63

Dado faltante 262(12) 65

Estatina (sinvastatina)

Com medicaccedilatildeo 153(7) 75 007

Sem medicaccedilatildeo 1712(80) 60

Dado faltante 262(12) 63

Bloqueador dos canais de caacutelcio (anlodipina)

com medicaccedilatildeo 42(2) 69 077

sem medicaccedilatildeo 1824(86) 60

Dado faltante 262(12) 62

Vasodilator direto (hidralazina mononitrato de isossorbida)

Com medicaccedilatildeo 63(3) 63 058

Sem medicaccedilatildeo 1802(85) 62

Dado faltante 263(12) 62

Bloqueador adreneacutergico (carvedilol metoprolol atenolol propanolol) com medicaccedilatildeo 706(33) 66 0042

sem medicaccedilatildeo 1160(55) 60

Dado faltante 262(12) 65

Antiarriacutetmico (amiodarona)

Com medicaccedilatildeo 80(4) 54 051

Sem medicaccedilatildeo 1786(84) 62

Dado faltante 262(12) 65

Nuacutemero de medicamentos em uso Φ

1 118(6)

2 272(13)

3 471(22)

4 496(23)

5 349(16)

6 127(6)

7 26(1)

8 2(0)

9 1(0)

Dado faltante 266(12)

Anexos 129

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Nuacutemero de drogas agrupadas em uso ζ 014

lt 3 861(40) 65

gt 3 1001(47) 65

Dado faltante 266(12) 60

sect Peso em kgaltura2

para Classe funcional da New York Heart Association (NYHA) I- nenhuma limitaccedilatildeo II- limitaccedilatildeo a moderados esforccedilos III- limitaccedilatildeo a esforccedilos habituais IV- limitaccedilatildeo em repouso

Ħ HDL- colesterol ou fraccedilatildeo lipoproteica de alta densidade do colesterol LDL- colesterol ou fraccedilatildeo lipoproteica de baixa densidade do colesterol

euro IECA - inibidores da enzima de conversatildeo da angiotensina BRA - bloqueadores dos receptores da angiotensina I

Φ Nuacutemero de medicaccedilotildees em uso pelo paciente e respectivas porcentagens

ζ Nuacutemero de medicaccedilotildees agrupadas em uso pelo paciente e respectivas porcentagens

Ŧ Valor-p (log rank)

Anexos 130

Tabela 2 ndash Variaacuteveis estudas quanto agrave probabilidade de sobrevida (etapa 1)

Variaacutevel Valor-p Valores disponiacuteveis

n

Dados omissos

()

Idade

plt0001 2128 -

Etnia p =0789 474 78

Sexo plt0001 2128 -

Iacutendice de massa corpoacuterea plt0001 1735 19

Pressatildeo Arterial Sistoacutelica plt0001 2001 6

Pressatildeo Arterial Diastoacutelica plt0001 1998 6

Frequecircncia Cardiacuteaca p =0446 1798 16

Etiologia da Insuficiecircncia Cardiacuteaca plt0001 2128 -

Classe Funcional plt0001 1982 7

Hipertensatildeo Arterial plt0001 2030 5

Etilismo p =0602 1680 21

Tabagismo p =0117 1890 11

Diabetes p =0135 1969 7

Ritmo cardiacuteaco p =0105 1893 11

Espessura do septo interventricular p =0083 1332 37

Espessura da parede posterior do ventriacuteculo esquerdo

p =0477 1258 41

Diacircmetro diastoacutelico do ventriacuteculo esquerdo

plt0001 1676 21

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

plt0001 1184 44

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

plt0001 1755 18

Diacircmetro do aacutetrio esquerdo plt0001 1670 22

Soacutedio seacuterico plt0001 2022 5

Potaacutessio seacuterico p =0002 2022 5

Hemoglobina seacuterica p =0008 2057 3

Taxa de leucoacutecitos p =0018 1978 7

Taxa de linfoacutecitos p =0037 322 85

Colesterol total p =0001 1484 30

Trigliceacuterides p =0015 1479 30

HDL - colesterol p =0280 1448 32

LDL - colesterol p =0119 1443 32

Glicemia de jejum p =0051 1759 17

Creatinina seacuterica plt0001 2055 3

Nuacutemero de medicamentos em uso p =0134 1864 12

Iniacutecio dos sintomas p =0564 510 76

valor - p foi resultante do teste da razatildeo de verossimilhanccedilas para cada uma das variaacuteveis os valores

- p inferiores a 10 tornaram a caracteriacutestica correspondente elegiacutevel para inclusatildeo na na segunda etapa do modelo nuacutemero de informaccedilotildees disponiacuteveis para cada variaacutevel a variaacutevel idade mostrou-se significante (p lt 0001) e foi incluiacuteda em todos os ajustes do modelo por ser a sobrevida a resposta do modelo de Cox Em negrito estatildeo as variaacuteveis selecionadas para a etapa 2 do modelo de Cox

Anexos 131

Tabela 3 ndash Uso de tratamento medicamentoso

Medicamento em uso

Grupo Sim

n ()

Natildeo

n ()

Sem informaccedilatildeo

n ()

IECA BRA 1564(73) 302(14) 262(12)

Diureacuteticos 1548(73) 318(15) 262(12)

Espironolactona 832(39) 1034(49) 262(12)

Digoxina 1013(48) 853(40) 262(12)

Anticoagulante oral 134(6) 1732(81) 262(12)

Antiagregante plaquetaacuterio 639(30) 1227(58) 262(12)

Estatina 153(7) 1713(80) 262(12)

Bloqueador dos canais de caacutelcio

42(2) 1824(86) 262(12)

Vasodilatador direto 63(3) 1802(85) 263(12)

Bloqueador alfa-adreneacutergico ou beta-adreneacutergico

706(33) 1160(55) 262(12)

Antiarriacutetmico 80(4) 1786(84) 262(12)

IECA inibidores da enzima conversora da angiotensina (captopril enalapril) BRA bloqueadores dos receptores da angiotensina II (losartana) Diureacuteticos hidroclorotiazida ou furosemida Espironolactona diureacutetico poupador de potaacutessio e antagonista do receptor da aldosterona Anticoagulante oral varfarina Antiagregante plaquetaacuterio aacutecido acetilsaliciacutelico Estatina sinvastatina Bloqueador dos canais de caacutelcio anlodipina Vasodilatdor direto hidralazina e mononitrato diisossorbida Bloqueadores alfa adreneacutergico (carvedilol) e beta-adreneacutergico (metoprolol atenolol e propranolol) Antiarritmico amiodarona

Anexos 132

Tabela 4 - Nuacutemero de medicamentos em uso

Nuacutemero de medicamentos em uso pelos pacientes - n ()

1

n()

2

n()

3

n()

4

n()

5

n()

6

n()

7

n()

8

n()

9 n()

Sem Informaccedilatildeo

n()

118(6) 272(13) 471(22) 496(23) 349(16) 127 (6)

26(1) 2(0) 1(0) 266(12)

nuacutemero de medicamentos em uso pelo paciente entre os diferentes grupos de medicaccedilotildees

Tabela 5 - Variaacuteveis retiradas do modelo de Cox (etapa 2)

Variaacutevel Valor-p

Hipertensatildeo arterial sistecircmica 0790

Hemoglobina 0789

Glicemia de jejum 0751

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

0702

Frequecircncia cardiacuteaca 0568

Sexo 0434

Soacutedio seacuterico 0428

Leucoacutecitos seacuterico 0165

Trigliceacuterides seacuterico 0144

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

0111

Linfoacutecitos seacuterico 0082

apoacutes ajuste do modelo inicial e considerando o valor-p do teste de razatildeo de verossimilhanccedilas para cada uma das variaacuteveis foi realizado novo ajuste sequencial do modelo e as variaacuteveis com valor-p superiores a 5 foram eliminadas

Anexos 133

Tabela 6 - Reavaliaccedilatildeo das variaacuteveis inicialmente excluiacutedas da etapa 2 do modelo de Cox (etapa 3)

Variaacutevel Valor-p

Etnia 0650

Frequecircncia cardiacuteaca 0489

Etilismo 0702

Tabagismo 0536

Diabetes melito 0034

Espessura da parede posterior do ventriacuteculo esquerdo

0546

Ritmo cardiacuteaco 0137

HDL - colesterol 0710

LDL- colesterol 1000

Nuacutemero de medicamentos em uso 0696

Iniacutecio dos sintomas 0784

HDL-colesterol ou lipoproteiacutena de alta densidade LDL-colesterol ou lipoproteiacutena de baixa densidade Resultado do teste da razatildeo de verossimilhanccedila para todas as variaacuteveis Excluiacutedas no primeiro ajuste do modelo (etapa 1) e reavaliaccedilatildeo da importacircncia de cada uma das variaacuteveis apoacutes reintroduzi- las no modelo em conjunto com as variaacuteveis do segundo ajuste do modelo (etapa 2) sect Diabetes melito foi a uacutenica variaacutevel que permaneceu para o modelo final

Tabelas 7 - Variaacuteveis do modelo final de Cox selecionadas para a rede neural

Variaacutevel Valor-p

Idade (anos) lt0001

Iacutendice de massa corpoacuterea (kgm2) lt0001

Pressatildeo arterial diastoacutelica (mmHg) lt0001

Etiologia da insuficiecircncia cardiacuteaca lt0001

Classe funcional (NYHA)Δ lt0001

Espessura do septo interventricular (mm) 0037

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) lt0001

Diacircmetro do aacutetrio esquerdo (mm) 0025

Potaacutessio seacuterico (mEqL) 0015

Colesterol total (mgdL) lt0001

Creatinina (mgdL) lt0001

Diabetes melito 0034

etiologias da insuficiecircncia cardiacuteaca hipertensiva isquecircmica dilatada alcooacutelica e Doenccedila de Chagas Δ classe funcional segundo a New York Heart Association valor - p do teste de razatildeo de verossimilhanccedila do ajuste final do modelo de Cox

Anexos 134

Tabela 8 - Valores de referecircncia para as variaacuteveis com dados faltantes

Variaacutevel Estrateacutegia

1 Estrateacutegia

2 Estrateacutegia

3

Iacutendice de massa corpoacuterea (kgm2) 25 25 26

Pressatildeo arterial diastoacutelica (mm Hg) 80 80 90 Espessura diastoacutelica do septo intraventricular (mm)

8 8 9

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm)

60 60 64

Diacircmetro do aacutetrio esquerdo (mm) 40 40 46 Potaacutessio seacuterico (mEqL) 35 35 46 Colesterol total (mgdL) 160 200 188

Creatinina (mgdL) 09 13 11 Preacute-requisito para o aprendizado da rede neural estrateacutegias para a imputaccedilatildeo de valores nas informaccedilotildees faltantes valores de referecircncia da normalidade valores superiores da normalidade para as variaacuteveis colesterol total e creatinina seacuterica valores de referecircncia da mediana

Anexos 135

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado -treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 1 1

417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 2 2

417 968 Zero Based Log Sigmoid data da consulta 52618

sem limite 3 1

417 968 Tangente Hiperboacutelica data da consulta 70731

sem limite 4 1 Teste RN 1 118 240 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 20100

sem limite 5 1 Cardiopatia dilatada 36 70 Zero Based Log Sigmoid data da consulta 100275

sem limite 6 1 Cardiopatia hipertensiva 168 379 Zero Based Log Sigmoid data da consulta 88500

sem limite 7 1 Cardiopatia alcooacutelica 28 57 Zero Based Log Sigmoid data da consulta 81429

sem limite 8 1 Cardiopatia isquemica 106 263 Zero Based Log Sigmoid data da consulta 36109

sem limite 9 1 Cardiopatia doenccedila Chagas 8 188 Zero Based Log Sigmoid data da consulta 40044

sem limite 10 1 sexo 417 968 Zero Based Log Sigmoid data da consulta 57836

sem limite 11 1 sexo e FEλ 25 417 968 Zero Based Log Sigmoid data da consulta 73544

sem limite 12 1 sexo e FEλ 55 417 968 Zero Based Log Sigmoid data da consulta 102308

2 lt sobrevida lt 6 13 1

200 402 Zero Based Log Sigmoid data da consulta 3199

2 lt sobrevida lt 6 14 1 22 a 52 anos 121 206 Zero Based Log Sigmoid data da consulta 88000

1 lt sobrevida lt 6 15 1 22 a 52 anos 83 162 Zero Based Log Sigmoid data da consulta 5185

1 lt sobrevida lt 6 16 1 13 lt CrΦ

lt 26 72 184 Zero Based Log Sigmoid data da consulta 6200

1 lt sobrevida lt 6 17 1 200 lt TCΨ

lt 239 61 245 Zero Based Log Sigmoid data da consulta 7068

1 lt sobrevida lt 6 18 1 60 lt DDVEε lt 75 160 374 Zero Based Log Sigmoid data da consulta 6360

1 lt sobrevida lt 6 19 1 200ltTCΨlt239 e 60ltDDVE

εlt75 163 34 Zero Based Log Sigmoid data da consulta 5284

Anexos 136

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado- treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede neural

() Aprendizado

(TAA) Previsatildeo

(TAP)

2 lt sobrevida lt 6 20 1

50 98 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2260

2 lt sobrevida lt 6 21 1

200 402 Tangente Hiperboacutelica data da consulta 4801

2 lt sobrevida lt 6 22 1

50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

0 lt sobrevida lt 2 23 1

118 383 Tangente Hiperboacutelica data da consulta 42244

sobrevida gt 6 24 1

101 186 Tangente Hiperboacutelica data da consulta 1277

0 lt sobrevida lt 2 25 1

118 383 Zero Based Log Sigmoid data da consulta 52725

sobrevida gt 6 26 1

101 186 Zero Based Log Sigmoid data da consulta 1137

0 lt sobrevida lt 2 27 1

22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

sobrevida gt 6 28 1

46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

0 lt sobrevida lt 2 29 1

22 47 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 3381

sobrevida gt 6 30 1

46 93 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2413

15 lt sobrevida lt 85 31 1

317 632 Zero Based Log Sigmoid data da consulta 7478

sobrevida gt 2 32 1

298 584 Zero Based Log Sigmoid data da consulta 5660

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

λ valor de referecircncia para a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo (capacidade funcional) ao ecocardiograma

Φ valores de referecircncia para a dosagem da creatinina seacuterica Ψ valores de referecircncia para a dosagem seacuterica do colesterol total

ε valores de referecircncia para o diacircmetro diastoacutelico do ventriacuteculo esquerdo ao ecocardiograma

Anexos 137

Tabela 91 - Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1)

Tempo de sobrevida

observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizadotreinamento da

rede ou limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 33 3 30000τ 00001

ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 34 1 20000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 55141

sem limite 35 1 10000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 54241

sem limite 36 1 00010 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 69427

sem limite 37 1 00020 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 70479

2 lt sobrevida lt 6 38 1 Cardiopatia dilatada 18 38 Zero Based Log Sigmoid data da consulta 2667

2 lt sobrevida lt 6 39 1 Cardiopatia hipertensiva 80 161 Zero Based Log Sigmoid data da consulta 2948

2 lt sobrevida lt 6 40 1 Cardiopatia alcooacutelica 18 29 Zero Based Log Sigmoid data da consulta 2952

2 lt sobrevida lt 6 41 1 Cardiopatia isquemica 48 101 Zero Based Log Sigmoid data da consulta 2705

2 lt sobrevida lt 6 42 1 Cardiopatia da doenccedila de Chagas

37 73 Zero Based Log Sigmoid data da consulta 2191

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

τ nuacutemero de ciclos maacuteximos ou iteraccedilotildees estipuladas para o aprendizado-treinamento da rede neural

ζ erro delta estipulado para o aprendizado-treinamento da rede neural

Anexos 138

Tabela 10 - Comparaccedilatildeo das redes neurais categorizadas pelo tempo de sobrevida observado seleccedilatildeo dos melhores modelos de rede neural

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

23 118 383 Tangente Hiperboacutelica data da consulta 42244

25 118 383 Zero Based Log

Sigmoid data da consulta 52725

27 22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

29 22 47 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 3381

tempo de seguimento ou tempo de sobrevida observado inferior a 2 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

13 200 402 Zero Based Log

Sigmoid data da consulta 3199

21 200 402 Tangente Hiperboacutelica data da consulta 4801

20 50 98 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2260

22 50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

tempo de seguimento ou tempo de sobrevida observado entre 2 e 6 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

24 101 186 Tangente Hiperboacutelica data da consulta 1277

26 101 186 Zero Based Log

Sigmoid data da consulta 1137

28 46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

30 46 93 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2413

tempo de seguimento ou tempo de sobrevida observado superior a 6 anos

em todos os testes das redes neurais foram utilizados valores normais para o dado

faltante

Anexos 139

Tabela 11 - Modelos de redes neurais para previsatildeo da sobrevida nos pacientes vivos ateacute 2012 (fase 2)

Aprendizado da rede neural (pacientes falecidos ateacute 2012)

Previsatildeo de sobrevida da rede neural

(pacientes vivos ateacute 2012)

Modelo de rede neural

TAA

Erro real da rede

neural ()

Sobrevida (tempo

decorrido)

Funccedilatildeo de

transferecircncia

Tempo de sobrevida observado

(anos)

Previsatildeo da rede neural

(PREV) λ

TAP

Sobrevida hipoteacutetica

Erro hipoteacutetico da rede neural

()

13 200 3199 (DO-DPC)Ψ zero based

log sigmoid 2 a 6 PREV01 300 (DUR-

DPC) Φ

3847

20 50 2260 (DO - DIS) ζ zero based

log sigmoid 2 a 6 PREV02 51 (DUR-DIS)

Φ

3933

22 50 2054 (DO - DIS) ζ tangente

hiperboacutelica 2 a 6 PREV03 51 (DUR-DIS)

Φ

3323

24 101 1277 (DO-DPC)Ψ tangente

hiperboacutelica superior a

6 PREV04 636 (DUR-

DPC) Φ

2071

26 101 1137 (DO-DPC)Ψ zero based

log sigmoid superior a

6 PREV05 636 (DUR-

DPC) Φ

2150

27 22 3529 (DO - DIS) ζ tangente

hiperboacutelica 0 a 2 PREV06 24 (DUR-DIS)

Φ

6372

29 22 3381 (DO - DIS) ζ zero based

log sigmoid 0 a 2 PREV07 24 (DUR-DIS)

Φ

8547

28 46 3029 (DO - DIS) ζ tangente

hiperboacutelica superior a

6 PREV08 199 (DUR-DIS)

Φ

4323

30 46 2413 (DO - DIS) ζ zero based

log sigmoid superior a

6 PREV09 199 (DUR-DIS)

Φ

4867

TAA tamanho da amostra para aprendizado da rede neural

TAP tamanho da amostra para a previsatildeo da rede neural

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da

rede neural com os pacientes falecidos ateacute 2012

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou do uacuteltimo contato com o

paciente e o dado disponiacutevel (data da primeira consulta ou data do iniacutecio dos sintomas)

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

ζ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Anexos 140

Tabela 12 - Modelos de redes neurais comparaacuteveis erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Modelo de rede neural

Previsatildeo da rede neural (PREV) λ

Nuacutemero de pacientes

para comparaccedilatildeo

Erro de previsatildeo hipoteacutetico de

sobrevida pela rede neural

(vivos ateacute 2012) ()

Erro de previsatildeo da sobrevida pela rede

neural real (falecidos em 2013)

()

13 PREV 01 19 3562 4755 20 PREV 02 2 1155 4037 22 PREV 03 2 4095 5614 24 PREV04 36 2120 1880 26 PREV 05 36 1848 1948

corresponde ao modelo de rede utilizada no aprendizado com os melhores resultados na previsatildeo da sobrevida λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 141

Tabela 13 - Modelo de rede neural 13 individual e comparaacutevel erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 13 (aprendizado falecidos ateacute 2012) e PREV01 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

13 200 (DOndashDPC)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira

consulta

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-

DPC) Φ

Sobrevida hipoteacutetica da rede neural

PREV 01λ

(vivos em 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural comparado

com erro real (falecidos em

2013) ()

127 1330 1258 543 3769 6663

180 1434 1797 2535 3526 4902

407 1302 1716 3179 3490 5083

675 2063 1795 1299 3630 5055

878 1736 1261 2734 3509 6405

1086 859 1265 4722 3429 6312

1194 1218 1798 4760 3532 4910

1341 1172 1794 5306 3297 4559

1685 1061 1803 6994 3259 4468

2204 950 1795 8899 2971 3957

2669 1997 1761 1182 2477 2891

2962 1357 1427 529 2659 4635

3687 1886 1255 3345 2499 5017

3837 1834 1221 3341 2451 2396

3838 1603 1792 1177 2356 3204

3855 1108 1794 6194 2640 7789

3862 1726 548 6825 2479 2780

3892 1745 1720 144 2382 4547

3997 1013 1255 3980 2302 4766

3562 DP2498

4755 DP1384

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro relativo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 142

Tabela 14 - Modelo de rede neural 20 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 20 (aprendizado falecidos ateacute 2012) e PREV02 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

20 50 (DO-DIS)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede neural PREV 02

λ

(vivos ateacute 2012)

(em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos ateacute 2012)

()

Sobrevida

real (falecidos em

2013)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1329 2310 2659 5002

3997 2008 1595 680 2302 3072

1155 DP 1249

4037 DP 1365

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural

para os pacientes vivos ateacute 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede

comparada com a porcentagem do erro real de sobrevida dos pacientes que faleceram em 2013

Anexos 143

Tabela 15- Modelo de rede neural 22 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 22 (aprendizado falecidos ateacute 2012) e PREV03 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

22 50 (DO- DIS) Ψ

tangente hiperboacutelica

2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do

caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede

neural PREV 03

λ

(vivos ateacute 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1166 3220 2659 5615

3997 2008 1010 4970 2302 5614

4095 DP 1237 5614 DP 001

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro de previsatildeo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 144

Tabela 16 ndash Modelo de rede neural 24 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 24 (aprendizado falecidos em 2012) e PREV04 (previsatildeo vivos em 2012)

Modelo de rede neural

δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

24 101 (DO-DPC) Ψ

tangente hiperboacutelica

superior a 6 anos

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

Nuacutemero do caso

Sobrevida calculada VIVO (DUR-DPC)

Φ

(em dias)

Sobrevida hipoteacutetica da rede neural PREV 04

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico da rede neural

(vivos ateacute 2012) ()

Sobrevida real

(falecidos em 2013) (em dias)

Erro da rede neural comparado com

erro real (falecidos em 2013)

()

115 3558 3495 176 3586 252

156 3552 3239 882 3630 1077

157 3615 3548 184 3705 259

267 3437 2302 3303 3755 387

442 2496 2445 206 3573 3157

475 3681 3527 418 3700 466

702 3281 2756 1600 3544 2223

848 3362 2628 2183 3474 2435

949 3108 3309 646 3339 09

1015 3410 2166 3648 3449 3719

1166 2931 3399 1597 3423 069

1269 2693 3183 1820 3461 802

1272 3277 3482 627 3343 417

1408 3346 2435 2721 3427 2893

1453 3281 3232 151 3473 69

1460 3285 4047 2319 3330 2152

1477 3480 2236 3574 3485 3583

1490 2902 3332 1480 3244 269

1511 2612 3052 1685 3423 1083

1513 2589 3239 2510 3399 471

1525 3425 2702 2110 3429 2118

1538 2963 4069 3734 3312 2286

1686 3059 3821 2492 3284 1635

1754 3214 2612 1873 3284 2045

2083 2938 2264 2293 2964 236

2477 2828 4067 4381 2973 3647

2481 2467 4062 6464 2780 461

2526 2559 3548 3865 2799 2676

2612 2626 3485 3271 2894 2041

2621 2534 2224 1224 2802 2063

2641 2915 3548 2171 2934 2091

2714 2737 3486 2738 2810 2407

2789 2726 3442 2628 2753 2504

2815 2938 3016 264 2943 246

2871 2884 2237 2242 2904 2295 3475 2514 3231 2852 2547 2685

2120 DP 1396

1880 DP 1239

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da rimeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural meacutedia e desvio-padratildeo (DP) das

porcentagens do erro hipoteacutetico de previsatildeo da rede neural ara os pacientes vivos ateacute 2012 meacutedia desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 145

Tabela 17 - Modelo de rede neural 26 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 26 (aprendizado oacutebito em 2012) e PREV05 (previsatildeo vivos em 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

26 101 (DO-DPC) Ψ

zero based log sigmoid

superior a 6 anos

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

115 3558

3902 966 3586 881

156 3552

2656 2522 3630 2682

157 3615

3408 573 3705 802

267 3437

2655 2275 3755 2929

442 2496

2514 074 3573 2963

475 3681

2694 2681 3700 2718

702 3281

2841 134 3544 1983

848 3362

3307 163 3474 480

949 3108

2318 2541 3339 3057

1015 3410

2189 358 3449 3653

1166 2931

4085 3937 3423 1934

1269 2693

2367 1221 3461 3162

1272 3277

2669 1854 3343 2015

1408 3346

3006 1015 3427 1228

1453 3281

2430 2595 3473 3004

1460 3285

4095 2465 3330 2297

1477 3480

2147 3832 3485 3841

1490 2902

2571 1142 3244 2076

1511 2612

2241 1419 3423 3452

1513 2589

3044 1757 3399 1044

1525 3425

2770 1913 3429 1922

1538 2963

3743 2631 3312 1300

1686 3059

2747 1021 3284 1636

1754 3214

2590 1940 3284 2112

2083 2938

2805 452 2964 536

2477 2828

3974 4052 2973 3366

2481 2467

4055 6439 2780 4588

2526 2559

3027 1828 2799 813

2612 2626

2090 2043 2894 2779

2621 2534 2947 1629 2802 517

2641 2915 2247 2293 2934 2343

2714 2737 2488 908 2810 1144

2789 2726 2727 003 2753 095

Anexos 146

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

2871 2884 2831 183 2904 251

3475 2514 2432 327 2547 452

1848 DP 1354

1948 DP 1167

δ modelo de rede neural utilizada no aprendizado da rede Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013 Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos em 2012

Anexos 147

Tabela 18 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2013 (Reensaio 1) fase 4

Modelo de rede neural 24 (falecidos ateacute 2012)

Modelo de rede neural 24 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1277

145

269

1376

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Modelo de rede neural 26 (falecidos ateacute 2012)

Modelo de rede neural 26 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo

da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1137

145

269

1230

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Anexos 148

Tabela 19 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2014 (Reensaio 2) fase 4

Modelo de rede neural 24

(falecidos ateacute 2012)

Modelo de rede neural 24

Reensaio1 (falecidos em

2013)

Modelo de rede neural 24

Reensaio 2 (falecidos em

2014)

TAA TAP

sect

Erro de previsatildeo de sobrevida da rede neural

()

TAA TAeuro Erro de

previsatildeo real da rede neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida

da rede neural ()

101

186

1277

145

269

1376

175

319

1733

corresponde aos pacientes falecidos em 2012 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a falecer em 2013 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer em 2014 sem dados faltantes sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde agrave somatoacuteria do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer 2013 pound corresponde ao somatoacuterio do total de oacutebitos 2013 e o total de pacientes que vieram a falecer em 2014

Modelo de rede neural 26

(falecidos ateacute 2012)

Modelo de rede neural 26

Reensaio1 (falecidos em 2013)

Modelo de rede neural 26

Reensaio 2 (falecidos em 2014)

TAA TAP sect Erro de

previsatildeo de sobrevida da rede neural

()

TAA TAPeuro Erro de

previsatildeo real da rede

neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida da

rede neural ()

101

186

1137

145

269

1230

175

319

1488

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2012 e os pacientes que vieram a falecer

em 2013 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer

em 2014 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer

em 2013

pound corresponde ao somatoacuterio do total de oacutebitos ateacute 2013 e o total de pacientes que vieram a falecer

em 2014

Anexos 149

Tabela 20 - Comparaccedilatildeo da previsatildeo de sobrevida entre o modelo inicial da rede neural 24 e reensaio 1 fase 4

PREV 04 λ (vivos em 2012)

REENSAIO 1 do modelo de rede neural 24 (falecidos em 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Erro de previsatildeo real rede neural ()

115 3586 3495 176 3709 344

156 3630 3239 882 3041 1623

157 3705 3548 184 3469 637

267 3755 2302 3303 3549 549

442 3573 2445 206 3568 013

475 3700 3527 418 3370 892

702 3544 2756 16 3727 515

848 3474 2628 2183 3547 211

949 3339 3309 646 3505 496

1015 3449 2166 3648 3637 544

1166 3423 3399 1597 3555 386

1269 3461 3183 182 3378 240

1272 3343 3482 627 3286 171

1408 3427 2435 2721 3403 070

1453 3473 3232 151 3458 044

1460 3330 4047 2319 4024 2083

1477 3485 2236 3574 3498 038

1490 3244 3332 148 3511 823

1511 3423 3052 1685 3225 579

1513 3399 3239 251 3564 484

1525 3429 2702 211 3527 284

1538 3312 4069 3734 3422 332

1686 3284 3821 2492 3304 060

1754 3284 2612 1873 3324 120

2083 2964 2264 2293 2501 1564

2477 2973 4067 4381 3026 155

2481 2780 4062 6464 2827 169

2526 2799 3548 3865 3264 1660

2612 2894 3485 3271 3989 3784

2621 2802 2224 1224 2545 917

2641 2934 3548 2171 2659 937

2714 2810 3486 2738 2329 1712

2789 2753 3442 2628 2490 955

2815 2943 3016 264 3200 873

2871 2904 2237 2242 3558 2253

3475 2547 3231 2852 3568 4008

2120 DP 1396

848 DP 961

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo

(DP) das porcentagens do erro real de previsatildeo do reensaio 1 para o modelo de rede neural 24

Anexos 150

Tabela 21 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 e reensaio 1 fase 4

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (oacutebitos 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Sobrevida da rede neural ()

115 3586 3902 966 3520 184

156 3630 2656 2522 2618 2787

157 3705 3408 573 3568 371

267 3755 2655 2275 3787 084

442 3573 2514 074 3326 691

475 3700 2694 2681 2654 2827

702 3544 2841 1340 3400 406

848 3474 3307 163 3467 020

949 3339 2318 2541 3418 236

1015 3449 2189 3580 3621 499

1166 3423 4085 3937 2635 2303

1269 3461 2367 1221 2628 2405

1272 3343 2669 1854 2688 1960

1408 3427 3006 1015 3269 460

1453 3473 2430 2595 2596 2524

1460 3330 4095 2465 2653 2033

1477 3485 2147 3832 3408 221

1490 3244 2571 1142 2711 1642

1511 3423 2241 1419 2617 2354

1513 3399 3044 1757 3340 175

1525 3429 2770 1913 3093 979

1538 3312 3743 2631 2651 1995

1686 3284 2747 1021 2665 1886

1754 3284 2590 1940 2798 1480

2083 2964 2805 452 2695 906

2477 2973 3974 4052 2622 1182

2481 2780 4055 6439 2873 334

2526 2799 3027 1828 2627 614

2612 2894 2090 2043 3243 1204

2621 2802 2947 1629 2645 562

2641 2934 2247 2293 2654 954

2714 2810 2488 908 2943 474

2789 2753 2727 003 2567 677

2815 2943 2663 935 2620 1096

2871 2904 2831 183 2550 1219

3475 2547 2432 327 2731 724

1848 DP 1410

1124 DP 851

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia das porcentagens e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo do reensaio 1 para o modelo de rede neural 26

Anexos 151

Tabela 22 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 24 reensaio 1 e reensaio 2 fase 5

PREV 04 λ

(vivos ateacute 2012) REENSAIO 1 do modelo de rede neural 24 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 24

(aprendizado 2013 e 2014)

Nuacutemero do

caso

Sobrevida real (em dias)

Sobrevida da rede neural

(em dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural ()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3495 176 3709 344 3241 963

156 3630 3239 882 3041 1623 2523 3049

157 3705 3548 184 3469 637 3513 518

267 3755 2302 3303 3549 549 3513 644

442 3573 2445 206 3568 013 2523 2938

475 3700 3527 418 3370 892 3442 698

702 3544 2756 16 3727 515 2968 1625

848 3474 2628 2183 3547 211 3616 408

949 3339 3309 646 3505 496 3513 521

1015 3449 2166 3648 3637 544 3508 171

1166 3423 3399 1597 3555 386 3363 175

1269 3461 3183 182 3378 240 3628 483

1272 3343 3482 627 3286 171 2867 1424

1408 3427 2435 2721 3403 070 3184 710

1453 3473 3232 151 3458 044 3572 284

1460 3330 4047 2319 4024 2083 3058 817

1477 3485 2236 3574 3498 038 3513 081

1490 3244 3332 148 3511 823 3370 388

1511 3423 3052 1685 3225 579 3096 955

1513 3399 3239 251 3564 484 3130 791

1525 3429 2702 211 3527 284 3518 261

1538 3312 4069 3734 3422 332 3347 106

1686 3284 3821 2492 3304 060 3141 435

1754 3284 2612 1873 3324 120 3014 822

2083 2964 2264 2293 2501 1564 3157 652

2477 2973 4067 4381 3026 155 2404 1913

2481 2780 4062 6464 2827 169 2697 300

2526 2799 3548 3865 3264 1660 2524 983

2612 2894 3485 3271 3989 3784 3183 999

2621 2802 2224 1224 2545 917 3447 2303

2641 2934 3548 2171 2659 937 3334 1365

2714 2810 3486 2738 2329 1712 2523 1020

2789 2753 3442 2628 2490 955 2404 1267

2815 2943 3016 264 3200 873 2208 2497

2871 2904 2237 2242 3558 2253 2871 113

3475 2547 3231 2852 3568 4008 2524 092

2120

DP 1396

848

DP 961

910

DP 787

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-

-padratildeo das porcentagens (DP) do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1

(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo da rede neural para

os pacientes do reensaio 2 (oacutebitos incorporados ateacute 2014) λ PREV modelo de previsatildeo da rede neural para os

pacientes vivos associado ao modelo de aprendizado da rede

Anexos 152

Tabela 23 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 o reensaio 1 e o reensaio 2 fase 5

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 26 (aprendizado

2013 e 2014)

Nuacutemero do

caso

Sobrevida real

(em dias)

Sobrevida da rede neural (em

dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3902 966 3520 184 3274 870

156 3630 2656 2522 2618 2787 2750 2425

157 3705 3408 573 3568 371 3347 968

267 3755 2655 2275 3787 084 3708 126

442 3573 2514 074 3326 691 3740 467

475 3700 2694 2681 2654 2827 2751 2565

702 3544 2841 1340 3400 406 3207 952

848 3474 3307 163 3467 020 2989 1395

949 3339 2318 2541 3418 236 3552 637

1015 3449 2189 3580 3621 499 3352 282

1166 3423 4085 3937 2635 2303 3287 397

1269 3461 2367 1221 2628 2405 2915 1579

1272 3343 2669 1854 2688 1960 3045 892

1408 3427 3006 1015 3269 460 3299 373

1453 3473 2430 2595 2596 2524 2722 2163

1460 3330 4095 2465 2653 2033 4369 3120

1477 3485 2147 3832 3408 221 3472 038

1490 3244 2571 1142 2711 1642 3742 1534

1511 3423 2241 1419 2617 2354 3180 710

1513 3399 3044 1757 3340 175 3054 1015

1525 3429 2770 1913 3093 979 2763 1941

1538 3312 3743 2631 2651 1995 2845 1409

1686 3284 2747 1021 2665 1886 2767 1576

1754 3284 2590 1940 2798 1480 2830 1381

2083 2964 2805 452 2695 906 2813 508

2477 2973 3974 5052 2622 1182 3080 359 2481 2780 4055 6439 2873 334 2980 721

2526 2799 3027 1828 2627 614 3034 838

2612 2894 2090 2043 3243 1204 4367 5090

2621 2802 2947 1629 2645 562 2920 421

2641 2934 2247 2293 2654 954 3095 549

2714 2810 2488 908 2943 474 3998 4227

2789 2753 2727 003 2567 677 2492 947

2815 2943 2663 935 2620 1096 2722 749

2871 2904 2831 183 2550 1219 2887 059

3475 2547 2432 327 2731 724 3103 2183

1848 DP 1410

112 4 DP 851

126 DP 1127

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-padratildeo das porcentagens do erro Hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) das porcentagens Do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 2 (oacutebitos incorporadosateacute 2014) λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associados ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 153

Tabela 24 - Sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo dos melhores modelos de rede neural

Pacientes com oacutebitos confirmados ateacute 2012 Pacientes com oacutebitos natildeo confirmados ateacute 2012 Criteacuterio para o modelo de rede neural (RN)

Intervalo de corte (dias)

Modelo da rede neural

Total de oacutebitos

Verdadeiro Positivo (VP)

Falso Negativo (FN)

Sensibilidade da rede neural

ζ

Modelo de Previsatildeo da RN (Prev)

Total de pacientes vivos

Verdadeiro Negativo (VN)

Falso Positivo (FP)

Especificidade da rede neural δ

Acuraacutecia da rede neural

ξ

Valor Preditivo Positivo (VPP)

π

Valor Preditivo Negativo (VPN)

φ

sobrevida de 2 a 6 anos Log Sig DO-DPC 730 (2 anos) RN13 402 338 64 841 PREV01 300 226 74 753 803 820 779

sobrevida de 2 a 6 anos Log Sig DO-DPC 365 (1 ano) RN13 402 226 176 562 PREV01 300 139 161 463 520 584 441

sobrevida de 2 a 6 anos Log Sig DO-DIS 730 (2 anos) RN20 98 88 10 898 PREV02 51 39 12 765 852 880 796

sobrevida de 2 a 6 anos Log Sig DO-DIS 365 RN20 98 71 27 724 PREV02 51 23 28 451 631 717 460

sobrevida de 2 a 6 anos Tag h DO-DIS 730 (2 anos) RN22 98 88 10 898 PREV03 51 37 14 725 839 863 787

sobrevida de 2 a 6 anos Tag h DO-DIS 365 (1 ano) RN22 98 75 23 765 PREV03 51 22 29 431 651 721 489

sobrevida inferior a 2 anos Tag h DO-DIS 180 (6 meses) RN27 47 33 14 702 PREV06 24 9 15 375 592 688 391

sobrevida inferior a 2 anos Tag h DO-DIS 365 (1 ano) RN27 47 41 6 872 PREV06 24 16 8 667 803 837 727

sobrevida inferior a 2 anos Log Sig DO-DIS 180 (6 meses) RN29 47 33 14 702 PREV07 24 7 17 292 563 660 333

sobrevida inferior a 2 anos Log Sig DO-DIS 365 (1 ano) RN29 47 41 6 872 PREV07 24 15 9 625 789 820 714

sobrevida superior a 6 anos Tag h DO-DPC 730 (2 anos) RN24 186 135 51 726 PREV04 636 355 281 558 596 325 874

sobrevida superior a 6 anos Tag h DO-DPC 1095 (3 anos) RN24 186 173 13 930 PREV04 636 493 143 775 810 547 974

sobrevida superior 6 anos Log Sig DO-DPC 730 (2 anos) RN26 186 135 51 726 PREV05 636 348 288 547 588 319 872

sobrevida superior 6 anos Log Sig DO-DPC 1095 (3 anos) RN26 186 173 13 930 PREV05 636 486 150 764 802 536 974

sobrevida superior 6 anos Tag h DO-DIS 730 (2 anos) RN28 93 63 30 677 PREV08 199 60 139 302 421 312 667

sobrevida superior 6 anos Log Sig DO-DIS 730 (2 anos) RN30 93 63 30 677 PREV09 199 51 148 256 390 299 630

ε Os caacutelculos de sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo para cada modelo de dados da rede neural foram baseados no padratildeo ouro a partir de dois grupos distintos pacientes

falecidos ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural (RN) pacientes sobreviventes ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural para a previsatildeo da sobrevida (PREV) para estes pacientes foi considerada a data da uacuteltima revisatildeo como a data hipoteacutetica de oacutebito para o calculo da sobrevida DO data de oacutebito do paciente DIS data do iniacutecio dos sintomas DPC data da primeira consulta Tag h funccedilatildeo de transferecircncia ou ativaccedilatildeo tangente hiperboacutelica Log Sig funccedilatildeo de transferecircncia ou ativaccedilatildeo zero based log sigmoid funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural ζ Sensibilidade da rede neural = VP (VP + FN) δ Especificidade da rede neural = VN (VN + FP) ξ Acuraacutecia da rede neural = (VP + VN) (VP+FP+VN+FN) π Valor preditivo positivo da rede neural = VP (VP + FP) φ Valor preditivo negativo da rede neural = VN (VN + FN)

Anexos 154

Tabela 25 ndash Avaliaccedilatildeo dos melhores modelos de rede neural com o emprego da funccedilatildeo de perda

Caracteriacutesticas do modelo de rede neural Modelo de rede neural (RN)

Tamanho da

amostra (TAP) φ

Erro meacutedio estimado com a

funccedilatildeo de perdapara

(dias)

Erro meacutedio estimado com a funccedilatildeo de perda quadraacutetica (dias)

sobrevida de 2 a 6 anos Log Sig sect

(DO - DPC) RN13 402 38931 25453684

sobrevida de 2 a 6 anos Log Sig sect

(DO - DIS) RN20 98 25906 18176135

sobrevida de 2 a 6 anos Tag hip sect

(DO - DIS) RN22 98 23161 18081308

sobrevida superior a 6 anos Tag hip sect (DO - DPC) RN24 186 33255 27277589

sobrevida superior a 6 anos Log Sig sect

(DO - DPC) RN26 186 29388 334004

sobrevida inferior a 2 anos Tag hip sect

(DO - DIS) RN28 47 13307 5598847

sobrevida inferior a 2 anos Log Sig sect (DO - DIS)

RN30 47 12695 5223339

sect funccedilatildeo de ativaccedilatildeo ou transferecircncia tangente hiperboacutelica (Tag hip) ou zero based log sigmoid (Log Sig) funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural

DO data do oacutebito DPC data da consulta inicial DIS data do iniacutecio dos sintomas

φ TAP tamanho da amostra de treinamento ou previsatildeo

para Funccedilatildeo de perda absoluta = somatoacuteria (|sobrevida real-sobrevida estimada|) de cada paciente nuacutemero de pacientes

8 Referecircncias Bibliograacuteficas

Referecircncias Bibliograacuteficas 156

Aaronson KD Schwartz JS Chen TM Wong Kl Goin JE Mancini DM Development and prospective validation of a clinical index to predict survival in ambulatory patients referred for cardiac transplant evaluation Circulation 1997 Jun 95(12)2660-7 Abdul-Rahim AH MacIsaac RL Jhund P Petrie MC Lees KR McMurray JJV On behalf the VICCTA-Heart Failure Collaborators Efficacy and safety of digoxin in patients with heart failure and reduced ejection fraction according to diabetes status An analysis of the Digitalis Investigation Group (DIG) trial Int J Cardiol 2016 Feb209310-316 doi101016jijcard201602074 Abebe TB Gebreyohannes EA Bhagavathula AS Tefera YG Abegaz TM Anemia in severe heart failure patients does it predict prognosis BMC Cardiovasc Disord 2017 Sep17(1)248 doi101186s12872-017-0680-5 Abraham WT Fonarow GC Albert NM Stough WG Gheorghiade M Greenberg BH et al OPTIMIZE-HF Investigators and Coordinators Predictors of in-hospital mortality in patients hospitalized for heart failure insights from the Organized Program to Initiate Lifesaving Treatment in Hospitalized Patients with Heart Failure (OPTIMIZE-HF) J Am Coll Cardiol 2008 Jul52(5)347-56 doi 01016jjacc200804028 Acanfora D Gheorghiade M Trojano L Furgi G Pasini E Picone C et al Relative lymphocyte count a prognostic indicator of mortality in elderly patients with congestive heart failure Am Heart J 2001 Jul 142(1)167-73 PMID11431674 Addetia K Michel C Holcroft CA Sheppard R Rudski LG Early improvement in serial echocardiographic studies in heart failure patients predicts long term survival-a pilot study J Card Fail 2015 Jun21(6)470-8 doi 101016 jcardfail 201504002 Afsarmanesh N Horwich TB Fonarow GC Total cholesterol levels and mortality risk in nonischemic systolic heart failure Am Heart J 2006 Dec152(6)1077-83 doi10 1016jahj200606015 Ahmed FE Artificial neural networks for diagnosis and survival prediction in colon cancer Mol Cancer 2005 Aug429 doi1011861476-4598-4-29 Ahmed A Rich MW Love TE Lloyd-Jones DM Aban IB Colucci WS et al Digoxin and reduction in mortality and hospitalization in heart failure a comprehensive post hoc analysis of the DIG trial Eur Heart J 2006a Jan 27(2)178-86 doi101093eurheartjehi687 Ahmed A Aronow WS Fleg JL Predictors of mortality and hospitalization in women with heart failure in the Digitalis Investigation Group trial Am J Ther 2006 b Jul-Ago 13(4) 325-31 PMID16858168 Ahmed A Zannad F Love TE Tallaj J Gheorghiade M Ekundayo OJ Pitt B A propensity-matched study of the association of low serum potassium levels and mortality in chronic heart failure Eur Heart J 2007 Jun28 (11)1334-43 doi10 1093eurheartjehm091

Referecircncias Bibliograacuteficas 157

Alla F Brianccedilon S Juilliegravere Y Mertes PM Villemot JP Zannad F Differential clinical prognostic classifications in dilated and ischemic advanced heart failure the EPICAL study Am Heart J 2000 May139(5)895-904 doi101016S0002-8703(00)90023-1 Albuquerque DC Neto JD Bacal F Rohde LE Bernardez-Pereira S Berwanger O et al Investigadores Estudo BREATHE I Brazilian registry of heart failure - Clinical aspects care quality and hospitalization outcomes Arq Bras Cardiol 2015 Jun104(6)433-42 Erratum in Correction [Arq Bras Cardiol 2015] doi 10 5935 abc20150031 Ambroacutesio PE Redes neurais artificiais no apoio ao diagnoacutestico diferencial de lesotildees intersticiais pulmonares [dissertaccedilatildeo] Ribeiratildeo Preto Universidade de Satildeo Paulo Faculdade de Filosofia Ciecircncias e Letras 2002 Disponiacutevel em wwwtesesuspbrtesesdisponiveis5959135tde-26102002-155559Dissertacaopdf Anand I McMurray JJ Whitmore J Warren M Pham A McCamish MA et al Anemia and its relationship to clinical outcome in heart failure Circulation 2004 Jul110(2)149-54 doi10116101CIR00001342797957173 Anand IS Kuskowski MA Rector TS Florea VG Glazer RD Hester A et al Anemia and change in hemoglobin over time related to mortality and morbidity in patients with chronic heart failure results from Val-HeFT Circulation 2005 Aug112(8)1121-7 doi101161 CIRCULATIONAHA104512988 Anand IS Anemia and chronic heart failure implications and treatment options J Am Coll Cardiol 2008 Aug52(7)501-11 doi101016jjacc200804044 Anker SD Ponikowski P Varney S Chua TP Clark AL Webb-Peploe KM et al Wasting as independent risk factor for mortality in chronic heart failure Lancet1997 Apr349(9058)1050-3 doi 10 1016S0140-6736(96)07015-8 Anker SD Negassa A Coats AJ Afzal R Poole-Wilson PA Cohn JN et al Prognostic importance of weight loss in chronic heart failure and the effect of treatment with angiotensin ndash converting - enzyme inhibitors an observational study Lancet 2003 Mar361(9363)1077-83 doi101016S0140-6736(03)12892-9 Assunccedilatildeo F Estrateacutegias para tratamento de variaacuteveis com dados faltantes durante o desenvolvimento de modelos preditivos [mestrado] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2012 doi1011606D712010tde-21062010-100432 Recuperado em 2017-01-18 de wwwtesesuspbr Astion ML Wilding P The application of backpropagation neural networks to problems in pathology and laboratory medicine Arch Pathol Lab Med1992 Oct 116(10)995-1001 PMID1417451 Barker WH Mullooly JP Getchell W Changing incidence and survival for heart failure in a well-defined older population 1970-1974 and 1990-1994 Circulation 2006 Fev113(6)799-805 doi101161CIRCULATIONAHA104492133

Referecircncias Bibliograacuteficas 158

Bartosch-Haumlrlid A Andersson B Aho U Nilsson J Andersson R Artificial neural networks in pancreatic disease Br J Surg 2008 Jul95(7)817-26 doi101002 bjs 6239 Baxt WG Use of an artificial neural network for the diagnosis of myocardial infarction Ann Intern Med 1991 Jan115(11)843-8 PMID 1952470 Erratum in Ann Intern Med 1992116(1)94 doi1073260003-4819-115-11-843 Baxt WG Application of artificial neural networks to clinical medicine Lancet 1995 Oct 346(8983)1135-8 PMID 7475607 Baxt WG Skora J Prospective validation of artificial neural network trained to identify acute myocardial infarction Lancet 1996 Jan347(8993)12-5 PMID 8531540 Bestetti RB Dalbo CM Freitas OC Teno LA Castilho OT Oliveira JS Noninvasive predictors of mortality for patients with Chagasrsquo heart disease a multivariate stepwise logistic regression study Cardiology 1994 Nov84(4-5)261-7 doi1011590001 76409 Bestetti RB Muccillo G Clinical course of Chagasrsquoheart disease a comparison with dilated cardiomyopathy Int J Cardiol 1997 Jul60(2)187-93 PIMD 9226290 Bestetti RB Otaviano AP Cardinalli-Neto Rocha BF Theodoropoulos TA Cordeiro JA Effects of B-Blockers on outcome of patients with Chagasrsquo cardiomyopathy with chronic heart failure Int J Cardiol 2011 Sep115205-208 doi101016jijcard 201005033 Bestetti RB Daniel RAF The treatment of chronic heart failure secondary to Chagas cardiomyopathy in the contemporary era International Cardiovascular Forum Journal 2016vol719-25 doi1017987icfjv7i0217 Bielecka-Dabrowa A Mikhailidis DP Jones L Rysz J Aronow WS Banach M The meaning of hypokalemia in heart failure Int J Cardiol 2012 Jun158(1) 12-7 doi 10 1016jijcard201106121 Bocchi EA Cruz F Guimaratildees G Pinho Moreira LF Issa VS Ayub-Ferreira SM et al Long-term prospective randomized controlled study using repetitive education at six-month intervals and monitoring for adherence in heart failure outpatients the REMADHE trial Circ Heart Fail 2008 Jul1(2)115-124 doi 101161CIRCHEARTFAILURE107744870 Bocchi EA Marcondes-Braga FG Ayub-Ferreira SM Rohde LE Oliveira WA Almeida DR et al Sociedade Brasileira de Cardiologia III Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica Arq Bras Cardiol 200993 (1supl1)1-71 doi101590S0066-782X2009002000001

Referecircncias Bibliograacuteficas 159

Bocchi EA Marcondes-Braga FG Bacal F Ferraz AS Albuquerque D Rodrigues D et al Sociedade Brasileira de Cardiologia Atualizaccedilatildeo da Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica-2012 Arq Bras Cardiol 2012 Jan 98(1 supl 1)1- 33 Bocchi EA Arias A Verdejo H Diez M Goacutemez E Castro P Interamerican Society of Cardiology The reality of heart failure in Latin America J Am Coll Cardiol 2013 Sep62(11)949-58 doi101016jjacc201306013 Bocchi EA Bestetti RB Scanavacca MI Neto EC Issa VS Chronic Chagas heart disease management From etiology to cardiomyopathy treatment J Am Coll Cardiol 2017 Sep70(12)1510-24 doi101016jjacc201708004 Boumlhm M Swedberg K Komajda M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Heart rate as a risk factor in chronic heart failure (SHIFT) the association between heart rate and outcomes in a randomised placebo -controlled trial Lancet 2010 Sep376(9744) 886-94 doi101016S0140-6736(10) 61259-7 Braunwald E Biomarkers in heart failure N Engl J Med 2008 May 358(20) 2148-59 doi101056NEJMra0800239 Burnett H Earley A Voors AA Senni M McMurray JJ Deschaseaux C et al Thirty years of evidence on the efficacy of drug treatments for chronic heart failure with reduced ejection fraction a network meta-analysis Circ Heart Fail 2017 Jan10 (1)pii e003529 doi 101161CIRCHEARTFAILURE116003529 Buskard T Stevenson M Frize M Solven F Estimation of ventilation length of stay and mortality using artificial neural networks Conf Proc Electrical and Computer Engineering 1994 Canada September 25-28 1994 IEEEXplore 2002 doi 101109CCECE1994405854 Bustamante-Teixeira MT Faerstein E Latorre MR Teacutecnica de anaacutelise de sobrevida Cad Sauacutede Puacuteblica 2002 May-Jun Rio de Janeiro18(3)579-594 doi101590S 0102-311X2002000300008 Carlo CH Cardoso JN Ochia ME Oliveira Junior MT Ramires JA Pereira-Barretto AC Temporal variation in the prognosis and treatment of advanced heart failure - before and after 2000 Arq Bras Cardiol 2014 May102(5)495-504 PMID 24759950 Castro LN Anaacutelise e siacutentese de estrateacutegias de aprendizado para redes neurais artificiais [dissertaccedilatildeo] Campinas Universidade Estadual de Campinas Faculdade de Engenharia Eleacutetrica e de Computaccedilatildeo 1998 Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubentheseslnunes_ mestindicepdf

Referecircncias Bibliograacuteficas 160

Castro FCC de Castro MC Redes Neurais Artificiais Pontifiacutecia Universidade Catoacutelica do Rio Grande do Sul Capiacutetulo 2 Processos de aprendizado [citado 10 Nov 2016] p1-23 Disponiacutevel em wwwpolitecnica pucrsbr~decastro pdf RNA_C2pdf Charach G Grosskopf I Roth A Afek A Wexler D Sheps D et al Usefulness of total lymphocyte count as predictor of outcome in patients with chronic heart failure Am J Cardiol 2011 May 107 (9) 1353-6 doi101016jamjcard201012049 Chizzola PR Mansur AJ da Luz PL Bellotti G Compliance with pharmacological treatment in outpatients from a Brazilian cardiology referral center Sao Paulo Med J 1996 Sep-Oct114(5)1259-64 doi101590S1516-31801996000500004 Christ M Klima T Grimm W Mueller HH Maisch B Prognostic significance of serum cholesterol levels in patients with idiopathic dilated cardiomyopathy Eur Heart J 2006 Mar27(6)691-9 doi101093eurheartjehi195 Cintron G Jonhson G Francis G Cobb F Cohn JN Prognostic significance of serial changes in left ventricular ejection fraction in patients with congestive heart failure The V-HeFT VA Cooperative Studies Group Circulation 1993 Jun87(6Suppl)VI17-23 PMID 8500235 Cohn JN Archibald DG Ziesche S Franciosa JA Harston WE Tristani FE et al Effect of vasodilator therapy on mortality in chronic congestive heart failure Results of a Veterans Administration Cooperative Study N Engl J Med 1986 Jun314 (24) 1547-52 doi101056NEJM198606123142404 Cohn JN Archibald DG Francis GS Ziesche S Franciosa JA Harston WE et al Veterans Administration Cooperative Study on Vasodilator Therapy of Heart Failure Influence of prerandomization variables on the reduction of mortality by treatment with hydralazine and isosorbide dinitrate Circulation 1987 May75(5 Pt 2)IV49-54 PMID 3552302 Cohn JN Rector TS Prognosis of congestive heart failure and predictors of mortality Am J Cardiol 1988 Jul62(2)25A-30A doi 101016 S0002-9149(88) 80081-X Cox DR Regression Models and Life-Tables J R Stat Soc Series B Stat Methodol Vol 34 No 2 (1972) p187-220 Cowie MR Wood DA Coats AJ Thompson SG Suresh V Poole-Wilson PA et al Survival of patients with a new diagnosis of heart failure a population based study Heart 2000 May83(5)505-10 doi101136heart 835505 Cross SS Harrison RF Kennedy RL Introduction to neural networks Lancet 1995 Oct346(8982)1075-9 PMID7564791

Referecircncias Bibliograacuteficas 161

Das A Ben-Menachem T Farooq FT Cooper GS Chak A Sivak MV Jr et al Artificial neural network as a predictive instrument in patients with acute nonvariceal upper gastrointestinal hemorrhage Gastroenterology 2008 Jan134 (1)65-74 doi101053jgastro200710037 Damman K Valente MA Voors AA OConnor CM van Veldhuisen DJ Hillege HL Renal impairment worsening renal function and outcome in patients with heart failure an updated meta-analysis Eur Heart J 2014 Fev35(7)455-69 doi 101093 eurheartjeht386 Davos CH Doehner W Rauchhaus M Cicoira M Francis DP Coats AJ et al Body mass and survival in patients with chronic heart failure without cachexia The importance of obesity J Cardiac Fail 2003 Fev9(1)29-35 doi10 1054 jcaf20034 Diaz A Bourassa MG Guertin MC Tardif JC Long-term prognostic value of resting heart rate in patients with suspected or proven coronary artery disease Eur Heart J 2005 Mar26(10)967-74 doi101093eurheartjehi190 Doehner W Critical appraisal of the obesity paradox in cardiovascular disease how to manage patients with overweight in heart failure Heart Fail Rev 2014 Sep 19(5)637-44 doi101007s10741-014-9425-z Dries DL Exner DV Domanski MJ Greenberg B Stevenson LW The prognostic implications of renal insufficiency in asymptomatic and symptomatic patients with left ventricular systolic dysfunction J Am Coll Cardiol 2000 Mar35(3)681-9 doi10 1016S0735-1097(99)00608-7 Ennett CM Frize M Walker CR Influence of missing values on artificial neural network performance Stud Health Technol Inform 200184(Pt 1)449-53 doi 10 3233978-1-60750-928-8-449 Ennett CM Frize M Charette E Improvement and automation of artificial neural networks to estimate medical outcomes Med Eng Phys 2004 May26(4)321-328 doi101016jmedengphy200309005 Ennett CM Frize M Wlaker R Imputation of missing values by integrating neural networks and case-based reasoning Conf Proc IEEE Eng Med Biol Soc 200820084337-41 Proferida na 30th Annual International IEEE EMBS Conference Vancouver British Columbia Canada August 20-24 2008 doi101109 IEMBS 20084650170 Espinosa R Carrasco HA Belandria F Fuenmayor AM Molina C Gonzaacutelez R et al Life expectancy analysis in patients with Chagasrsquo disease prognosis after one decade (1973-1983) Int J Cardiol 1985 May8(1)45-56 PMID 3997291 Ezekowitz JA McAlister FA Armstrong PW Anaemia is common in heart failiure and is associated with poor outcomes insights from a cohort of 12065 patients with new-onset heart failure Circulation 2003 Jan107(2)223-225 doi101161 01 CIR00 00 0526 2251963FC

Referecircncias Bibliograacuteficas 162

Fogel DB Wasson EC 3rd Boughton EM Evolving neural networks for detecting breast cacircncer Cancer Lett 1995 Sep96(1)49-53 PMID 7553607 Fonarow GC Adams KF Jr Abraham WT Yancy CW Boscardin WJ ADHERE Scientific Advisory Committee Study Group and Investigators Risk stratification for in-hospital mortality in acutely decompensated heart failure classification and regression tree analysis JAMA 2005 Feb293(5)572-80 doi 101001 jama 2935572 Fonarow GC Srikanthan P Costanzo MR Cintron GB Lopatin M ADHERE Scientific Advisory Committee and Investigators An obesity paradox in acute heart failure analysis of body mass index and inhospital mortality for 108927 patients in the Acute Decompensated Heart Failure National Registry Am Heart J 2007a Jan153(1)74-81 doi101016jahj200609007 Fonarow GC Heywood JT Heidenreich PA Lopatin M Yancy CW ADHERE Scientific Advisory Committee and Investigators Temporal trends in clinical characteristics treatments and outcomes for heart failure hospitalizations 2002 to 2004 findings from Acute Decompensated Heart Failure National Registry (ADHERE) Am Heart J 2007b Jun153(6)1021-8 doi101016jahj200703012 Franke J Zugck C Hochadel M Hack A Frankenstein L Zhao JD et al Etiology-specific assessment of predictors of long-term survival in chronic systolic heart failure Int J Cardiol Heart Vasc 2015 Feb761-68 doi101016jijcha 2015 01015e Collection 2015 Jun 1 Freitas HFG Prognoacutestico em portadores de insuficiecircncia cardiacuteaca encaminhados para avaliaccedilatildeo de tratamento ciruacutergico [tese] Satildeo Paulo Universidade de Satildeo Paulo Faculdade de Medicina 2002 doi1011606 T52002tde-19082014-100741 Disponiacutevel em http wwwtesesuspbr Freitas HFG Chizzola PR Paes AT Lima AC Mansur AJ Risk stratification in a Brazilian hospital - based cohort of 1220 outpatients with heart failure role of Chagasheart disease Int J Cardiol 2005 Jul102(2)239-47 doi101016jijcard 2004 05025 Freitas HFG Barbosa EA Rosa FHFP Lima ACP Mansur AJ Association of HDL cholesterol and triglycerides with mortality in patients with heart failure Braz J Med Biol Res 2009 May42(5)420-425 doi101590S0100-879X2009000500004 Frize M Ennett CM Charette E Automated optimization of neural networks in estimating medical outcomes Proc 3rd IEEE ITAB-ITIS Conference Information Technology Applications in Biomedicine and International Telemedical Information Society 2000168-73 Frize M Ennett CM Stevenson M Trigg HC Clinical decision support systems for intensive care units using artificial neural networks Med Eng Phys 2001 23217-25 doiorg101016S1350-4533(01)00041-8

Referecircncias Bibliograacuteficas 163

Gerber Y Weston SA Redfield MM Chamberlain AM Manemann SM Jiang R et al A contemporary appraisal of the heart failure epidemic in Olmsted County Minnesota 2000 to 2010 JAMA Intern Med 2015 Jun 175(6)996-1004 doi101001jamainternmed20150924 Gheorghiade M Filippatos G Reassessing treatment of acute heart failure syndromes the ADHERE Registry Eur Heart J Suppl 2005 Apr7(suppl B)B13-B19 doi101093eurheartjsui008 Gheorghiade M Patel K Filippatos G Anker SD van Veldhuisen DJ Cleland JG et al Effect of oral digoxin in high-risk heart failure patients a pre-specified subgroup analysis of the DIG trial Eur J Heart Fail 2013 May15(5)551-9 doi101093eurjhfhft010 Godoy HL Silveira JA Segalla E Almeida DR Hospitalization and Mortality rates for heart failure in public hosptitals in Satildeo Paulo Arq Bras Cariol 2011 Nov97(5)402-7 doi101590S0066-782X2011005000096 Go AS Yang J Ackerson LM Lepper K Robbins S Massie BM et al Hemoglobin level chronic kidney disease and the risks of death and hospitalization in adults with chronic heart failure the Anaemia in Chronic Heart Failure Outcomes and Resource Utilization (ANCHOR) Study Circulation 2006 Jun113(23)2713-3 doi101161CIRCULATIONAHA105577577 Gradman A Deedwania P Cody R Massie B Packer M Pitt Bet al Predictors of total mortality and sudden death in mild to moderate heart failure Captopril-Digoxin Study Group J Am Coll Cardiol 1989 Sep14564-570 PMID 2768707 Grossi E How artificial intelligence tools can be used to assess individual patient risk in cardiovascular disease problems with the current methods BMC Cardiovasc Disord 2006 May620 doi1011861471-2261-6-20 Guidi G Pettenati MC Melillo P Iadanza E A machine learning system to improve heart failure patient assistance IEEE J Bioimed Health Inform 2014 Nov18(6)1750-6 doi101109JBHI20142337752 Guimaratildees AM Mathias IM Dias AH Ferrari JW Cazelatto Junior CDO Modulo de validaccedilatildeo cruzada para treinamento de redes neurais artificiais com algoritmos back propagation e resilient propagation Publ UEPG Exact Earth Sci Agr Sci Eng Ponta Grossa 14 (1) 17-24 abr 2008 doi 105212 Publ Exatasv 14i1 017024 Disponiacutevel em httpdxdoiorg105212Publ Exatasv14i1017024 Haykin S Neural Networks A Comprehensive Foundation Chapter Multilayer preceptrons p178 New Jersey Prentice-Hall Inc 1999[cited 2009 ] Available from httpcdnpreterhumannetneuralnetworks

Referecircncias Bibliograacuteficas 164

Hecht-Nielsen R Theory of the backpropagation neural network Proceedings of the international joint conference on neural networks 1 p593-611 June 1989 doi101016B978-0-12-741252-8500108 Hjalmarson A Goldstein S Fagerberg B Wedel H Waagstein F Kjekshus Jet al Effects of controlled -release metoprolol on total mortality hospitalizations and well-being in patients with heart failure the Metoprolol CRXL Randomized Intervention Trial in congestive heart failure (MERIT-HF) MERIT-HF Study Group JAMA 2000 Mar 283 (10) 1295-302 doi 101001jama283101295 Horwich TB Fonarow GC Hamilton MA MacLellan WR Woo MA Tillisch JH The relationship between obesity and mortality in patients with heart failure J Am Coll Cardiol 2001 Sep38(3)789-95 PMID 11527635 Horwich TB Hamilton MA Maclellan WR Fonarow GC Low serum total cholesterol is associated with marked increase in mortality in advanced heart failure J Card Fail 2002 Aug8(4)216-24 PMID 12397569 Horwich TB Hernandez AF Dai D Yancy CW Fonarow GC Cholesterol levels and in-hospital mortality in patients with acute decompensated heart failure Am Heart J 2008 Dec156(6)1170-6 doi101016jahj200807004 Huehnergarth KV Mozaffarian D Sullivan MD Crane BA Wilkinson CW Lawler RL et al Usefulness of relative lymphocyte count as an independent predictor of deathurgent transplant in heart failure Am J Cardiol 2005 Jun95(12)1492-5 doi101016jamjcard200502022 Hunt SA Baker DW Chin MH Cinquegrani MP Feldman AM Francis GS et al ACCAHA guidelines for the evaluation and management of chronic heart failure in the adult executive summary a report of the American College of CardiologyAmerican Heart Association Task Force on Practice Guidelines (Committee to Revise the 1995 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2001 Dec38(7)2101-13 doi101016S0735-1097(01)01683-7 Hunt SA American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) ACCAHA 2005 guideline update for the diagnosis and management of chronic heart failure in the adult a report of the American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2005 Sep46(6)e1-82 Erratum in J Am Coll Cardiol 2006 Apr47(7)1503-1505 doi101016jjacc200508022 Hsiao SH Chiou KR Left atrial expansion index predicts all-cause mortality and heart failure admissions in dyspnoea Eur J Heart Fail 2013 Nov15(11)1245-52 doi101093eurjhfhft087

Referecircncias Bibliograacuteficas 165

Issa VS Amaral AF Cruz FD Ferreira SM Guimaratildees GV Chizzola PR et al B-blocker therapy and mortality of patients with Chagas cardiomyopathy a sub analysis of the REMADHE prospective trial Circ Heart Fail 2010 Jan3(1)82-88 doi101161CIRCHEARTFAILURE109882035 James PA Oparil S Carter BL Cushman WC Dennison-Himmelfarb C Handler J et al 2014 Evidence-based guideline for the management of high blood pressure in adults report from the Panel Members appointed to the eighth joint national committee (JNC 8) JAMA 2014 Feb 311(5)507-520 doi101001jama2013284427 Kaambwa B Bryan S Billingham L Do the methods used to analyse missing data really matter An examination of data from an observational study of Intermediate Care patients BMC Res Notes 2012 Jun5330 doi1011861756-0500-5-330 Kajimoto K Minami Y Sato N Takano T Investigators of the Acute Decompensated Heart Failure Syndromes (ATTEND) registry Serum sodium concentration blood urea nitrogen and outcomes in patients hospitalized for acute decompensated heart failure Int J Cardiol 2016 Nov222195-201 doi 10 1016jijcard201607255 Kalantar-Zadeh K Block G Horwich T Fonarow GC Reverse epidemiology of conventional cardiovascular risk factors in patients with chronic heart failure J Am Coll Cardiol 2004 Apr43(8)1439-44 doi101016jjacc200311039 Kang J Park JJ Cho YJ Oh IY Park HA Lee SE et al Predictors and prognosis value of worsening renal function during admission in HFpEF versus HFrEF data from the KorAHF J Am Heart Assoc 2018 Mar7(6)piie007910 doi101161JAHA117007910 Kannel WB Epidemiology and prevention of cardiac failure Framingham Study insights Eur Heart J 1987 Sep8 Suppl F23-6 PMID 3665963 doi101093 eurheartj 8 suppl_F23 Kaplan EL Meier P Nonparametric estimation from incomplete observations J Am Stat Assoc 1958 Jun53(282)457-481 doi 10 23072281868 Kaufman R Azevedo VMP Xavier RMA Geller M Chaves RBM Castier MB Evolution of heart failure-related hospital admissions and mortality rates a 12-year analysis Int J Cardiovasc Sci 2015 Sep28(4)276-28 doi 1059352359-480220150040 Kenchaiah S Evans JC Levy D Wilson PW Benjamin EJ Larson MG et al Obesity and the risk of heart failure N Engl J Med 2002 Aug 347 (5)305-13 doi101056NEJMoa020245 Kenchaiah S Vasan RS Heart Failure in Women--Insights from the Framingham Heart Study Cardiovasc Drugs Ther 2015 Aug29(4)377-90 doi 101007s10557-015-6599-0

Referecircncias Bibliograacuteficas 166

Keogh AM Baron DW HickieJB Prognostic guides in patients with idiopathic or ischemic dilated cardiomyopathy assessed for cardiac transplantation Am J Cardiol1990 Apr65(13)903-8 PMID2138849 Khan MG Cardiac drug therapy 8th ed Humana Press 2015 p31[cited 2015] Available from httprudiaptfileswordpresscom201711cardiac-drug-therapy-8th-ed-2015-pdf Kjekshus J Apetrei E Barrios V Boumlhm M Cleland JGF Cornel JH et al CORONA Group Rosuvastatin in older patients with systolic heart failure N Engl J Med 2007 Nov 357(22)2248-61 doi101056NEJMoa0706201 Klein L OConnor CM Leimberger JD Gattis-Stough W Pintildea IL Felker GM et al OPTIME-CHF Investigators Lower serum sodium is associated with increased short-term mortality in hospitalized patients with worsening heart failure results from the Outcomes of a Prospective Trial of Intravenous Milrinone for Exacerbations of Chronic Heart Failure (OPTIME-CHF) study Circulation 2005 May111(19)2454-60 doi101161 01CIR 0000165065 82609 3D Krittanawong C Zhang H Wang Z Aydar M Kitai T Artificial intelligence in precision cardiovascular medicine J Am Coll Cardiol 2017 May69(21)2657-2664 doi101016jjacc201703571 Krumholz HM Seeman TE Merrill SS Mendes de Leon CF Vaccarino V Silverman DI et al Lack of association between cholesterol and coronary heart disease mortality and morbidity and all-cause mortality in persons older than 70 years JAMA 1994 Nov272(17)1335-40 doi 101001jama 1994 03520170045034 Kyriakou M Kiff PF Prognosis of the comorbid heart failure and anaemia a systematic review Clin Trials Regul Sci Cardiol 2016 Jul 1612 -21 doi101016jctrsc201601008 Lang RM Bierig M Devereux RB Flachskampf FA Foster E Pellikka PA et al Recommendations for chamber quantification a report from the American Society of Echocardiography`s guidelines and standards committee and the chamber quantification writing group developed in conjunction with the European Association of Echocardiography a branch of the European Society of Cardiology J Am Soc Echocardiogr 2005 Dec181440-1463 doi101016jctrsc 201601008 Lee DS Austin PC Rouleau JL Liu PP Naimark D Tu JV Predicting mortality among patients hospitalized for heart failure derivation and validation of a clinical model JAMA 2003 Nov290(19)2581-7doi101001jama290192581 Lee WH Packer M Prognostic importance of serum sodium concentration and its modification by converting-enzyme inhibition in patients with severe chronic heart failure Circulation 1986 Fev73(2)257-67 PMID3002660

Referecircncias Bibliograacuteficas 167

Levy WC Mozaffarian D Linker DT Sutradhar SC Anker SD Cropp AB et al The Seattle Heart Failure Model prediction of survival in heart failure Circulation 2006 Mar113(11)1424-33 doi 101161 CIRCULATIONAHA 105584102 Lewis EF Moye LA Rouleau JL Sacks FM Arnold JM Warnica JW et al CARE Study Predictors of late development of heart failure in stable survivors of myocardial infarction the CARE study J Am Coll Cardiol 2003 Oct42(8)1446-53 PMID 14563590 Likoff MJ Chandler SL Kay HR Clinical determinants of mortality in chronic congestive heart failure secondary to idiopathic dilated or to ischemic cardiomyopathy Am J Cardiol 1987 Mar59(6)634-8 PMID 3825904 Lisboa PJ A review of evidence of health benefit from artificial neural networks in medical intervention Neural Netw 2002 Jan15(1)11-39 PMID11958484 Lisboa PJ Taktak AFG The use of an artificial neural network in decision support in cancer a systematic review Neural Netw 2006 May19(4)408-15 doi101016j neunet200510007 Little RJ DrsquoAgostino R Cohen M Dickersin K Emerson SS Farrar JT et al The prevention and treatment of missing data in clinical trials N Engl J Med 2012 Oct 367(14) 1355-1360 doi101056NEJMsr1203730 Lundin M Lundin J Burke HB Toikkanen S Pylkkaumlnen L Joensuu H Artificial neural networks applied to survival prediction in breast cancer Oncology 1999 Nov57(4)281-6 doi101159000012061 MacIntyre K Capewell S Stewart S Chalmers JW Boyd J Finlayson A et al Evidence of improving prognosis in heart failure trends in case fatality in 66547 patients hospitalized between 1986 and 1995 Circulation 2000 Sep102(10)1126-31 PMID 10973841 Mahmood SS Levy D Vasan RS Wang TJ The Framingham Heart Study and the epidemiology of cardiovascular diseases a historical perspective Lancet 2014 Mar 383(9921)999ndash1008 doi 101016S0140-6736(13)61752-3 McKee PA Castelli WP McNamara PM Kanel WB The natural history of congestive heart failure the Framingham study N Engl J Med 1971 Dec 285 (26) 1441-1446 doi101056NEJM197112232852601 McManus DD Shah SJ Fabi MR Rosen A Whooley MA Schiller NB Prognostic value of left ventricular end-systolic volume index as a predictor of heart failure hospitalization in stable coronary artery disease data from the Heart and Soul Study J Am Soc Echocardiogr 2009 Fev22(2)190-7 doi 101016jecho200811005

Referecircncias Bibliograacuteficas 168

McMurray JJ Packer M Desai AS Gong J Lefkowitz MP Rizkala AR et al PARADIGM-HF Investigators and Committees Angiotensin-neprilysin inhibition versus enalapril in heart failure N Engl J Med 2014 Sep 371(11)993-1004 doi 101056NEJMoa 1409077 Mady C Cardoso RH Barretto AC da Luz PL Bellotti G Pileggi F Survival and predictors of survival in patients with congestive heart failure due to Chagasrsquo cardiomyopathy Circulation 1994 Dec90(6)3098-3102 doi 10116101CIR9063098 Maraldi C Volpato S Cesari M Onder G Pedone C Woodman RC et al Investigators of the Gruppo Italiano di Farmacoepidemiologia nellrsquoAnziano Study Anemia physical disability and survival in older patients with heart failure J Card Fail 2006 Sep12(7)533-9 doi101016 jcardfail 2006 05002 Marccedilula M Cuoco MAR Yamada ATY De Paula RS UemuraRT Barretto ACP Mansur AJ Comparison of prognostic variables between two cohorts of outpatients with heart failure in the last two decades Paris European Heart Jo0urnal (Abstract Supplement) (2011)32459 Marccedilula M de Souza Buto MF Madaloso BA Nunes RA Cuoco MA de Paula RS et al Lymphocyte count and prognosis in patients with heart failure Int J Cardiol 2015 Jun18860-2 doi 10 1016 j ijcard 201504043 Maron BJ Towbin JA Thiene G Antzelevitch C Corrado D Arnett D et al American Heart Association Council on Clinical Cardiology Heart Failure and Transplantation Committee Quality of Care and Outcomes Research and Functional Genomics and Translational Biology Interdisciplinary Working Groups Council on Epidemiology and Prevention Circulation 2006 Apr 113(14)1807-16 doi 101161 CIRCULATIONAHA 10617428 Merlo M Pyxaras SA Pinamonti B Barbati G Di Lenarda A Sinagra G Prevalence and prognostic significance of left ventricular reverse remodeling in dilated cardiomyopathy receiving tailored medical treatment J Am Coll Cardiol 2011Mar57(13)1468-76 doi101016jjacc201011030 Miller DD Brown EW Artificial intelligence in medical practice The question to the answer Am J Med 2018 Fev131(2)129ndash133 doi 101016 jamjmed201710 03 5 Milo-Cotter O Cotter G Weatherley BD Adams KF Kaluski E Uriel N et al Hyponatraemia in acute heart failure is a marker of increased mortality but not when associated with hyperglycaemia Eur J Heart Fail 2008 Jan10(2)196-200 doi101016jejheart200801008 Moutinho MA Colucci FA Alcoforado V Tavares LR Rachid MB Rosa ML et al Heart failure with preserved ejection fraction and systolic dysfunction in the community Arq Bras Cardiol 2008 Fev90 (2)132-7 doi101590S0066-782X2008000200011

Referecircncias Bibliograacuteficas 169

Myers J de Souza CR Borghi-Silva A Guazzi M Chase P Bensimhon Det al A neural network approach to predicting outcomes in heart failure using cardiopulmonary exercise testing Int J Cardiol 2014 Feb171(2)265-9 doi 101016jijcard 2013 12031 Nadruz W Jr Gioli-Pereira L Bernardez-Pereira S Marcondes-Braga FG Fernandes-Silva MM Silvestre OM et al Temporal trends in the contribution of Chagas cardiomyopathy to mortality among patients with heart failure Heart 2018 Sep104(18)1522-1528 doi 101136heartjnl-2017-312869 Neuro XL Predictor OLSOFT Software Development Available from http wwwNeuroXLcom adquirido em 2011-3-14 New York Heart Association Criteria Committee New York Heart Association Inc Diseases of the Heart and Blood Vessels Nomenclature and Criteria for diagnosis 6th ed Boston Little Brown and Co 1964 p114 [cited 1964] Available from httpwwwheartorgenhealth-topicsheart-failurewhat-is-heart-failureclasses-of-heart-failure Nieminen MS Harjola VP Hochadel M Drexler H Komajda M Brutsaert D et al Gender related diferences in patients presenting with acute heart failure Results from Euro Heart Failure Survey II Eur J Heart Fail 2008 Feb10(2)140-8 doi10 1016jejheart 200712012 Nunes LN Kluumlck MM Fachel JMG Uso da imputaccedilatildeo muacuteltipla de dados faltantes

uma simulaccedilatildeo utilizando dados epidemioloacutegicos Cad Sauacutede Puacuteblica Rio de

Janeiro 200925(2)268-278 [citado18 jan 2017] Disponiacutevel em httpdxdoiorg10

1590SO102-311X2009000200005

Nunes LN Meacutetodos de imputaccedilatildeo de dados aplicados na aacuterea da sauacutede

[dissertaccedilatildeo] Rio Grande do Sul Universidade Federal do Rio Grande do Sul

Instituto de Epidemiologia 2011 [citado 01 jan 2018] Disponiacutevel em

httphdlhandlenet10183 11422

Nunes MC Rocha MO Ribeiro AL Colosimo EA Rezende RA Carmo GA et al Right ventricular dysfunction is an independent predictor of survival in patients with dilated chronic Chagas cardiomyopathy Int J Cardiol 2008 Jul 127 (3)372-9 doi101016jijcard200706012 Nunes MC Dones W Morillo CA Encina JJ Ribeiro AL Council on Chagas Disease

of the Interamerican Society of Cardiology Chagas disease an overview of clinical

and epidemiological aspects J Am Coll Cardiol 2013 Aug 62 (9)767-76 doi 10

1016jjacc201305046

Ogava MH Redes neurais em anaacutelise de sobrevivecircncia uma aplicaccedilatildeo na aacuterea de relacionamento com clientes [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 D45 2007tde-26082007-225003

Referecircncias Bibliograacuteficas 170

Ogulata SN Sahin C Erol R Neural network-bases computer-aided diagnosis in classification of primary generalized epilepsy by EEG signals J Med Syst 2009 Apr33(2)107-12 PMID 19397095 Okoshi MP Capalbo RV Romeiro FG Okoshi K Cardiac Cachexia perspectives for prevention and treatment Arq Bras Cardiol 2017 Jan 108(1)74-80 doi 105935 abc20160142 Oliveira JW Valecircncia DM Medeiros PG Marccedilula M Risk-adjusted monitoring of time to event in the presence of long-term survivors Biom J 2016 Nov 58(6)1485-1505 doi101002 bimj 201500094 Ortiz J Ghefter CGM Silva CE Sabbatini RME One-year mortality prognosis in heart failure a neural network approach based on echocardiographic data J Am Coll Cardiol 1995a Dec26(7)1586-93 doi1010160735-1097(95)00385-1 Ortiz J Sabbatini RME Ghefter CGM Silva CES Uso de redes neurais artificiais na avaliaccedilatildeo da sobrevida na insuficiecircncia cardiacuteaca Arq Bras Cardiol 1995b Jan64(1)87-90 PMID 7669018 Packer M Coats AJ Fowler MB Katus H Mohacsi P Rouleau JL et al Carvedilol prospective randomized cumulative survival study group N Engl J Med 2001 May344(22)1651-8 doi 101056NEJM200105313442201 Paes TA Uso de modelos com fraccedilatildeo de cura na anaacutelise de dados de sobrevivecircncia com omissatildeo nas covariaacuteveis [tese] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 T45 2007tde-22072007-134749 Palazzuoli A Lombardi C Ruocco G Padeletti M Nuti R Metra M et al Chronic kidney disease and worsening renal function in acute heart failure different phenotypes with similar prognostic impact Eur Heart J Acute Cardiovasc Care 2016 Dec5(8)534-548 doi1011772048872615589511 Papik K Molnar B Schaefer R Dombovarl Z Tulassay Z Feher J Application of neural networks in medicine - a review Med Sci Monit 19984(3)538-546 [cited 1997 dec 30] Available from httppdfssemanticscholarorg2da18cb0287042e27ded932f9 Pereira Barretto AC Nobre MRC Wajngarten M Canesin MF Ballas D Serro-Azul JB Heart failure in a large tertiary hospital of Satildeo Paulo Arq Bras Cardiol 1998 Jul71(1)15-20 doi101590S0066-782X1998000700004 Pereira Barretto AC Nobre MRC Lancarotte I Scipioni AR Ramires JAF Do cardiologists at a University Hospital adopt the guidelines for the treatment of heart failure Arq Bras Cardiol 2001 Jul77(1)30-60 PMID11500745

Referecircncias Bibliograacuteficas 171

Peto R Peto J Asymptotically efficient rank invariant test procedures J R Stat Soc Ser A1972135(2)185-207 Pfeffer MA Swedberg K Granger CB Held P McMurray JJ Michelson EL et al CHARM Investigators and Committees Effects of candesartan on mortality and morbidity in patients with chronic heart failure the CHARM-Overall programme Lancet 2003 Sep 362(9386)759-66 PMID13678868 Pimentel R Couto M Laszczyńska O Friotildees F Bettencourt P Azevedo A Prognostic value of worsening renal function in outpatients with chronic heart failure Eur J Intern Med 2014 Sep25(7)662-8 doi101016jejim201406002 Pitt B Zannad F Remme WJ Cody R Castaigne A Perez A et al The effect of

spironolactone on morbidity and mortality in patients with severe heart failure N Engl

J Med 1999 Sep341709-17 doi 101056NEJM199909023411001

Pitt B Remme WJ Zannad F Neaton J Martinez F Roniker B et al Eplerenone a

selective aldosterone blocker in patients with left ventricular dysfunction after

myocardial infarction N Engl J Med 2003 May3481309-21 doi

101056NEJMmMoa030207

Pocock SJ Wang D Pfeffer MA Yusuf S McMurray JJ Swedberg KB et al Predictors of mortality and morbidity in patients with chronic heart failure Eur Heart J 2006 Jan27(1)65-75 doi101093eurheartjehi555 Ponikowski P Voors AA Anker SD Bueno H Cleland JGF Coats AJS et al 2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure The Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC) Developed with the special contribution of the Heart Failure Association (HFA) of the ESC Eur J Heart Fail 2016 Jul18891-975 doi101002ejhf592 [cited 2016 jul 14] Available from httpeurheartj oxford journalsorg doi10 1093 eur heartj ehw128 Poole-Wilson PA Uretsky BF Thygesen K Cleland JG Massie BM Rydeacuten L Atlas Study Group Assessment of treatment with lisinopril and survival Mode of death in heart failure findings from the ATLAS trial Heart 2003 Jan89(1)42-8 PMID12482789 Rassi AJr Rassi A Little WC Xavier SS Rassi SG Rassi AG et al Development and validation of a risk score for predicting death in Chagasacute heart disease N Engl J Med 2006 Aug 355(8)799-808 doi101056NEJMoa053241 Rassi AJr Rassi A Rassi SG Predictors of mortality in chronic Chagas disease a systematic review of observational studies Circulation 2007 Mar 115(9)1101-8 doi101161CIRCULATIONAHA106627265 Rassi AJr Rassi A Marin-Neto Chagas disease Lancet 2010 Apr3751388-402 doi101016S0140-6736(10)60061-X

Referecircncias Bibliograacuteficas 172

Rauchhaus M Clark AL Doehner W Davos C Bolger A Sharma R et al The relationship between cholesterol and survival in patients with chronic heart failure J Am Coll Cardiol 2003 Dec42(11)1933-40 PMID14662255 Remme WJ Swedberg K Task force for the diagnosis and treatment of chronic heart failure European Society of Cardiology Guidelines for the diagnosis and treatment of chronic heart failure Eur Heart J 2001 Sep22(17)1527-60 doi 10 1053 euhj20012783 Erratum in Eur Heart J 200122(23)2217-8 Rohde LE Clausell N Ribeiro JP Goldraich L Netto R William Dec G et al Health outcomes in decompensated congestive heart failure a comparison of tertiary hospitals in Brazil and United States Int J Cardiol 2005 Jun102(1)71-7 doi101016jijcard200404006 Roger VL Weston SA Redfield MM Hellermann-Homan JP Killian J Yawn BP et al Trends in heart failure incidence and survival in a community-based population JAMA 2004Jul292(3)344-50 doi101001jama2923344 Roger VL Epidemiology of heart failure Circ Res 2013 Aug113(6)646-59 doi 101161CIRCRESAHA113300268 Rossignol P Meacutenard J Fay R Gustafsson F Pitt B Zannad F Eplerenone survival benefits in heart failure patients post-myocardial infarction are independent from its diuretic and potassium-sparing effects Insights from an EPHESUS (Eplerenone Post-Acute Myocardial Infarction Heart Failure Efficacy and Survival Study) substudy J Am Coll Cardiol 2011 Nov58(19)1958-66 doi 101016jjacc201104049 Sacks CA Jarcho JA Curfman GD Paradigm shifts in heart-failure therapy-a timeline N Engl J Med 2014 Sep371(11)989-91 doi 101056 NEJMp 1410241 Sanchez ECM Controle por aprendizado acelerado e neuro-fuzzi de sistemas servo-hidraacuteulicos de alta frequecircncia [dissertaccedilatildeo] Rio de Janeiro Pontifiacutecia Universidade Catoacutelica do Rio de Janeiro Engenharia Mecacircnica 2009 Certificado Digital nordm0721406CA Disponiacutevel em www2dbdpuc-riobrpergamumtesesabertas 0721406_09_cap_03pdf Santos TM Avaliaccedilatildeo do desempenho de modelos preditivos no contexto de anaacutelise de sobrevivecircncia [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo doi 1011606D452013tde-03092013-111337 [citado 2017 jan 11]Disponiacutevel em httpwwwtesesuspbr Scott R Artificial intelligence its use in medical diagnosis J Nucl Med 1993 Mar34(3)510-4 PMID8441047 Senni M Tribouilloy CM Rodeheffer RJ Jacobsen SJ Evans JM Bailey KR et al Congestive heart failure in the community trends in incidence and survival in a 10-year period Arch Intern Med 1999 Jan159(1)29-34 PMID 98923 27

Referecircncias Bibliograacuteficas 173

Senni M Redfield MM Heart failure with preserved systolic function A different natural history J Am Coll Cardiol 2001 Nov38(5)1277-82 PMID11691495 Senni M Santilli G Parrella P De Maria R Alari G Berzuini C et al A novel prognostic index to determine the impact of cardiac conditions and co-morbidities on one-year outcome in patients with heart failure Am J Cardiol 2006 Oct98(8)1076-82 doi101016 jamjcard 200605031 Shah KS Xu H Matsouaka RA Bhatt DL Heidenreich PA Hernandez AF et al Heart failure with preserved borderline and reduced ejection fraction 5-year outcomes J Am Coll Cardiol 2017Nov70 (20)2476-2486 doi101016jjacc201708074 Silva LA Hernandez EDM Rangayyan MR Classification of breast masses using a committee machine of artificial neural networks J Eletron Imaging 2008 Jan-Fev17 (1)1-10 Biblioteca Digital da Produccedilatildeo Intelectual - BDPI Universidade de Satildeo Paulo [cited 18 mar 2008] Available from httpproducao uspbrhandleBDPI14703 Silva CP Bacal F Pires PV Mangini S Issa VS Moreira SF et al Heart failure profile at the beta blockers Arq BrasCardiol 2007 Apr88475-9 doi101590S0066 - 782X20070004000 018 Silverberg DS Wexler D Blum M Keren G Sheps D Leibovitch E et al The use of subcutaneous erythropoietin and intravenous iron for the treatment of the anemia of severe resistant congestive heart failure improves cardiac and renal function and functional cardiac class and markedly reduces hospitalizations J Am Coll Cardiol 2000 Jun35(7)1737-44 PMID10841219 Sinha RK Aggarwal Y Das BN Backpropagation artificial neural network detects change in electro-encephalogram power spectra of syncopic patients J Med Syst 2007 Feb31(1)63-8 PubMed PMID17283923 Steinberg BA Fang JC Long-term outcomes of acute heart failure Where are we now J Am Coll Cardiol 2017 Nov70(20)2487-2489 doi 101016 jjacc 201708075 Swedberg K Cleland J Dargie H Drexler H Follath F Komajda M et al Task Force for the diagnosis and treatment of chronic heart failure of the european society of cardiology Eur Heart J 2005 Mai26(11)1115-40 doi 101093 eurheartj ehi204 Swedberg K Komajda M Boumlhm M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Ivabradine and outcomes in chronic heart failure (SHIFT) a randomised placebo-controlled study Lancet 2010 Sep376(9744)875-85 doi 101016S0140-6736(10)61198-1 Erratum in Lancet 2010376(9757)1988 Lajnscak M [corrected to Lainscak M] Rabanedo I Roldan [corrected to Rabadaacuten I Roldan] Leva M [corrected to Ieva M]

Referecircncias Bibliograacuteficas 174

Tang YD Katz SD The prevalence of anemia in chronic heart failure and its impact on the clinical outcomes Heart Fail Rev 2008 Dec13(4)387-92 doi 10 1007s 10741-008-9089-7 Theodoropoulos TA Bestetti RB Otaviano AP Cordeiro JA Rodrigues VC Silva AC Predictors of all-cause mortality in chronic Chagas heart disease in the current era of heartfailure therapy Int J Cardiol 2008 Aug128(1)22-9 doi 101016jijcard 200711 057 Tourassi GD Floyd CE Sostman HD Coleman RE Artificial neural network for diagnosis of acute pulmonary embolism effect of case and observer selection Radiology 1995 Mar194(3)889-93 doi101148radiology19437862997 Uthamalingam S Patvardhan EA Subramanian S Ahmed W Martin W Daley M et al Utility of the neutrophil to lymphocyte ratio in predicting long- term outcomes in acute decompensated heart failure Am J Cardiol 2011 Fev 107 (3) 433-8 doi10 1016jamjcard201009039 Vardeny O Wu DH Desai A Rossignol P Zannad F Pitt B et al RALES Investigators Influence of baseline and worsening renal function on efficacy of spironolactone in patients with severe heart failure insights from RALES (Randomized Aldactone Evaluation Study) J Am Coll Cardiol 2012 Nov60(20)2082-9 doi101016jjacc201207048 Vasan RS Larson MG Leip EP Evans JC ODonnell CJ Kannel WB et al Impact of high-normal blood pressure on the risk of cardiovascular disease N Engl J Med 2001 Nov345(18)1291-7 doi101056NEJMoa003417 Veloso LG de Oliveira MT Jr Munhoz RT Morgado PC Ramires JA Barretto AC Nutritional repercussion in advanced heart failure and its value in prognostic assessment Arq Bras Cardiol 2005 Jun84(6)480-5 doiS0066-782X2005000 600009 Volpato S Zuliani G Guralnik JM Palmieri E Fellin R The inverse association between age and cholesterol level among older patients the role of poor health status Gerontology 2001a Jan-Fev47(1)36-45 doi 101159000052768 Volpato S Leveille SG Corti MC Harris TB Guralnik JM The value of serum albumin and high-density lipoprotein cholesterol in defining mortality risk in older persons with low serum cholesterol J Am Geriatr Soc 2001b Sep49(9)1142-7 PMID11559371 Von Zubben FJ Attux RRF Perceptron de muacuteltiplas camadas IA353-Profs Fernando J Von Zuben amp Romis RFAttux DCAFEECUnicamp amp DECOM FEECUnicampToacutepico 5 [citado 2001] Disponiacutevel em ftpftpdcafeeunicampbrpubdocs vonzubenia353_1s07topico5_07pdf

Referecircncias Bibliograacuteficas 175

Waikar SS Mount DB Curhan GC Mortality after hospitalization with mild moderate and severe hyponatremia Am J Med 2009 Sep122(9)857-65 doi 101016j amjmed 200901027 Ware JH Harrihgton D Hunter DJ DrsquoAgostino Sr Missing data N Engl J Med 2012 Oct367(14)1353-1354 PIMC 3771340 Wilding P Morgan MA Grygotis AE Shoffner MA Rosato EF Application of backpropagation neural networks to diagnosis of breast and ovarian cancer Cancer Lett 1994 Mar 1577(2-3)145-53 PMID 8168061 WHO Expert Committee on Physical Status the use and Interpretation of Anthropometry (1993 Geneva Switzerland) amp World Health Organization (1995) Physical status the use of and interpretation of anthropometry report of a WHO expert committee Geneva World Health Organization[cited 1995] Available from httpwww whointirishandle1066537003 World Health Organization (WHO) ICD-10 Version 2010 ndash International Classification of Diseases 10 th revision [cited 2010] Available from http appswhoint classifications icd10browse2010en Yuan Y Prediction performance of survival models [tese] Canada University of Waterloo Ontario 2008 [cited 2008]Available fromhttpuwspaceuwaterloocabitstream100 1239741thesispdf Zannad F Garcia AA Anker SD Armstrong PW Calvo G Cleland JG et al Clinical outcome endpoints in heart failure trials a European Society of Cardiology Heart Failure Association consensus document Eur J Heart Fail 2013 Oct15(10)1082-94 doi101093eurjhfhft095 Zugck C Kruumlger C Kell R Koumlrber S Schellberg D Kuumlbler W et al Risk stratification in middle-aged patients with congestive heart failureprospective comparison of the Heart Failure Survival Score (HFSS) and a simplified two-variable model Eur J Heart Fail 2001 Oct3(5)577-85 PMID 11595606

Page 6: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao

Agradecimentos

Aos meacutedicos da Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo do HC FMUSP pelo conviacutevio em ambiente cientificamente

estimulante voltado para o cultivo das dimensotildees de ensino e pesquisa a partir

da responsabilidade institucional de assistecircncia aos pacientes

Agrave biomeacutedica Sra Marcia Nunes Figueira e ao engenheiro eletroteacutecnico

Marcelo Marccedilula pela revisatildeo e ediccedilatildeo dos graacuteficos apresentados neste

trabalho

Ao Serviccedilo de Arquivo Meacutedico e Estatiacutestico na pessoa do Sr Wallace

Fernandes colegas e colaboradores pelo dedicado e competente auxiacutelio na

consulta a dados de arquivo

Agrave Secretaria da Comissatildeo de Poacutes-Graduaccedilatildeo na pessoa da Sra Neusa

Rodrigues Dini e sua equipe de assessoras pelo empenho receptivo nos

encaminhamentos necessaacuterios a um projeto desta natureza

Agrave Profa Marise Cukier pela revisatildeo e correccedilatildeo gramatical deste

trabalho

Agrave Sra Sandra Miranda Souza assistente administrativa da Unidade

Cliacutenica de Ambulatoacuterio Geral do Instituto do Coraccedilatildeo do HC FMUSP pela

devotada eficiente e cordial contribuiccedilatildeo cotidiana durante o desenvolvimento

do trabalho

Epiacutegrafe

Epiacutegrafe

Πάντες ἄνθρωποι τοῦ εἰδέναι ὀρέγονται φύσει

Todos os homens aspiram por natureza ao conhecimento

(Aristoacuteteles Metafiacutesica)

Alles Interesse meiner Vernunft (das spekulative sowohl als das praktische) vereinigt sich in folgenden drei Fragen

1 Was kann ich wissen 2 Was soll ich tun 3 Was darf ich hoffen

Todo o interesse da minha razatildeo (tanto especulativa como praacutetica) concentra-se nas seguintes trecircs interrogaccedilotildees

1 Que posso saber 2 Que devo fazer 3 Que me eacute permitido esperar (Emanuel Kant Criacutetica da Razatildeo Pura)

This warp seemed necessity and here thought I with my own hand I ply my own shuttle and weave my own destiny into these unalterable threads

A urdidura parecia a Necessidade e aqui pensei com as minhas proacuteprias matildeos guio a lanccediladeira e teccedilo meu proacuteprio destino nestes fios inalteraacuteveis

(Herman Melville Moby Dick)

Normatizaccedilatildeo adotada

Normatizaccedilatildeo adotada

Esta tese estaacute de acordo com as seguintes normas em vigor no momento de sua publicaccedilatildeo Referecircncias adaptado de International Committee of Medical Journals Editors (Vancouver) Universidade de Satildeo Paulo Faculdade de Medicina Divisatildeo de Biblioteca e Documentaccedilatildeo Guia de apresentaccedilatildeo de dissertaccedilotildees teses e monografias Elaborado por Anneliese Carneiro da Cunha Maria Julia de ALFreddi Maria FCrestana Marinalva de Souza Aragatildeo Suely Campos Cardoso Valeacuteria Vilhena 3ordf ed Satildeo Paulo Divisatildeo de Biblioteca e Documentaccedilatildeo 2011 Abreviatura dos tiacutetulos e perioacutedicos de acordo com List of Journals Indexed in Index Medicus

Sumaacuterio

Sumaacuterio

Lista de figuras

Lista de tabelas

Resumo

Abstract

1 INTRODUCcedilAtildeO 1

2 OBJETIVO 7

21 Objetivos primaacuterios 8

22 Objetivos secundaacuterios 8

3 MEacuteTODOS 9

31 Delineamento do estudo 10

32 Avaliaccedilatildeo cliacutenica 10

33 Criteacuterios diagnoacutesticos 11

34 Criteacuterios de inclusatildeo 11

35 Criteacuterios de exclusatildeo 12

36 Casuiacutestica 12

37 Variaacuteveis estudadas 12

371 Demograacuteficas 12

372 Cliacutenicas 13

373 Eletrocardiograacuteficas 13

374 Ecocardiograacuteficas 13

375 Laboratoriais 13

376 Medicamentos em uso na consulta inicial 14

38 Mortalidade 14

39 Anaacutelise dos dados 14

391 Anaacutelise estatiacutestica 15

3911 Anaacutelise descritiva e exploratoacuteria 15

3912 Anaacutelise inferencial 15

392 Rede neural 16

3921 Escolha da arquitetura da rede neural 17

3922 Aprendizado-treinamento da rede neural 19

3923 Avaliaccedilatildeo dos melhores modelos de rede neural 21

310 Aspectos eacuteticos 22

4 RESULTADOS 23

41 Anaacutelise estatiacutestica 24

411 Anaacutelise descritiva e exploratoacuteria 24

412 Anaacutelise inferencial 27

42 Rede neural 29

Sumaacuterio

421 Escolha da arquitetura da rede neural 29

422 Aprendizado-treinamento da rede neural 29

4221 Amostragem aleatoacuteria 30

4222 Fases do estudo da casuiacutestica 30

42221 Primeira fase ndash aprendizado-treinamento da rede neural 30

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar a sobrevida 33

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede neural 33

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural 35

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede neural 37

43 Avaliaccedilatildeo dos melhores modelos da rede neural 39

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo valor preditivo negativo da rede neural 39

432 Funccedilatildeo de perda da rede neural 40

5 DISCUSSAtildeO 42

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes 43

511 Casuiacutestica 43

512 Idade 44

513 Sexo 44

514 Antecedentes 45

515 Etiologia 45

516 Iacutendice de massa corpoacuterea 46

517 Frequecircncia cardiacuteaca 46

518 Pressatildeo arterial sistoacutelica e diastoacutelica 46

519 Classe funcional 47

5110 Tempo decorrido ateacute o desfecho 47

5111 Variaacuteveis ecocardiograacuteficas 48

5112 Variaacuteveis laboratoriais 49

5113 Medicamentos em uso 50

5114 Mortalidade 51

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica 51

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede neural 56

Sumaacuterio

531 Amostras aleatoacuterias 56

532 Data do iniacutecio dos sintomas 57

533 Tempos de evoluccedilatildeo 58

534 Variaacuteveis faltantes 60

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em geral 60

536 Funccedilotildees de transferecircncia 61

537 Treinamento excessivo (overfitting) 61

538 Estudo em cinco fases 62

54 Avaliaccedilatildeo dos melhores modelos de rede neural 62

541 Sensibilidade especificidade valor preditivo positivo e valor preditivo negativo 62

542 Funccedilatildeo de perda 64

543 Sensibilidade e especificidade versus funccedilatildeo de perda 65

55 Implicaccedilotildees cliacutenicas 65

56 Limitaccedilotildees do estudo 66

6 CONCLUSOcircES 67

7 ANEXOS 69

8 REFEREcircNCIAS BIBLIOGRAacuteFICAS 153

Listas

Lista de figuras

Figura 1 Representaccedilatildeo esquemaacutetica do delineamento do estudo 70

Figura 2 Arquitetura da rede neural perceptron muacuteltiplas camadas 71

Figura 2a Representaccedilatildeo do modelo natildeo linear de um neurocircnio

artificial 72

Figura 2b Ilustraccedilatildeo das direccedilotildees de propagaccedilatildeo do sinal e do erro da

informaccedilatildeo 73

Figura 3 Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da

funccedilatildeo zero based log sigmoid 74

Figura 4 Representaccedilatildeo esquemaacutetica das fases da rede neural 74

Figura 5 Probabilidade de sobrevida estimada (Kaplan-Meier)

geral 75

Figura 6 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etiologia da insuficiecircncia cardiacuteaca 76

Figura 7 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave idade 77

Figura 8 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao sexo 78

Figura 9 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etnia 79

Figura 10 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao peso 80

Figura 11 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave altura 81

Figura 12 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iacutendice de massa corpoacuterea 82

Figura 13 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial sistoacutelica 83

Figura 14 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial diastoacutelica 84

Figura 15 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave classe funcional 85

Figura 16 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

agrave frequecircncia cardiacuteaca 86

Figura 17 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iniacutecio dos sintomas 87

Figura 18 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de hipertensatildeo arterial 88

Figura 19 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de tabagismo 89

Figura 20 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de diabetes 90

Figura 21 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de etilismo 91

Figura 22 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro do aacutetrio esquerdo no ecocardiograma 92

Figura 23 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma 93

Figura 24 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma 94

Figura 25 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no ecocardiograma 95

Figura 26 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica do septo interventricular no

ecocardiograma 96

Figura 27 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica da parede posterior do ventriacuteculo

esquerdo no ecocardiograma 97

Figura 28 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao ritmo cardiacuteaco 98

Figura 29 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto a

taxa de hemoglobina 99

Figura 30 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

glicemia de jejum 100

Lista de figuras

Figura 31 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de creatinina seacuterica 101

Figura 32 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de soacutedio seacuterico 102

Figura 33 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de potaacutessio seacuterico 103

Figura 34 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de colesterol total 104

Figura 35 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de HDL- colesterol 105

Figura 36 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de LDL-colesterol 106

Figura 37 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de trigliceacuterides 107

Figura 38 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de leucoacutecitos 108

Figura 39 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de linfoacutecitos 109

Figura 40 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso dos inibidores da enzima conversora da angiotensina

e bloqueadores dos receptores da angiotensina II 110

Figura 41 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueadores adreneacutergicos 111

Figura 42 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de diureacuteticos 112

Figura 43 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de espironolactona 113

Figura 44 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de digoxina 114

Figura 45 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de antiagregante plaquetaacuterio

115

Figura 46 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

ao uso de anticoagulante 116

Figura 47 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de sinvastatina 117

Figura 48 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de vasodilatador direto 118

Figura 49 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueador do canal de caacutelcio 119

Figura 50 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de amiodarona 120

Figura 51 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao nuacutemero de medicamentos em uso 121

Lista de tabelas

Tabela 1 Caracteriacutesticas demograacuteficas e cliacutenicas dos pacienteshelliphelliphellip 122

Tabela 2 Variaacuteveis estudadas quanto agrave probabilidade de sobrevida

(etapa 1) 129

Tabela 3 Uso de tratamento medicamentosohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 130

Tabela 4 Nuacutemero de medicamentos em uso 131

Tabela 5 Variaacuteveis retiradas do modelo de Cox (etapa 2)helliphelliphelliphelliphelliphellip 131

Tabela 6 Reavaliaccedilatildeo das variaacuteveis excluiacutedas da etapa 2 do modelo

de Cox (etapa 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 7 Variaacuteveis do modelo final de Cox selecionadas para a rede

neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 8 Valores de referecircncia para as variaacuteveis com dados faltantes 133

Tabela 9 Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1) 134

Tabela 91 Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1) 135

Tabela 10 Comparaccedilatildeo das redes neurais categorizadas pelo tempo de

sobrevida observado seleccedilatildeo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 136

Tabela 11 Modelos de redes neurais para previsatildeo da sobrevida dos

pacientes vivos ateacute 2012 (fase 2)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 137

Tabela 12 Modelos de redes neurais comparaacuteveis erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)helliphelliphellip 138

Tabela 13 Modelo de rede neural 13 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 139

Tabela 14 Modelo de rede neural 20 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 140

Tabela 15 Modelo de rede neural 22 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 141

Tabela 16 Modelo de rede neural 24 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 142

Tabela 17 Modelo de rede neural 26 individual e comparaacutevel erro

Lista de tabelas

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip

143

Tabela 18 Reensaio da rede neural com pacientes que vieram a falecer

em 2013 (reensaio 1) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 145

Tabela 19 Reensaio da rede neural com pacientes que vieram a falecer

em 2014 (reensaio 2) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 146

Tabela 20 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 147

Tabela 21 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 148

Tabela 22 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 149

Tabela 23 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 150

Tabela 24 Sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 151

Tabela 25 Avaliaccedilatildeo dos melhores modelos de rede neural com o

emprego da funccedilatildeo de perdahelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 152

Resumo

Resumo

Marccedilula M Avaliaccedilatildeo prognoacutestica em pacientes com insuficiecircncia

cardiacuteaca com o emprego de redes neurais artificiais [tese] Satildeo Paulo

Faculdade de Medicina Universidade de Satildeo Paulo 2018

Fundamentos ndash Identificar pacientes ambulatoriais que necessitam de

recursos terciaacuterios de hospital de referecircncia voltado para a praacutetica cardioloacutegica

eacute inerente agrave responsabilidade assistencial Compete reconhecer pacientes sob

maior risco de prognoacutestico desfavoraacutevel o que pode ser feito pelo emprego de

meacutetodos estatiacutesticos tradicionais Com o mesmo fito as redes neurais tecircm sido

objeto de interesse Formulamos a hipoacutetese de que as redes neurais

alimentadas a partir de variaacuteveis selecionadas com o emprego de estatiacutestica

tradicional pudessem contribuir para a avaliaccedilatildeo prognoacutestica de pacientes com

insuficiecircncia cardiacuteaca

Objetivos ndash Avaliar o prognoacutestico de pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca com o emprego de meacutetodos da estatiacutestica de

sobrevivecircncia associada com a rede neural artificial

Delineamento ndash Estudo de coorte retrospectiva a partir de dados assistenciais

de pacientes que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

identificaccedilatildeo das variaacuteveis associadas ao prognoacutestico com o emprego da

estatiacutestica tradicional e alimentaccedilatildeo da rede neural perceptron de muacuteltiplas

camadas (Neuro XL Predictor - OLSOFT Software Development) com essas

variaacuteveis

Local ndash Ambulatoacuterio cardioloacutegico com alto volume de atendimentos voltado

para pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital acadecircmico de

referecircncia terciaacuterio

Participantes ndash 2128 pacientes consecutivos que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca de 2 de julho de 2003 a 2 de julho de 2007

Desfecho ndash oacutebito por qualquer causa

Anaacutelise de dados ndash Agrave anaacutelise descritiva e exploratoacuteria seguiu-se a avaliaccedilatildeo

da probabilidade de sobrevida pelo meacutetodo de Kaplan Meier seguida de

anaacutelise inferencial com o emprego do teste de log-rank e do modelo de riscos

proporcionais de Cox Identificadas as variaacuteveis associadas ao prognoacutestico de

sobrevida foi desenvolvida a rede neural nas diferentes fases de aprendizado-

Resumo

treinamento e com o recurso do algoritmo de treinamento backpropagation A

rede neural foi desenvolvida em cinco fases fase 1 ndash aprendizado-treinamento

(n=968 oacutebitos com informaccedilatildeo completa) fase 2 ndash avaliaccedilatildeo e aplicaccedilatildeo

(pacientes vivos ateacute 2012) fase 3 ndash comparaccedilatildeo da previsatildeo de sobrevida com

o emprego rede ( pacientes vivos ateacute 2012) com a sobrevida observada fase 4

ndash reensaios para aprendizados com novos desfechos (oacutebitos em 2013 e 2014)

fase 5 ndash avaliaccedilatildeo do aprendizado da rede na fase 4 (pacientes vivos e

falecidos)

A acuraacutecia a sensibilidade a especificidade o valor preditivo positivo e o valor

preditivo negativo dos melhores modelos na previsatildeo da sobrevida obtidas com

a rede neural foram avaliados considerando as duas funccedilotildees de ativaccedilatildeo

(tangente hiperboacutelica e zero-based log sigmoid) Para tanto foi preciso

determinar intervalos de corte definidos por criteacuterio cliacutenico de razoabilidade de

expectativa do tempo de sobrevida e acerto calculado pela rede A estimativa

da previsibilidade e do erro tambeacutem foi avaliada com o emprego da funccedilatildeo de

perda

Resultados ndash A anaacutelise estatiacutestica (n=2128 pacientes) revelou as seguintes

variaacuteveis associadas ao prognoacutestico idade (plt0001) iacutendice de massa

corpoacuterea (plt0001) pressatildeo arterial diastoacutelica (plt0001) etiologia da

insuficiecircncia cardiacuteaca (plt0001) classe funcional (plt0001) espessura do

septo interventricular (p=0037) diacircmetro diastoacutelico do ventriacuteculo esquerdo

(plt0001) diacircmetro do aacutetrio esquerdo (p=0025) potaacutessio seacuterico (p=0015)

colesterol total (plt0001) creatinina (plt0001) e a presenccedila de diabetes melito

(p=0034)

Os modelos de redes neurais com melhor previsibilidade foram obtidos pela

categorizaccedilatildeo do tempo de sobrevida inferior a 2 anos entre 2 anos e 6 anos

e superior a 6 anos

Nos pacientes com tempo de sobrevida observado superior a 6 anos a partir

da consulta inicial com intervalo de corte de 3 anos a estimativa feita com o

emprego da rede neural demonstrou sensibilidade 930 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade 764 ou 775 (dependendo da funccedilatildeo

de ativaccedilatildeo) valor preditivo negativo 974 (com ambas as funccedilotildees de

Resumo

ativaccedilatildeo) e valor preditivo positivo 536 ou 547 (dependendo da funccedilatildeo de

ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de 2 anos

obtivemos sensibilidade 898 (com ambas as funccedilotildees de ativaccedilatildeo)

especificidade 725 ou 765 valor preditivo positivo 863 ou 880 e valor

preditivo negativo 787 ou 796 (dependendo da funccedilatildeo de ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado inferior a 2 anos a partir da

data do iniacutecio dos sintomas com intervalo de corte de 1 ano a estimativa com

o emprego da rede neural demonstrou sensibilidade 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade de 625 ou 667 (dependendo da

funccedilatildeo de ativaccedilatildeo) valor preditivo positivo 820 ou 837 (dependendo da

funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo 714 ou 727 (dependendo da

funccedilatildeo de ativaccedilatildeo)

O erro da previsatildeo de sobrevida com o emprego da rede neural estimado com

o auxiacutelio da funccedilatildeo de perda variou de 44 meses ateacute 11 anos

Conclusotildees - O emprego da rede neural alimentada por variaacuteveis

selecionadas com o emprego de estatiacutestica de sobrevivecircncia tradicional pode

ser meacutetodo profiacutecuo na avaliaccedilatildeo prognoacutestica de pacientes com insuficiecircncia

cardiacuteaca

A previsibilidade de estimativa de sobrevida alcanccedilada com o uso de rede

neural foi menor nos pacientes com quadros cliacutenicos de menor tempo de

evoluccedilatildeo comparativamente aos pacientes com maior tempo de evoluccedilatildeo no

primeiro caso permitiria sugerir quadros mais instaacuteveis em relaccedilatildeo aos casos

mais estaacuteveis isto eacute aqueles com tempo de evoluccedilatildeo maior

Descritores insuficiecircncia cardiacuteaca cardiomiopatia assistecircncia ambulatorial

anaacutelise de sobrevivecircncia rede neural prognoacutestico

Abstract

Abstract

Marccedilula M Prognostic evaluation of patients with heart failure with the use

of artificial neural networks [thesis] Satildeo Paulo ldquoFaculdade de Medicina

Universidade de Satildeo Paulordquo 2018

Background ndash Identifying outpatients who need tertiary resources of a referral

cardiology hospital includes recognizing those at higher risk of unfavorable

prognosis Studies aimed at this objective may be accomplished with traditional

statistics Neural networks have been studied as a promising tool in the

assessment of patientsacute prognosis We hypothesized that the neural networks

developed with variables selected through traditional statistics might contribute

to the prognostic evaluation of patients with heart failure

Objectives ndash To evaluate the prognosis of patients with heart failure using

methods of survival statistics combined with the resources of artificial neural

networks

Design ndash Retrospective cohort study from a database of patients previously

diagnosed with heart failure identification of variables associated with

prognosis using traditional statistics development of a neural network

perceptron of multiple layers (Neuro XL Predictor - OLSOFT Software

Development) with these variables

Setting ndash outpatient clinic from an academic tertiary cardiology center

Participants ndash 2128 consecutive patients who received the diagnosis of heart

failure between July 2 2003 and July 2 2007

Outcomes ndash death for any cause

Data analysis ndash Statistical evaluation was performed for descriptive and

exploratory analysis and was followed by Kaplan Meier survival probability and

inferential analysis using the log-rank test and the Cox proportional hazards

model to identify the variables associated with prognosis Variables thus

selected were then input for the neural network in the different stages of

learning-training with the backpropagation algorithm The neural network was

developed in 5 phases phase 1 - learning training (n = 968 deaths with

complete information) phase 2 - evaluation and application (patients alive until

2012) phase 3 - comparison of the predicted versus the observed survival

Abstract

using the network (patients alive until 2012) phase 4 - re-tests for learning with

new outcomes (deaths in 2013 and 2014) phase 5 - assessment of network

learning in phase 4 (living and deceased patients)

The accuracy sensitivity specificity positive predictive value and negative

predictive value of the best models in the prediction of survival obtained with the

neural network were evaluated taking into account the two activation functions

(hyperbolic tangent and zero-based log sigmoid) and the cut-off intervals

defined by clinical criteria of reasonableness of expected survival time and the

estimated estimate by the network The estimation of predictability and error

was also evaluated using the loss function

Results ndash Statistical analysis (n = 2128 patients) revealed the following

variables associated with prognosis age (p lt0001) body mass index (p

lt0001) diastolic blood pressure (p lt0001) heart failure etiology (P lt0001)

functional class (p lt0001) interventricular septum thickness (p = 0037) left

ventricular diastolic diameter (p lt0001) left atrial diameter (p = 0025) serum

potassium level total cholesterol (p lt0001) serum creatinine level (p lt0001)

and the presence of diabetes mellitus (p = 0034)

The models of neural networks with better predictability were obtained with the

categorization of the survival time of less than 2 years between 2 and 6 years

and over 6 years

In patients with a survival time of more than 6 years from the initial consultation

with a cut-off interval of 3 years (or 1095 days) the estimate using the neural

network showed sensitivity 930 (with both activation functions) specificity of

764 or 775 (depending on the activation function) negative predictive

value 974 (with both activation functions) and positive predictive value 536

or 547 (depending on the function of activation)

In patients with a survival time of 2 to 6 years from the onset of symptoms with

a cut-off interval of 2 years (or 730 days) we obtained 898 sensitivity (with

both activation functions) specificity 725 or 765 positive predictive value

863 or 880 and negative predictive value 787 or 796 (depending on

the activation function)

In patients with a survival time of less than 2 years from the onset of symptoms

with a cut-off interval of 1 year (or 365 days) the estimate using the neural

Abstract

network showed a sensitivity of 872 (with both activation functions)

specificity of 625 or 667 (depending on the activation function) positive

predictive value 820 or 837 (depending on the activation function) and

negative predictive value 714 or 727 (depending on the activation

function)

The error of survival prediction with the use of the estimated neural network with

the aid of the function of absolute loss ranged from 44 months to 11 years

Conclusions ndash The use of selected variables input in the neural network with

the use aid of traditional survival statistics may be a useful method for the

prognostic evaluation of patients with heart failure Estimates were less

accurate in patients with a shorter duration of symptoms relative to those with

symptoms for a long time in the first case it would suggest more unstable

disease relative to those with more stable disease namely with symptoms for a

long time

Descriptors heart failure cardiomyopathy ambulatory care survival analysis

neural networks prognosis

1 Introduccedilatildeo

Introduccedilatildeo 2

A atuaccedilatildeo em ambulatoacuterio meacutedico cardioloacutegico com alto volume de

atendimentos a pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital

acadecircmico de referecircncia terciaacuterio (940048 consultas de 1988 a 2017) traz agrave

atividade cotidiana a responsabilidade de avaliar e distinguir pacientes com

maior necessidade cliacutenica de receber tratamento que utilize as competecircncias e

a tecnologia disponiacuteveis em hospital de referecircncia recursos que tecircm entre

suas caracteriacutesticas o fato de serem limitados

Portanto eacute necessaacuterio continuamente estudar e aprimorar a avaliaccedilatildeo

cliacutenica para orientar a terapecircutica no longo prazo em recursos da comunidade

ou em centros de atenccedilatildeo terciaacuteria Esta responsabilidade diz respeito

tambeacutem aos pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca atendidos em

ambulatoacuterio cardioloacutegico de hospital acadecircmico de referecircncia

O conhecimento da probabilidade de sobrevida no longo prazo como

meacutetodo de avaliaccedilatildeo do prognoacutestico eacute de interesse para essa orientaccedilatildeo a

menor sobrevida seria indicador de maior gravidade da condiccedilatildeo A sobrevida

pode ser avaliada por diferentes meacutetodos (Oliveira et al 2016) Decorre

tambeacutem a identificaccedilatildeo de variaacuteveis associadas com a sobrevida (Marccedilula et

al 2011)

A probabilidade de sobrevida foi avaliada previamente em casuiacutestica no

proacuteprio Serviccedilo (Freitas et al 2005) em 1220 pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca sintomaacutetica tratados entre 1991 e 2000 e foi estimada

apoacutes um ano de acompanhamento aproximadamente em 60 o que revalida

dados publicados de sobrevida estimada entre 40 e 70 (Mady et al 1994

Pereira Barretto et al 1998 Carlo et al 2014 Bocchi et al 2017)

A etiologia cardiopatia da doenccedila de Chagas foi o fator mais relevante

associado com a mortalidade (risco relativo 297) quando comparada com

cardiomiopatia dilatada idiopaacutetica (risco relativo 227) cardiopatia isquecircmica

(risco relativo 253) cardiopatia hipertensiva (risco relativo 273) aleacutem de

outras variaacuteveis como diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma (risco relativo 116) e fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(risco relativo 095) na ventriculografia por radioisoacutetopo (Freitas et al 2005) A

Introduccedilatildeo 3

observaccedilatildeo do pior prognoacutestico dos pacientes com insuficiecircncia cardiacuteaca por

doenccedila de Chagas se harmoniza com dados publicados em outras

investigaccedilotildees (Espinosa et al 1985 Mady et al 1994 Bestetti et al 1997

Bestetti Daniel 2016 Pereira-Barretto et al 1998 Carlo et al 2014 Rassi et

al 2010 Bocchi 2012 2013 2017) que nas formas mais severas da doenccedila

revelaram mortalidade de 80 a 100 em um ano de seguimento (Mady et al

1994 Theodoropoulos et al 2008)

Uma questatildeo intrincada nesse estudo (Freitas et al 2005) realizado

em condiccedilotildees que a literatura denomina ldquovida realrdquo (ldquoreal life conditionsrdquo em

oposiccedilatildeo a ldquoprotocol conditionsrdquo situaccedilatildeo de variaacuteveis controladas) foi lidar

com dados faltantes e objeto de pesquisa especiacutefica (Paes 2007)

Aleacutem do tratamento medicamentoso os processos de transformaccedilatildeo

inerentes agrave praacutetica cliacutenica abrangem caracteriacutesticas dos pacientes inclusive no

acesso agraves oportunidades de tratamento progresso na experiecircncia cliacutenica seja

em ferramentas diagnoacutesticas seja na terapecircutica com a natural consequecircncia

na sobrevida em longo prazo (Pitt et al 1999 2003 Bocchi et al 2008 Issa et

al 2010 Bestetti et al 2011 Carlo et al 2014) Portanto a necessidade de

reavaliaccedilatildeo perioacutedica do prognoacutestico dos pacientes eacute inerente agrave praacutetica meacutedica

Aleacutem dos recursos metodoloacutegicos da estatiacutestica de sobrevivecircncia a

experiecircncia preacutevia com pesquisadores de estatiacutestica estimulou a associaccedilatildeo de

meacutetodos estatiacutesticos pelo uso de redes neurais (Ogava 2007) Aleacutem disso

uma experiecircncia pioneira em nosso meio foi conduzida haacute duas deacutecadas com

casuiacutestica pequena (95 pacientes) fora do ambiente do Sistema Uacutenico de

Sauacutede (Ortiz et al 1995a) De fato o uso de redes neurais artificiais na anaacutelise

de dados cliacutenicos de pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca foi

apresentado como um meacutetodo que deve ser investigado (Braunwald 2008)

As redes neurais artificiais tecircm sido progressivamente utilizadas na

praacutetica cliacutenica (Lisboa Taktak 2006) e a potencial contribuiccedilatildeo da aplicaccedilatildeo

da rede neural no diagnoacutestico e prognoacutestico de vaacuterias doenccedilas inclusive tem

se tornado objeto de interesse e investigaccedilatildeo na aacuterea da Cardiologia (Lisboa

2002)

Rede neural artificial foi conceituada como ldquoestrutura de

processamento de informaccedilatildeo distribuiacuteda em paralelo e constituiacuteda por

Introduccedilatildeo 4

elementos de processamento ligados por canais de sinal unidirecionais

denominados conexotildees em que cada elemento de processamento possui uma

uacutenica conexatildeo de saiacuteda que se ramifica em tantas quantas as conexotildees

colaterais desejadasrdquo (Hecht-Nielsen 1989) Entre as caracteriacutesticas potenciais

da rede neural haacute o caraacuteter adaptativo treinaacutevel capaz de armazenar e

processar informaccedilotildees por associaccedilatildeo e adquirir conhecimento pela

experiecircncia por meio de exemplos ou da proacutepria aplicaccedilatildeo (Sanchez 2009)

A arquitetura de rede neural mais utilizada e estudada eacute a do tipo

perceptron de muacuteltiplas camadas (Cross Harrison e Kennedy 1995) e o tipo de

treinamento mais frequente utiliza o algoritmo de treinamento supervisionado

ou de retropropagaccedilatildeo do erro (backpropagation) (Scott 1993 Cross et al

1995 Papik et al 1998) Estas redes neurais tecircm por caracteriacutestica a

propagaccedilatildeo positiva (feedforward) ou na mesma direccedilatildeo do erro partindo da

camada de entrada rumo agrave camada de saiacuteda e agrave retropropagaccedilatildeo do erro

(backward) partindo da camada de saiacuteda ateacute a camada de entrada (Castro LN

1998 Sanchez 2009) O algoritmo backpropagation fundamenta-se numa

regra de aprendizado que corrige os erros durante todo o aprendizado e

treinamento da rede neural em todas as camadas partindo da saiacuteda ateacute a

entrada (Haykin 1994)

O processo de aprendizado da rede neural eacute gradual interativo e

iterativo de ajuste dos pesos sinaacutepticos de forma a adequar a rede a um

conjunto de exemplos adaptar o seu comportamento ao longo do tempo e

aperfeiccediloar a resposta a ser obtida (Ambrosio 2002 Castro FCC 2016) Por

sua caracteriacutestica de aprendizado e treinamento a rede neural permite a

melhoria contiacutenua de seu desempenho a partir de exemplos e tem sido

aplicada na aacuterea meacutedica no estudo de diferentes condiccedilotildees (Baxt 1991 1995

1996 Astion Wilding 1992 Widing et al 1994 Tourassi et al 1995 Fogel et

al 1995 Ahmed 2005 Sinha et al 2007 Bartosch-Haumlrlid et al 2008 Silva et

al 2008 Das et al 2008 Ogulata et al 2009)

Estudos que integram anaacutelise estatiacutestica como fundamento para

alimentaccedilatildeo de rede neural satildeo escassos (Ogava 2007)

Em pacientes com insuficiecircncia cardiacuteaca a comparaccedilatildeo entre vaacuterios

meacutetodos computacionais entre eles a rede neural a partir de informaccedilotildees da

Introduccedilatildeo 5

etiologia severidade e evoluccedilatildeo da doenccedila evidenciou melhor desempenho

dos sistemas de suporte (Guidi et al 2014) Por outro lado estudo de

casuiacutestica nacional publicada haacute duas deacutecadas avaliou o prognoacutestico de 95

pacientes com insuficiecircncia cardiacuteaca e fraccedilatildeo de ejeccedilatildeo reduzida em

seguimento de doze meses esta baseou-se em paracircmetros ecocardiograacuteficos

e na idade estimou a acuraacutecia sensibilidade especificidade valor preditivo

positivo e valor negativo respectivamente 67 67 68 28 92 por

anaacutelise discriminatoacuteria linear enquanto pelos valores correspondentes agrave rede

neural artificial foram estimados em 90 71 93 63 e 95 (Ortiz et al

1995b)

Recentes publicaccedilotildees apontaram para o potencial uso da rede neural

no universo da inteligecircncia artificial (neurocomputing machine learning deep

learning) (Krittanawrong et al 2017 Miller e Brown 2018) usando o algoritmo

de aprendizado supervisionado (backpropagation) na anaacutelise de amplas bases

de dados para melhor precisatildeo cardiovascular (Krittanawong et al 2017) Aleacutem

disso a rede neural foi utilizada na prediccedilatildeo da mortalidade em pacientes

submetidos a teste de esforccedilo cardiopulmonar (Myers et al 2014) como

tambeacutem em ampla metanaacutelise que avaliou a eficaacutecia do tratamento em

pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca nos uacuteltimos trinta anos

(Burnet et al 2017)

Como meacutetodo a rede neural artificial tem vantagens e desvantagens

quando comparada aos sistemas de computaccedilatildeo convencionais ou sistemas

baseados em algoritmos (Papik et al 1998)

Entre as vantagens foram citadas a efetividade do meacutetodo na modelagem natildeo

linear de fenocircmenos bioloacutegicos com grande nuacutemero de dados precisatildeo para

inferecircncia preditiva e ajuda na tomada de decisatildeo meacutedica facilidade de

disseminaccedilatildeo do conhecimento pelo meacutetodo (Lisboa et al 2006) capacidade

de utilizar informaccedilotildees incompletas aprendizado por meio de exemplos e

exposiccedilatildeo de padrotildees agrave rede neural (Sanchez 2009)

Tendo em vista a missatildeo assistencial no atendimento de pacientes com

diagnoacutestico de insuficiecircncia cardiacuteaca recebidos para avaliaccedilatildeo diagnoacutestico e

orientaccedilatildeo de tratamento em unidade ambulatorial de hospital de referecircncia

voltado para pacientes do Sistema Uacutenico de Sauacutede situaccedilatildeo na qual se

Introduccedilatildeo 6

esmera a aplicaccedilatildeo mais judiciosa possiacutevel dos recursos instalados requer-se

a atualizaccedilatildeo constante dos dados prognoacutesticos para a melhor orientaccedilatildeo

Estudos satildeo necessaacuterios para reunir recursos de teacutecnicas estatiacutesticas

tradicionais como tambeacutem para empregar redes neurais e sua potencial

capacidade de aprendizado possibilitando mudanccedilas nas casuiacutesticas

brasileiras lastreadas no tempo

Destarte planejamos o presente estudo para avaliar o emprego da

estatiacutestica tradicional como etapa de seleccedilatildeo de variaacuteveis para a aplicaccedilatildeo da

rede neural artificial na avaliaccedilatildeo prognoacutestica de pacientes para esmerar na

distinccedilatildeo de pacientes de prognoacutestico menos favoraacutevel e com maior

necessidade cliacutenica de tratamentos que utilizem as competecircncias e a

tecnologia geralmente disponiacuteveis apenas em serviccedilos meacutedicos de referecircncia

2 Objetivos

Objetivos 8

21 Objetivos Primaacuterios

Avaliar o prognoacutestico de pacientes com diagnoacutestico de insuficiecircncia

cardiacuteaca pelo emprego de meacutetodos da estatiacutestica de sobrevivecircncia associada

com a rede neural artificial

22 Objetivos Secundaacuterios

Estimar a contribuiccedilatildeo dos dados de exame cliacutenico e laboratorial

obtidos na avaliaccedilatildeo inicial dos pacientes

Estimar o impacto dos dados faltantes na anaacutelise

3 Meacutetodos

Meacutetodos 10

31 Delineamento do estudo

Estudo observacional tipo transversal (coorte retrospectiva) a partir de

base de dados administrativa e assistencial que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca na Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo e foram acompanhados ateacute o desfecho (oacutebito por qualquer causa) ou

ateacute a data do uacuteltimo contato

Dados da mortalidade foram obtidos por meio de consulta a registros

hospitalares contato telefocircnico consulta ao Programa de Aprimoramento das

Informaccedilotildees de Mortalidade no Municiacutepio de Satildeo Paulo (PRO-AIM) ou agrave

Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) (Figura 1)

32 Avaliaccedilatildeo cliacutenica

O exame cliacutenico e a avaliaccedilatildeo laboratorial dos pacientes seguiram a

rotina assistencial da Unidade Os pacientes cerca de 50 encaminhados ao

sistema CROSS (Central de Regulaccedilatildeo de Oferta de Serviccedilos de Sauacutede

Secretaria de Estado da Sauacutede Satildeo Paulo) foram avaliados por meio de

exame cliacutenico incluindo a histoacuteria cliacutenica e o exame fiacutesico eletrocardiograma

em repouso e a radiografia de toacuterax aleacutem de revisatildeo de testes

complementares eventualmente trazidos pelos pacientes A avaliaccedilatildeo

laboratorial complementar no Serviccedilo foi indicada de acordo com a

necessidade cliacutenica dos pacientes dentro da rotina assistencial e a

disponibilidade operacional institucional incluindo avaliaccedilatildeo metaboacutelica

laboratorial ecocardiografia ou outros testes

O tratamento foi recomendado de acordo com a rotina institucional

conforme necessidade cliacutenica e toleracircncia dos pacientes de acordo com a

orientaccedilatildeo do meacutedico responsaacutevel pelo atendimento do paciente aleacutem da

Meacutetodos 11

disponibilidade na dispensaccedilatildeo por farmaacutecia do sistema puacuteblico de atenccedilatildeo

farmacecircutica

33 Criteacuterios diagnoacutesticos

O diagnoacutestico de insuficiecircncia cardiacuteaca foi feito com base nos criteacuterios

de Framingham definido pela presenccedila simultacircnea de no miacutenimo dois

criteacuterios maiores ou um criteacuterio maior e dois menores (McKee et al 1971) Satildeo

criteacuterios maiores dispneia paroxiacutestica noturna turgecircncia jugular crepitaccedilotildees

pulmonares cardiomegalia na radiografia do toacuterax edema agudo de pulmatildeo

terceira bulha cardiacuteaca aumento da pressatildeo venosa central (gt16 cm aacutegua no

aacutetrio direito) refluxo hepatojugular perda de peso maior 45 kg em cinco dias

em resposta ao tratamento Os criteacuterios menores incluem edema de tornozelo

bilateral tosse noturna dispneia aos esforccedilos habituais hepatomegalia

derrame pleural taquicardia (gt120 batimentos por minuto) diminuiccedilatildeo da

capacidade funcional em um terccedilo da maacutexima registrada previamente (Hunt et

al 2001 2005)

O diagnoacutestico etioloacutegico foi feito de acordo com criteacuterios previamente

publicados (Maron et al 2006) Os diagnoacutesticos etioloacutegicos foram revisados

individualmente para este estudo

Os diagnoacutesticos foram categorizados segundo a Classificaccedilatildeo

Internacional de Doenccedilas 10a revisatildeo (World Health Organization 2010)

34 Criteacuterios de inclusatildeo

Foram incluiacutedos no estudo portadores de insuficiecircncia cardiacuteaca em

diferentes classes funcionais da New York Heart Association (New York Heart

Association 1964 Remme et al 2001)

Meacutetodos 12

35 Criteacuterios de exclusatildeo

Foram excluiacutedos do estudo os pacientes com angina instaacutevel infarto do

miocaacuterdio haacute menos de seis meses doenccedila valvar histoacuteria de cirurgia ou

infecccedilatildeo aguda nos trinta dias anteriores agrave consulta meacutedica

36 Casuiacutestica

Foram estudados 2128 pacientes consecutivos de ambos os sexos

com idade acima de 18 anos que depois do exame cliacutenico receberam o

diagnoacutestico de insuficiecircncia cardiacuteaca de diferentes etiologias no periacuteodo de 2

de julho de 2003 a 2 de julho de 2007

No Serviccedilo foram realizadas 113185 consultas ambulatoriais no

periacuteodo de estudo Portanto a casuiacutestica representa 18 do total de consultas

atendidas que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

37 Variaacuteveis estudadas

371 Demograacuteficas

Idade sexo etnia

Meacutetodos 13

372 Cliacutenicas

Duraccedilatildeo dos sintomas etiologia da insuficiecircncia cardiacuteaca classe

funcional peso altura iacutendice de massa corpoacuterea frequecircncia cardiacuteaca pressatildeo

arterial sistoacutelica pressatildeo arterial diastoacutelica e comorbidades (presenccedila de

hipertensatildeo arterial tabagismo diabete melito etilismo)

373 Eletrocardiograacuteficas

Ritmo cardiacuteaco

374 Ecocardiograacuteficas

Diacircmetro do aacutetrio esquerdo diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro sistoacutelico do ventriacuteculo esquerdo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo espessura diastoacutelica do septo interventricular e espessura diastoacutelica

da parede posterior do ventriacuteculo esquerdo

375 Laboratoriais

Taxa de hemoglobina taxa de leucoacutecitos taxa de linfoacutecitos taxa de

glicose em jejum creatinina seacuterica soacutedio seacuterico potaacutessio seacuterico colesterol

total lipoproteiacutena de alta densidade (HDL-colesterol) lipoproteiacutena de baixa

densidade (LDL-colesterol) e trigliceacuterides seacuterico

Meacutetodos 14

376 Medicamentos em uso na consulta inicial

Inibidores da enzima conversora da angiotensina (captopril enalapril) e

bloqueadores dos receptores da angiotensina II (losartana) bloqueadores

adreneacutergicos (carvedilol metoprolol propranolol e atenolol) diureacuteticos

(furosemida hidroclorotiazida espironolactona) digital (digoxina)

antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) anticoagulante oral

(varfarina) estatina (sinvastatina) vasodilatadores (hidralazina e mononitrato

de isossorbida) bloqueadores dos canais de caacutelcio (anlodipina) antiarriacutetmico

(amiodarona) nuacutemero de medicamentos em uso

38 Mortalidade ndash foi considerado desfecho o oacutebito por qualquer causa

39 Anaacutelise dos dados

Foi realizada em duas etapas a) anaacutelise estatiacutestica (n=2128

pacientes) para identificar as variaacuteveis associadas agrave sobrevida cujo tempo de

seguimento ou de sobrevida observado foi o intervalo entre a data da consulta

inicial ou a data do iniacutecio dos sintomas ateacute o uacuteltimo contato com o paciente ou a

data do oacutebito b) aplicaccedilatildeo da rede neural para estimar a sobrevida (n=968

pacientes)

A escolha pela teacutecnica da anaacutelise de sobrevida foi decorrente de sua

caracteriacutestica para identificar e selecionar as variaacuteveis mais importantes na

sobrevida dos pacientes como tambeacutem pelo pressuposto que a presenccedila de

pacientes censurados ou com perda de seguimento ao longo do tempo

representam todos os pacientes sujeitos ao risco de terem o evento de

interesse naquele momento (Bustamante-Teixeira et al 2002)

Meacutetodos 15

391 Anaacutelise estatiacutestica

A anaacutelise estatiacutestica foi realizada nas seguintes etapas anaacutelise

descritiva anaacutelise exploratoacuteria e estimativa da influecircncia das variaacuteveis na

sobrevida

3911 Anaacutelise descritiva e exploratoacuteria

Foram avaliadas as frequecircncias e distribuiccedilotildees das variaacuteveis

demograacuteficas cliacutenicas de exames complementares e de medicaccedilatildeo (tabela 1)

A probabilidade de sobrevida foi avaliada para cada variaacutevel pelo

meacutetodo de Kaplan-Meier (Kaplan Meier 1958) As variaacuteveis foram

categorizadas de acordo com criteacuterios cliacutenicos ou com base nos valores de

referecircncia quando pertinente Dados faltantes foram reunidos em uma

categoria As curvas de probabilidade de sobrevida foram comparadas com o

teste log-rank (Peto 1972) e os valores-p obtidos e informados As variaacuteveis

com plt010 foram selecionadas para a anaacutelise inferencial

Foram selecionadas para a anaacutelise inferencial todas as variaacuteveis com

plt010 e algumas variaacuteveis com pgt010 pela relevacircncia cliacutenica evidenciada em

estudos anteriores (Zugck et al 2001 Acanfora et al 2001 Anand et al

2004 Huehnergarth et al 2005 Maraldi et al 2006 Nieminen et al 2008

Marccedilula et al 2015)

3912 Anaacutelise inferencial

Foi adotado modelo de regressatildeo semiparameacutetrico de riscos

proporcionais de Cox (Cox 1972) para estimar a influecircncia de cada variaacutevel

associada com a probabilidade de sobrevida A comparaccedilatildeo da qualidade dos

Meacutetodos 16

ajustes do modelo foi feita pelo teste de razatildeo de verossimilhanccedila nas

seguintes fases

a) ajuste de modelo univariado tendo como variaacuteveis independentes a

idade e cada uma das variaacuteveis demograacuteficas e cliacutenicas separadamente

Foram selecionadas as variaacuteveis com valores de p lt 010 para a sequecircncia da

anaacutelise

b) as variaacuteveis selecionadas e a idade foram submetidas ao ajuste do

modelo multivariado Nesta fase para cada variaacutevel analisada e sem

informaccedilatildeo foi definida uma categoria de variaacutevel faltante As variaacuteveis com

valor de p gt 005 foram retiradas sequencialmente do modelo Tambeacutem foi

retirada do modelo a variaacutevel em que somente a categoria variaacutevel faltante

apresentou valor de p lt 005 Sendo assim permaneceram para a terceira fase

do modelo as variaacuteveis com valores de p lt 005 e a variaacutevel idade

c) na terceira fase para teste de seguranccedila do modelo com a

finalidade de avaliar se as variaacuteveis previamente retiradas do modelo

contribuiriam ou natildeo de modo significativo para a estimaccedilatildeo da sobrevida

cada uma das variaacuteveis previamente retiradas do modelo na fase inicial foi

reintroduzida no modelo multivariado com as variaacuteveis que na segunda fase

alcanccedilaram valor de p lt 005 Se fosse encontrado p lt 005 esta variaacutevel

permaneceria no modelo

d) as variaacuteveis assim selecionadas foram as variaacuteveis de entrada para

a rede neural artificial

392 Rede neural

Os testes da rede neural foram realizados pelo emprego do programa

Neuro XL Predictor (OLSOFT Software Development) que utiliza a rede neural

perceptron de muacuteltiplas camadas

A rede neural tipo perceptron de muacuteltiplas camadas compreendeu uma

camada de entrada camadas intermediaacuterias (ou ocultas) e uma camada de

Meacutetodos 17

saiacuteda (figura 2) Cada neurocircnio de qualquer das camadas da rede se conectou

a todos os neurocircnios da camada seguinte e o fluxo da informaccedilatildeo foi em uma

uacutenica direccedilatildeo (rede feedforward) da esquerda para a direita ou da camada de

entrada para a camada de saiacuteda (Figura 2a) O treinamento da rede foi feito

pelo emprego do algoritmo de treinamento supervisionado ou de

retropropagaccedilatildeo (backpropagation) que retropropaga o erro (backward) da

informaccedilatildeo da camada de saiacuteda para a camada de entrada (Figura 2b)

A funccedilatildeo de ativaccedilatildeo ou de transferecircncia da rede neural foi uma funccedilatildeo

natildeo linear (Figura 3) Entre as funccedilotildees de natildeo linearidade de ativaccedilatildeo da rede

neural foram testadas a funccedilatildeo zero based log sigmoid (Buskard et al 1994

Lundin et al 1999 Grossi 2006) e a funccedilatildeo tangente hiperboacutelica (Buskard et

al1994 Frize et al 2000 Ennett et al 2001 2004 Grossi 2006) a cada um

dos neurocircnios da rede neural camada a camada

A aplicaccedilatildeo da rede neural foi feita em trecircs etapas aprendizado-

treinamento previsatildeo e agrupamento aleatoacuterio

3921 Escolha da arquitetura da rede neural

De iniacutecio foi avaliada a arquitetura mais adequada para o aprendizado-

treinamento da rede neural mediante realizaccedilatildeo de testes com ateacute 20 camadas

intermediaacuterias de acordo com o ajuste de estimativas Foram investigados

a) nuacutemero de ciclos ndash A definiccedilatildeo do nuacutemero maacuteximo de ciclos ou

iteraccedilotildees para o aprendizado-treinamento da rede neural foi ajustada apoacutes

testes variando o paracircmetro em 30000 20000 e 10000 ciclos mantendo fixos

todos os demais paracircmetros da rede neural (Tabela 91)

b) erro delta ndash A definiccedilatildeo do valor do erro delta para o aprendizado-

treinamento da rede foi estipulado apoacutes testes variando o paracircmetro em

00001 00010 e 00020 do erro delta mantendo fixos todos os demais

paracircmetros envolvidos da rede neural inclusive o nuacutemero maacuteximo de ciclos em

30000 ciclos (tabela 91)

Meacutetodos 18

O nuacutemero maacuteximo de ciclos definido para o aprendizado-treinamento da rede

foi de 30000 etapas ou o valor do erro delta de 00001

c) os pesos sinaacutepticos iniciais ndash A determinaccedilatildeo dos pesos

(ponderaccedilatildeo da contribuiccedilatildeo da variaacutevel na estimaccedilatildeo) das conexotildees

sinaacutepticas foi definida pela proacutepria rede na execuccedilatildeo repetida do algoritmo de

aprendizado-treinamento A partir do peso sinaacuteptico inicial de 03 previamente

definido foi modulado a cada conexatildeo seguindo regra de aprendizado pela

aplicaccedilatildeo do algoritmo de treinamento supervisionado (backpropagation) para

ajustar o erro da variaacutevel de saiacuteda De maneira iterativa a variaacutevel de saiacuteda

estimada na rede foi comparada com a variaacutevel de saiacuteda observada resultando

num sinal de erro que foi retropropagado pela rede para permitir o ajuste dos

pesos (Figura 2b) Esses ciclos foram repetidos ateacute que a rede atribuiu para

cada variaacutevel de entrada uma variaacutevel de saiacuteda com valores estimados de

sobrevida consistentes com os valores observados

d) taxa de aprendizado ndash O paracircmetro denominado taxa de

aprendizado influencia o aprendizado da rede (Sanchez 2009) e foi fixado no

valor limite de 03 para o ajuste limitado da curva de aprendizado-treinamento

da rede neural

e) termo de momentum ndash O paracircmetro da rede neural denominado

termo de momentum interveacutem no aprendizado por aumentar a taxa de

aprendizado (Sanchez 2009) como moderador e foi fixado no valor limite de

03 para o ajuste da curva de aprendizado-treinamento da rede neural

Para definir a abordagem mais adequada para a imputaccedilatildeo nos valores

faltantes foram adotados trecircs criteacuterios distintos para avaliar a mais apropriada

previsatildeo de sobrevida da rede neural

a) valores de referecircncia normais para as variaacuteveis faltantes (Frize et

al 2001 Ennett et al 2001) ndash iacutendice de massa corpoacuterea (World Health

Organization 1995) pressatildeo arterial diastoacutelica (James et al 2014) espessura

diastoacutelica do septo intraventricular diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro do aacutetrio esquerdo (Lang et al 2005) potaacutessio seacuterico colesterol total e

creatinina seacuterica (rotina laboratorial institucional) (Tabela 8)

b) valor superior da normalidade (rotina laboratorial institucional) para

as taxas de colesterol total e creatinina seacuterica (Tabela 8)

Meacutetodos 19

c) valor da mediana das variaacuteveis disponiacuteveis para imputaccedilatildeo nos

valores faltantes (Frize et al 2001 Ennett et al 2001) (Tabela 8)

3922 Aprendizado-treinamento da rede neural

Para definir o mais apropriado tipo de treinamento para a previsatildeo da

sobrevida da rede neural duas teacutecnicas foram avaliadas

a) utilizando amostragem aleatoacuteria ndash trecircs amostras aleatoacuterias de um

terccedilo da casuiacutestica (n=968) foram constituiacutedas para aprendizado-treinamento

validaccedilatildeo e ajuste e aplicaccedilatildeo

b) utilizando a casuiacutestica do estudo (n=968) em cinco fases ndash

aprendizado- treinamento e definiccedilatildeo da rede neural com base nos oacutebitos

identificados ateacute 2012 aplicaccedilatildeo para estimativa de sobrevida ateacute 2012

comparaccedilatildeo de previsotildees com base nos oacutebitos verificados em 2013 reensaios

com oacutebitos identificados ateacute 2014 comparaccedilatildeo da previsatildeo para pacientes que

faleceram em 2013 e 2014 (Figura 4)

Na primeira fase com a finalidade de iniciar o aprendizado-treinamento

da rede neural foi avaliada a amostra dos pacientes com oacutebitos ocorridos ateacute

2012 e informaccedilotildees completas (dados falantes imputados segundo as

abordagens mencionadas) Foram realizados testes com base nas variaacuteveis

indicadas tanto pela anaacutelise estatiacutestica quanto pela relevacircncia cliacutenica tendo

como funccedilatildeo de ativaccedilatildeo zero based log sigmoid e tangente hiperboacutelica (Figura

3)

O tempo de sobrevida observado ateacute o desfecho oacutebito foi estimado a

partir da data do iniacutecio dos sintomas e a partir da data da primeira consulta no

ambulatoacuterio do hospital Com base no tempo meacutedio de seguimento o tempo de

sobrevida observado foi explorado e categorizado com base na experiecircncia

cliacutenica nas variaacuteveis prognoacutesticas referidas na literatura (Cowie et al 2000

Dries et al 2000 Lewis et al 2003 Rauchhaus et al 2003 Freitas et al

2005 Pocock et al 2006 Rassi Jr et al 2007 McManus et al 2009) para

identificar os pacientes com prognoacutestico menos favoraacutevel e obter a melhor

Meacutetodos 20

estimativa da rede (Tabelas 9 91) Variaacuteveis de relevacircncia cliacutenica foram

empregadas (Tabelas 9 e 91)

O erro da estimativa do tempo de sobrevida ateacute o oacutebito nesta fase foi

avaliado por meio do emprego da expressatildeo

erro da previsatildeo =| [(sobrevida prevista ndash sobrevida observada ateacute o oacutebito) x 100 ] |

sobrevida observada ateacute o oacutebito

em que

erro da previsatildeo () ndash erro relativo da previsatildeo da sobrevida com o emprego

da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ateacute o oacutebito ndash tempo de sobrevida dos pacientes ateacute o

oacutebito

Na segunda fase com a finalidade de se obter a previsatildeo da sobrevida

para os sobreviventes ateacute dezembro de 2012 foram realizados nove testes

(Tabela 10) Esta fase avaliou os pacientes com variaacuteveis completas e

incompletas para os modelos de dados da rede neural com respostas inferiores

a 36 Foi calculado o erro relativo da estimativa de oacutebito por meio do

emprego da expressatildeo

erro hipoteacutetico de previsatildeo = | [(sobrevida prevista ndash sobrevida observada) x 100] |

sobrevida observada

em que

erro hipoteacutetico de previsatildeo () ndash erro de estimativa de previsatildeo de sobrevida

com o emprego da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ndash sobrevida observada com base na data do uacuteltimo

contato dos sobreviventes

Na terceira fase foram comparadas as previsotildees com o emprego de

modelos de redes neurais para os sobreviventes ateacute 2012 e que faleceram em

Meacutetodos 21

2013 (Tabela 11) Esta fase comparou o modelo de rede ou os modelos de

dados da rede com respostas inferiores a 41 (Tabelas 12 13 14 15 16 17)

Na quarta fase foram realizados novos testes de aprendizado-treinamento da

rede neural incorporando as atualizaccedilotildees de mortalidade de 2013 (reensaio 1 -

Tabela 18) e 2014 (reensaio 2 - Tabela 19) Esta fase de aprendizado-

treinamento considerou os melhores modelos de rede neural para previsatildeo da

sobrevida

Na quinta fase foram comparados os resultados de previsatildeo da

sobrevida inicial da rede neural a partir dos oacutebitos ocorridos ateacute 2012 com os

reensaios 1 (Tabelas 20 21) e 2 (Tabelas 22 23) atualizando mortalidade

respectivamente de 2013 e 2014

3923 Avaliaccedilatildeo dos melhores modelos de rede neural

A avaliaccedilatildeo dos paracircmetros de variabilidade entre os modelos de rede

neural bem como a sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo (Tabela 24) e a funccedilatildeo de perda (Tabela 25)

dos modelos de dados da rede neural foram calculados

a) Dispersatildeo ou variabilidade dos modelos de rede neural ndash os desvios-

padratildeo em torno da meacutedia geral do erro de previsatildeo da sobrevida dos modelos

de rede neural foram calculados e comparadas as homogeneidades entre os

modelos de rede neural no aprendizado (vivos ateacute 2012) e na previsatildeo

(falecidos em 2013 e 2014) (Tabelas 12 13 14 15 16 17 20 21 22 23)

b) Sensibilidade especificidade acuraacutecia valor preditivo positivo e

valor preditivo negativo dos modelos de rede neural ndash a probabilidade de

previsatildeo para os melhores modelos da rede neural foi calculada para os

intervalos de tempo ou de corte (Martinez et al 2003) em 6 meses 1 ano 2

anos e 3 anos As previsotildees obtidas a partir do emprego da rede neural foram

categorizadas em (Tabela 24)

b1) verdadeiro positivo (VP) ndash previsto o oacutebito que ocorreu

b2) verdadeiro negativo (VN) ndash prevista a sobrevivecircncia que se confirmou

Meacutetodos 22

b3) falso positivo (FP) ndash previsatildeo de sobrevida e ocorreu o oacutebito

b4) falso negativo (FN) ndash previsatildeo de oacutebito que natildeo ocorreu

b5) sensibilidade ndash previsatildeo acertada de oacutebito pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VP (VP + FN)

b6) especificidade ndash previsatildeo acertada de sobrevida pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VN (VN + FP)

b7) acuraacutecia ndash precisatildeo na estimativa de sobrevida O caacutelculo foi feito por meio

do emprego da expressatildeo (VP + VN) (VP + FP + VN + FN)

b8) valor preditivo positivo ndash previsatildeo de oacutebito estimado pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VP (VP + FP)

b9) valor preditivo negativo ndash previsatildeo de sobrevida pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VN (VN + FN)

c) Funccedilatildeo de perda dos modelos de rede neural ndash o desempenho preditivo da

rede neural foi avaliado por meio do emprego da funccedilatildeo de perda aparente

para a variaacutevel contiacutenua tempo de sobrevida (Yuan 2008) que leva em

consideraccedilatildeo a diferenccedila entre a sobrevida prevista pelo emprego da rede

neural e a sobrevida observada em cada caso O resultado foi demonstrado

pela perda meacutedia estimada ou a meacutedia aritmeacutetica simples em valores

absolutos e expresso em dias (Santos 2013) (Tabela 25)

310 Aspectos eacuteticos

O protocolo do estudo foi aprovado pela Comissatildeo de Eacutetica para

Anaacutelise de Projetos de Pesquisa do Hospital das Cliacutenicas da Faculdade de

Medicina da Universidade de Satildeo Paulo (CAAE 34706714100000068)

4 Resultados

Resultados 24

41 Anaacutelise estatiacutestica

Os resultados foram obtidos pela anaacutelise estatiacutestica descritiva e

exploratoacuteria e pela anaacutelise inferencial para o ajuste do modelo estatiacutestico

411 Anaacutelise descritiva e exploratoacuteria

A idade dos pacientes variou de 18 anos a 94 anos (meacutedia 577

desvio- padratildeo 131) 1362 (64) homens e 766 (36) mulheres 1325 (62)

pacientes tinham idade entre 41 anos e 65 anos e 603 (28) pacientes tinham

idade superior a 65 anos A etnia branca foi observada em 343 (16) dos

pacientes e o sobrepeso foi identificado em 697 (33) pacientes A fraccedilatildeo de

ejeccedilatildeo do ventriacuteculo esquerdo foi inferior a 45 em 1476 (69) pacientes As

etiologias predominantes foram as cardiopatias hipertensiva e isquecircmica em

1443 (678) pacientes e a doenccedila de Chagas ocorreu em 333 (16)

pacientes A cardiopatia dilatada e a alcooacutelica ocorreram respectivamente em

206 (10) pacientes e 146 (7) pacientes Na qualidade de pacientes que

procuraram atendimento a condiccedilatildeo funcional era tal que permitia o acesso agrave

consulta deambulando Dos pacientes em tratamento 967 (45) faziam uso da

associaccedilatildeo de trecircs ou quatro medicamentos

Outras caracteriacutesticas cliacutenicas laboratoriais eletrocardiograacuteficas e

ecocardiograacuteficas satildeo apresentadas na tabela 1 A frequecircncia de dados

faltantes eacute apresentada nas tabelas 23 e 4 para cada variaacutevel

Foram identificados 968 (455) oacutebitos ateacute dezembro de 2012

Somaram-se 83 (39) oacutebitos verificados em 2013 e 50 (23) oacutebitos

verificados em 2014 O total de oacutebitos foi 1101 (517)

A curva da probabilidade de sobrevida geral da casuiacutestica eacute

apresentada na figura 5 O tempo meacutedio de acompanhamento dos pacientes foi

596 meses desvio- padratildeo 418 meses (variaccedilatildeo de um dia a 137 meses) e

Resultados 25

aos cinco anos de evoluccedilatildeo 68 dos pacientes da casuiacutestica estavam vivos

Tomando em consideraccedilatildeo a etiologia da insuficiecircncia cardiacuteaca no tempo

meacutedio de acompanhamento 71 dos portadores de cardiopatia hipertensiva

69 dos portadores de cardiopatia dilatada 66 dos portadores de cardiopatia

alcooacutelica 55 dos portadores de cardiopatia isquecircmica e 50 dos portadores

de cardiopatia da doenccedila de Chagas estavam vivos

Nas curvas de probabilidade de sobrevida relativas a cada variaacutevel

estudada os valores faltantes foram agrupados em uma categoria A

comparaccedilatildeo entre as curvas de sobrevida foi feita para as variaacuteveis

categorizadas em faixas de valores de acordo com os valores de referecircncia e

com a categorizaccedilatildeo individual do dado faltante para cada variaacutevel avaliada

(Figuras 6 a 51)

A comparaccedilatildeo entre as curvas de sobrevida revelou diferenccedila

estatisticamente significante (valor - p lt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash idade (plt0001 figura 7)

b) cliacutenicas ndash etiologia da insuficiecircncia cardiacuteaca (plt0001 figura 6) peso

(plt0001 figura 10) altura (p=0048 figura 11) iacutendice de massa corpoacuterea

(plt0001 figura 12) pressatildeo arterial sistoacutelica (plt0001 figura 13) pressatildeo

arterial diastoacutelica (plt0001 figura 14) classe funcional (plt0001 figura 15)

c) ecocardiograacuteficas ndash diacircmetro do aacutetrio esquerdo (plt0001 figura 22)

diacircmetro diastoacutelico do ventriacuteculo esquerdo (plt0001 figura 23) diacircmetro

sistoacutelico do ventriacuteculo esquerdo (plt0001 figura 24) fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo (plt0001 figura 25) espessura diastoacutelica do septo

interventricular (plt0001 figura 26) e espessura diastoacutelica da parede posterior

do ventriacuteculo esquerdo (plt0001 figura 27)

d) laboratoriais ndash hemoglobina seacuterica (plt0001 figura 29) taxa de glicose

seacuterica em jejum (plt0001 figura 30) taxa de creatinina seacuterica (plt0001 figura

31) taxa de soacutedio seacuterico (plt0001 figura 32) taxa de potaacutessio seacuterico (plt0001

figura 33) taxa de colesterol total (plt0001 figura 34) taxa de HDL-colesterol

(plt0001 figura 35) taxa de LDL-colesterol (plt0001 figura 36) e taxa de

trigliceacuterides (plt0001 figura 37)

Resultados 26

A comparaccedilatildeo entre as curvas de sobrevida natildeo revelou diferenccedila

estatisticamente significante (valor-p gt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash sexo (p=0025 figura 8) etnia (p=027 figura 9)

b) cliacutenicas ndash frequecircncia cardiacuteaca (p=062 figura 16) duraccedilatildeo dos sintomas

(p=068 figura 17) e o antecedente de hipertensatildeo arterial (p=0049 figura 18)

tabagismo (p=074 figura 19) diabetes melito (p=0024 figura 20) e etilismo

(p=0024 figura 21)

c) eletrocardiograacuteficas ndash ritmo cardiacuteaco (p=00051 figura 28)

d) laboratoriais ndash taxa de leucoacutecitos (plt0048 figura 38) taxa de linfoacutecitos

(p=0011 figura 39)

e) medicamentos em uso na consulta inicial ndash inibidores da enzima conversora

da angiotensina (captopril enalapril) e bloqueadores dos receptores da

angiotensina II (losartana) (p=091 figura 40) bloqueadores adreneacutergicos

(carvedilol metoprolol propranolol e atenolol) (p=0042 figura 41) diureacuteticos

(furosemida hidroclorotiazida (p=00032 figura 42) espironolactona (p=032

figura 43) digoxina (p=0077 figura 44) antiagregante plaquetaacuterio (aacutecido

acetilsaliciacutelico) (p=055 figura 45) anticoagulante oral (varfarina) (p=043

figura 46) estatina (sinvastatina) (p=007 figura 47) vasodilatadores

(hidralazina e mononitrato de isossorbida) (p=058 figura 48) bloqueador dos

canais de caacutelcio (anlodipina) (p=077 figura 49) antiarriacutetmico (amiodarona)

(p=051 figura 50) nuacutemero de medicamentos em uso (p=014 figura 51)

De 33 variaacuteveis reunidas inicialmente para a sequecircncia de anaacutelise pelo

emprego do modelo de riscos proporcionais de Cox avaliamos os valores

disponiacuteveis de todas as variaacuteveis cliacutenicas laboratoriais ecocardiograacuteficas

(Tabela 2) bem como dos medicamentos agrupados por classe farmacoloacutegica

(Tabela 3) e do nuacutemero de medicamentos em uso na consulta inicial (Tabela

4)

Resultados 27

412 Anaacutelise inferencial

Para a etapa seguinte de anaacutelise inferencial as variaacuteveis foram

selecionadas com base no valor p lt 010 ou pela especial relevacircncia cliacutenica

(Tabela 2) que discrimina as variaacuteveis com p lt 0001 mais etnia diabetes

melito frequecircncia cardiacuteaca hipertensatildeo arterial etilismo tabagismo ritmo

cardiacuteaco espessura diastoacutelica do septo interventricular espessura diastoacutelica da

parede posterior glicemia de jejum hemoglobina potaacutessio seacuterico leucoacutecitos

linfoacutecitos lipoproteiacutena de alta (HDL-colesterol) e baixa (LDL-colesterol)

densidade trigliceacuterides nuacutemero de medicamentos em uso na consulta inicial e

data do iniacutecio dos sintomas

Nesta primeira etapa da anaacutelise apenas as variaacuteveis com dados

vaacutelidos foram utilizadas no modelo ou seja a categoria individual de dado

faltante para cada variaacutevel natildeo foi utilizada (Tabela 2) Na segunda etapa a

categoria dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis

natildeo associadas com o prognoacutestico (Tabela 5) Na terceira etapa as variaacuteveis

natildeo significativas foram reintroduzidas testadas uma a uma no modelo e

tiveram sua significacircncia recalculada para confirmar que natildeo estariacuteamos

perdendo a relevacircncia cliacutenica (Tabela 6)

Os niacuteveis descritivos (valor-p) para as 32 variaacuteveis foram obtidos pelo

teste de razatildeo de verossimilhanccedila para os modelos ajustados com cada

variaacutevel separadamente controlando idade definindo a influecircncia de cada

variaacutevel na probabilidade de sobrevivecircncia (Tabela 2)

A variaacutevel iniacutecio dos sintomas foi dicotomizada em um periacuteodo inferior a

doze meses e superior ou igual a doze meses mas natildeo se revelou significativa

(valor p=068) para o prognoacutestico e foi retirada do modelo

As variaacuteveis com valor-p lt 010 ou relevacircncia cliacutenica foram

selecionadas para a segunda etapa da anaacutelise inferencial (Tabela 2)

Apoacutes novo ajuste sequencial do modelo e considerando o valor-p gt

005 obtido do teste de razatildeo de verossimilhanccedila as variaacuteveis hipertensatildeo

Resultados 28

arterial sistecircmica hemoglobina seacuterica glicemia de jejum fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo frequecircncia cardiacuteaca sexo soacutedio seacuterico taxa de

leucoacutecitos trigliceacuterides diacircmetro sistoacutelico do ventriacuteculo esquerdo e taxa de

linfoacutecitos natildeo revelaram diferenccedila significativa para a sobrevida e foram

retiradas do modelo (Tabela 5)

Entre as variaacuteveis com valor-plt005 a saber idade iacutendice de massa

corpoacuterea pressatildeo arterial sistoacutelica pressatildeo arterial diastoacutelica etiologia da

insuficiecircncia cardiacuteaca classe funcional espessura do septo interventricular

diacircmetro diastoacutelico do ventriacuteculo esquerdo diacircmetro do aacutetrio esquerdo

potaacutessio seacuterico colesterol total e creatinina observou-se que para a variaacutevel

pressatildeo arterial sistecircmica somente a categoria de dados faltantes revelou

significacircncia para a sobrevida e por este motivo foi retirada do modelo

Para reavaliar o ajuste do modelo as variaacuteveis retiradas do primeiro

ajuste do modelo multivariado em razatildeo de valor-pgt005 foram reintroduzidas

uma a uma no modelo e sua significacircncia foi calculada com base no teste da

razatildeo de verossimilhanccedila A variaacutevel iniacutecio dos sintomas foi dicotomizada em

um periacuteodo inferior a doze meses e superior ou igual a doze meses mas natildeo

se revelou significativa (valor-p=078) para o prognoacutestico e foi retirada do

modelo A variaacutevel antecedente pessoal de diabetes melito foi a uacutenica que se

revelou com importacircncia para a sobrevida (Tabela 6)

Assim foram selecionadas as variaacuteveis idade iacutendice de massa

corpoacuterea pressatildeo arterial diastoacutelica etiologia da insuficiecircncia cardiacuteaca classe

funcional espessura do septo interventricular diacircmetro diastoacutelico do ventriacuteculo

esquerdo diacircmetro do aacutetrio esquerdo potaacutessio seacuterico colesterol total

creatinina e a presenccedila de diabetes melito como as variaacuteveis relacionadas com

a sobrevida (Tabela 7) e selecionadas para a alimentaccedilatildeo da rede neural

Resultados 29

42 Rede neural

421 Escolha da arquitetura da rede neural

Os resultados da rede neural sugeriram que a arquitetura da rede

neural com cinco camadas intermediaacuterias 30000 ciclos e erro delta de 00001

revelou-se a mais adequada (Tabela 91)

Os dados que observamos permitem sugerir que natildeo houve diferenccedila

entre os dois tipos de funccedilatildeo de ativaccedilatildeo de natildeo linearidade que foram

utilizados ndash zero based log sigmoid e tangente hiperboacutelica ndash para a previsatildeo da

sobrevida pela rede neural (Tabela 9 e 91)

Entre as diferentes abordagens utilizadas para a imputaccedilatildeo nos valores

faltantes ndash valor da normalidade valor superior da normalidade valor da

mediana ndash observamos que a rede neural natildeo revelou resultado adequado na

previsatildeo da sobrevida (Tabela 9 e 91)

As 12 variaacuteveis selecionadas para o aprendizado-treinamento da rede

neural foram submetidas agrave interaccedilatildeo muacutetua nas cinco camadas para o ajuste

da rede

422 Aprendizado-treinamento da rede neural

Os resultados que definiram o tipo de treinamento mais apropriado

para a previsatildeo da sobrevida da rede neural foram obtidos pela teacutecnica da

amostragem aleatoacuteria e pela teacutecnica da utilizaccedilatildeo da casuiacutestica do estudo em

cinco fases

Resultados 30

4221 Amostragem aleatoacuteria

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em 322 pacientes selecionados aleatoriamente No

segundo terccedilo de pacientes (n = 322) o erro relativo da previsatildeo de sobrevida

da rede neural foi de 33685 Se comparada com a porcentagem de erro da

previsatildeo da rede neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do

tempo de sobrevida observado para os mesmos 322 pacientes o erro de

previsatildeo da rede foi de 36388

No teste realizado no terceiro terccedilo (n=324) dos pacientes agrupados

aleatoriamente o erro relativo da previsatildeo de sobrevida da rede neural foi

54419 Se comparado com a porcentagem de erro da previsatildeo da rede

neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do tempo de

sobrevida o erro de previsatildeo foi 61880

Em siacutentese pelos testes da rede neural com agrupamento aleatoacuterio o

aprendizado-treinamento da rede neural natildeo foi apropriado

4222 Fases do estudo da casuiacutestica

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em cinco fases

42221 Primeira fase ndash aprendizado-treinamento da rede neural

Para efeito de teste foi considerada a amostra dos pacientes com

oacutebitos ocorridos ateacute 2012 e a rede foi tambeacutem alimentada com outras variaacuteveis

que natildeo as 12 selecionadas pela anaacutelise estatiacutestica

Resultados 31

As variaacuteveis sexo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo de 25 e

55 creatinina seacuterica nos valores de 13 e 26 mgdL colesterol total nos

valores de 200 mgdL e 239 mgdL diacircmetro diastoacutelico do ventriacuteculo esquerdo

nos valores de 60 mm e 75 mm e a associaccedilatildeo das variaacuteveis colesterol total

nos valores de 200 mgdL e 239 mgdL e diacircmetro diastoacutelico do ventriacuteculo

esquerdo nos valores de 60 mm e 75 mm foram consideradas para o

aprendizado-treinamento da rede por serem variaacuteveis significativas no

prognoacutestico de alguns estudos (Gradman et al 1989 Dries et al 2000 Senni

et al 2001 Lee DS et al 2003 Levy et al 2006 Pocock et al 2006

Abraham et al 2008 Anand et al 2008 Roger et al 2013 Mahmood et al

2014 Kenchaiah et al 2015) portanto limitadoras para os testes da rede

neural (Tabelas 9 e 91) Natildeo houve melhora da capacidade de previsatildeo da

sobrevida pela rede (Tabelas 9 e 91)

O tempo de sobrevida observado foi trabalhado sem categorizaccedilatildeo e

com a classificaccedilatildeo em seis categorias do tempo de seguimento tomando

tambeacutem como base o seu tempo meacutedio ateacute 2 anos entre 1 ano e 6 anos entre

2 anos e 6 anos entre 15 ano e 85 anos acima de 2 anos e acima de 6 anos

Os resultados da modelagem da rede neural tomando em consideraccedilatildeo

o tempo de sobrevida observado estrateacutegia para imputaccedilatildeo no caso de dados

faltantes criteacuterios para variaacuteveis cliacutenicas funccedilatildeo de transferecircncia ou de

ativaccedilatildeo e informaccedilatildeo da data inicial disponiacutevel para estimar a sobrevida (data

do iniacutecio dos sintomas ou a data primeira consulta) estatildeo apresentados nas

tabelas 9 e 91

Os resultados obtidos foram

a) quando avaliadas diferentes estrateacutegias ndash o erro de previsatildeo da

sobrevida variou entre 201 (rede neural 4) e 102308 (rede neural 12)

dependendo da data disponiacutevel para estimar a sobrevida da funccedilatildeo de

transferecircncia dos valores de imputaccedilatildeo para os dados faltantes e das variaacuteveis

clinicamente relevantes (Tabelas 9 e 91) Portanto os resultados foram

inadequados para prever a sobrevida

b) quando avaliadas diferentes categorizaccedilotildees do tempo de sobrevida

observado ndash o erro de previsatildeo da sobrevida variou entre 3199 (rede neural

13) e 880 (rede neural 14) para a estrateacutegia um de imputaccedilatildeo para os dados

Resultados 32

faltantes funccedilatildeo de transferecircncia zero based log sigmoid a partir da data da

primeira consulta e diferentes variaacuteveis cliacutenicas significativas (Tabela 9) Os

resultados foram inadequados para prever a sobrevida exceto para a

categorizaccedilatildeo do tempo de evoluccedilatildeo entre 2 anos e 6 anos sem nenhuma

variaacutevel cliacutenica (3199 rede neural 13)

Pela categorizaccedilatildeo do tempo de sobrevida observado entre 1 ano e 6

anos a inclusatildeo de variaacuteveis cliacutenicas significativas com a funccedilatildeo de

transferecircncia zero based log sigmoid a partir da data da primeira consulta e

valores de imputaccedilatildeo para os dados faltantes baseados na estrateacutegia 1 (Tabela

9) fez o erro de estimativa variar entre 5185 (rede neural 15) e 7068 (rede

neural 17) Os resultados foram considerados inadequados para prever a

sobrevida

c) o resultado de previsatildeo da sobrevida variou entre o limite maacuteximo de

4801 (rede neural 24) e miacutenimo de 1137 (rede neural 26) quando as

categorizaccedilotildees do tempo de sobrevida observado tomaram como referecircncia o

tempo meacutedio de seguimento dos pacientes (49 anos) dependendo da data

disponiacutevel para estimar a sobrevida e da funccedilatildeo de transferecircncia (Tabela 9) Os

resultados foram considerados mais adequados para prever a sobrevida

d) a inclusatildeo da etiologia na categorizaccedilatildeo do tempo de sobrevida

observado entre 2 anos e 6 anos resultou numa previsatildeo da rede neural entre

2191 (rede neural 42) a 2952 (rede neural 40) (Tabelas 9 e 91) O

resultado foi considerado mais adequado para prever a sobrevida para a

cardiopatia da doenccedila de Chagas (2191 rede neural 42) e natildeo acrescentou

capacidade estimativa para as outras etiologias

O teste com vaacuterias categorizaccedilotildees do tempo de sobrevida observado

revelou que os melhores resultados de previsatildeo da sobrevida foram obtidos

pelo modelo de rede definida por tempo de sobrevida observado acima de 6

anos a partir da data da primeira consulta com estimativa de sobrevida de

1277 (funccedilatildeo de ativaccedilatildeo ndash tangente hiperboacutelica rede neural 24) ou 1137

(funccedilatildeo de ativaccedilatildeo ndash zero based log sigmoid rede neural 26) e com tempo

de sobrevida observado entre 2 anos e 6 anos a partir da data do iniacutecio dos

sintomas com estimativa de sobrevida de 2054 (funccedilatildeo de ativaccedilatildeo ndash

Resultados 33

tangente hiperboacutelica rede neural 22) ou 2260 (funccedilatildeo de ativaccedilatildeo ndash zero

based log sigmoid rede neural 20) (Tabelas 9 e 91)

Os resultados dos testes que definiram os melhores modelos de dados

da rede neural em estimar a sobrevida estatildeo representados na tabela 10

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar

a sobrevida

Nos pacientes sobreviventes ateacute dezembro de 2012 os resultados de

previsatildeo da sobrevida satildeo apresentados na tabela 11

Os erros de previsatildeo pelo emprego da rede neural foram superiores

aos obtidos na previsatildeo da primeira fase Ainda assim foram adequados para

prever a sobrevida principalmente no modelo de rede com tempo de sobrevida

observada superior a 6 anos

Os melhores modelos de previsatildeo da sobrevida foram aqueles com

tempo de sobrevida observado superior a 6 anos e que consideraram como

data disponiacutevel para estimar a sobrevida a data da primeira consulta tanto para

tangente hiperboacutelica (2071) quanto para funccedilatildeo zero based log sigmoide

(2150)

Os melhores resultados da rede neural observados nesta fase

coincidiram com os melhores resultados revelados pela rede neural na primeira

fase do aprendizado da rede

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede

neural

Os resultados da previsatildeo de sobrevida sugeridos pela rede neural

estatildeo apresentados na tabela 12 o erro de estimativa da rede variou de acordo

com o modelo de dados da rede neural A comparaccedilatildeo dos erros (previsto pela

rede neural versus observado na evoluccedilatildeo) para cada paciente estaacute

Resultados 34

representada nas tabelas 13 14 15 16 e 17 (estimativas individuais) Os

resultados obtidos foram

a) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n = 19 sobreviventes) da rede comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 3562 (desvio-

padratildeo 2498) para 4755 (desvio-padratildeo 1384) com homogeneidade dos

erros de previsatildeo maior (menor desvio-padratildeo)

Poreacutem individualmente os erros de previsatildeo da comparaccedilatildeo com o

real foram superiores a 44 em 7368 (14 pacientes) do total de pacientes da

amostra e inferiores a 40 em 2632 (5 pacientes) do total de pacientes para

este modelo de dados da rede neural (Tabela 13)

b) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data de iniacutecio dos sintomas e funccedilatildeo zero based log sigmoid ndash a

meacutedia dos erros de previsatildeo (n = 2 sobreviventes) comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 1155 para

4037 com discreta diferenccedila na homogeneidade dos erros de previsatildeo

respectivamente desvios-padratildeo 1249 e 1365 Para os dois pacientes deste

modelo de dados da rede neural os resultados de 5002 e 3072 de

sobrevida natildeo permitiram avaliar da precisatildeo da rede neural (Tabela 14)

c) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

dos erros de previsatildeo (n=2 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 4095 (desvio-padratildeo

1237) para 5614 (desvio-padratildeo 001) com homogeneidade dos erros de

previsatildeo maior (desvio-padratildeo menor) Para os dois pacientes deste modelo de

dados da rede neural os resultados de previsatildeo da sobrevida de 5615 e

5614 natildeo permitiram avaliar a precisatildeo da rede neural (Tabela 15)

d) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia dos

erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros de

previsatildeo dos falecidos em 2013 diminuiu de 2120 (desvio-padratildeo 1396)

para 1880 (desvio-padratildeo 1239) com a dispersatildeo em torno da meacutedia do

Resultados 35

erro de previsatildeo mais homogecircneo (desvio-padratildeo menor) Os resultados

individuais para este modelo de dados da rede neural dos erros de previsatildeo

da comparaccedilatildeo com o real variaram de 069 a 387 Os resultados

superiores a 26 de erro previsatildeo da sobrevida foram observados em 10

pacientes (2778) do total de pacientes da amostra e foram inferiores a 25

em 26 pacientes (7222 ) Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 11 (Tabela 16)

e) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 1848 (desvio-padratildeo

1354) para 1948 (desvio-padratildeo 1167) com maior homogeneidade (menor

desvio-padratildeo) Os resultados individuais dos erros de previsatildeo da comparaccedilatildeo

com o real variaram de 095 a 4588 Os resultados superiores a 26 de

erro de previsatildeo da sobrevida foram observados em 13 pacientes (3611) e

inferiores a 25 em 23 pacientes (6389) do total de pacientes para este

modelo de dados da rede Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 13 (Tabela 17)

A anaacutelise dos resultados de previsatildeo da sobrevida pela rede neural

sugere que os modelos de redes neurais com tempo de sobrevida observada

superior a seis anos considerando a data da primeira consulta tanto para a

funccedilatildeo tangente hiperboacutelica quanto para a funccedilatildeo zero based log sigmoid

apresentaram maior precisatildeo na estimativa da sobrevida

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural

Foram incorporados para aprendizado-treinamento dos modelos de

dados de rede neural 44 pacientes com dados completos dos 83 pacientes que

vieram a falecer em 2013 (reensaio 1 ndash Tabela 18) e 30 pacientes com dados

completos dos 50 pacientes que faleceram em 2014 (reensaio 2 ndash Tabela 19)

Os resultados obtidos foram

Resultados 36

a) reensaio incorporando os oacutebitos ateacute 2013 - os testes de reensaio

realizados em 145 pacientes com oacutebito e informaccedilotildees completas (101 falecidos

em 2012 e 44 em 2013) e a estimativa de sobrevida da rede neural em 269

pacientes (186 falecidos em 2012 e 83 pacientes em 2013) Foi realizado o

reensaio para os melhores modelos de dados da rede neural para previsatildeo da

sobrevida

a1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo de

sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1376 quando comparado com a previsatildeo inicial sem esse dado (1277)

(Tabela 18) A meacutedia geral dos erros reais de previsatildeo da sobrevida pela rede

diminuiu de 2120 (desvio-padratildeo 1396) para 848 (desvio-padratildeo 961)

apoacutes o reensaio 1 (Tabela 20) A homogeneidade dos erros de previsatildeo foi

maior (menor desvio-padratildeo)

a2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1230 quando comparado com o resultado de previsatildeo inicial sem esses

dados (1137) (Tabela 18) A meacutedia geral dos erros reais de previsatildeo da

sobrevida pela rede neural diminuiu de 1848 (desvio-padratildeo 1410) para

1124 (desvio-padratildeo 851) apoacutes o reensaio 1 (Tabela 21) A homogeneidade

dos erros de previsatildeo foi maior (menor desvio-padratildeo)

b) reensaio incorporando os oacutebitos ateacute 2014 - Os testes de reensaio

realizados em 175 pacientes com oacutebito identificado e informaccedilotildees completas

(145 pacientes falecidos 2012 e 30 em 2014) A previsatildeo da estimativa de

sobrevida da rede neural foi realizada em 319 pacientes (269 pacientes

falecidos em 2012 e 50 em 2013) Foi realizado o reensaio para os melhores

modelos de dados da rede neural para previsatildeo da sobrevida

b1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo da

sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1733 quando comparado com o resultado de previsatildeo inicial sem esse dado

Resultados 37

(1277) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 2120 (desvio-padratildeo 1396) para 910 (desvio-

padratildeo 961) apoacutes o reensaio 2 (Tabela 22) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

b2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1488 quando comparado com o resultado de previsatildeo inicial sem esse dado

(1137) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 1848 (desvio-padratildeo 1410) para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 (Tabela 23) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede

neural

Foram comparadas as meacutedias dos erros de previsatildeo da sobrevida (n =

36 pacientes) pela rede neural sem a incorporaccedilatildeo dos oacutebitos de 2013 e 2014

com a incorporaccedilatildeo dos oacutebitos de 2013 e 2014 Os resultados obtidos foram

a) modelo de rede com tempo de sobrevida observado acima de 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

geral (n= 36 pacientes) dos erros sem a incorporaccedilatildeo dos oacutebitos de 2013 e

2014 de previsatildeo da sobrevida pela rede comparados com os resultados apoacutes

os reensaios incorporando os oacutebitos de 2013 e 2014 diminuiu

respectivamente de 2120 (desvio-padratildeo 1396) para a 848 (desvio-

padratildeo 961) e 910 (desvio-padratildeo 787) A homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 2 foi maior (menor desvio-

padratildeo)

Os resultados individuais das meacutedias dos erros de previsatildeo da

sobrevida foram inferiores a 10 em 75 (27 pacientes) e superiores a 15

em 25 (9 pacientes) do total de pacientes para o reensaio 1 (Tabela 22)

Resultados 38

Para o reensaio 2 os erros de previsatildeo da sobrevida pela rede neural foram

inferiores a 10 em 7222 (26 pacientes) e superiores ou iguais a 15 em

2778 (10 pacientes) do total de pacientes (Tabela 22)

b) modelo de rede com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

geral (n = 36 pacientes) dos erros de previsatildeo da sobrevida pela rede sem a

incorporaccedilatildeo dos oacutebitos de 2013 e 2014 comparados com os resultados apoacutes

o reensaio 1 incorporando os oacutebitos diminuiu de 1848 (desvio-padratildeo

1410) para 1124 (desvio-padratildeo 851) e aumentou para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 com maior homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 1 (menor desvio-padratildeo) (Tabela

23) Os resultados individuais das meacutedias dos erros de previsatildeo da sobrevida

incorporando os oacutebitos de 2013 e 2014 foram inferiores ou iguais a 10 em

6111 (22 pacientes) e superiores a 15 em 3889 (14 pacientes) do total

de pacientes para o reensaio 2 (Tabela 23)

Em siacutentese os resultados obtidos pelos testes para os dois melhores

modelos de dados da rede neural sugerem que

a) houve aprendizado satisfatoacuterio da rede neural pela atualizaccedilatildeo dos

dados de mortalidade de anos subsequentes

b) a acuraacutecia das meacutedias dos erros de previsatildeo da sobrevida apoacutes a

incorporaccedilatildeo dos oacutebitos ocorridos em 2013 e 2014 foi melhor quando

comparada com as meacutedias de previsatildeo da rede neural para os sobreviventes

ateacute 2012

c) os resultados das meacutedias gerais dos erros de previsatildeo da sobrevida

foram satisfatoacuterios mas inferiores a 13 apoacutes a incorporaccedilatildeo dos oacutebitos de

2013 e 2014

d) o modelo de dados com limite de sobrevida superior a seis anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica teve a melhor

precisatildeo da rede neural na previsatildeo da sobrevida com erro inferior a 10

e) a precisatildeo da previsatildeo da sobrevida quando avaliada caso a caso

apoacutes a incorporaccedilatildeo dos oacutebitos ocorridos em 2013 permite resultados

satisfatoacuterios (erro de previsatildeo lt 5) em 16 casos mas tambeacutem incorre em

Resultados 39

erros de previsatildeo insatisfatoacuterios (gt30) em dois casos num total de 36 casos

para este modelo de rede

f) a categorizaccedilatildeo do tempo de sobrevida observado eacute importante para

o aprendizado-treinamento da rede neural na previsatildeo da sobrevida

43 Avaliaccedilatildeo dos melhores modelos da rede neural

Os resultados do desempenho dos melhores modelos de rede neural

para a previsatildeo da sobrevida foram avaliados

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo

valor preditivo negativo da rede neural

Para os seis melhores modelos de rede neural os resultados

evidenciaram sensibilidade que variou entre 930 e 872 especificidade

entre 775 e 667 acuraacutecia entre 852 e 789 valor preditivo positivo

que variou entre 880 e 536 e valor preditivo negativo entre 974 e 714

(Tabela 23)

Os resultados obtidos pelos melhores modelos de dados avaliados

permitem a seguinte siacutentese

a) no modelo de rede neural com tempo de sobrevida observado

superior a 6 anos a partir da data da consulta inicial com intervalo de corte de

trecircs anos (1095 dias) a sensibilidade foi de 93 (com ambas as funccedilotildees de

ativaccedilatildeo) especificidade de 775 (funccedilatildeo tangente hiperboacutelica) e 764

(funccedilatildeo zero based log sigmoid) acuraacutecia da rede foi satisfatoacuteria de 81 ou

802 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo negativo alto de

974 (com ambas as funccedilotildees de ativaccedilatildeo) e valor preditivo positivo baixo de

547 ou 536 (dependendo da funccedilatildeo de ativaccedilatildeo)

Resultados 40

b) no modelo de rede neural com tempo de sobrevida observado entre

2 anos e 6 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de dois anos (730 dias) a sensibilidade foi de 898 (com ambas as funccedilotildees

de ativaccedilatildeo) especificidade de 765 (funccedilatildeo zero based log sigmoid) e 725

(funccedilatildeo tangente hiperboacutelica) acuraacutecia da rede foi satisfatoacuteria de 839 e

852 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo alto de 88

ou 863 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo alto

de 796 ou 787 (dependendo da funccedilatildeo de ativaccedilatildeo)

c) no modelo de rede neural com tempo de sobrevida observado

inferior a 2 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de um ano (365 dias) a sensibilidade foi razoaacutevel de 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade inadequada de 667 e 625

(dependendo da funccedilatildeo de ativaccedilatildeo) acuraacutecia satisfatoacuteria de 803 e 789

(dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo razoaacutevel de 837

e 820 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo

de 7275 e 714 (dependendo da funccedilatildeo de ativaccedilatildeo)

d) os resultados foram insatisfatoacuterios nas estimativas por tempo de

seguimento observado superior a 6 anos a partir da data do iniacutecio dos

sintomas com intervalo de corte de dois anos independentemente da funccedilatildeo

de ativaccedilatildeo bem como no tempo de sobrevida observado inferior a 2 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de seis meses

independentemente da funccedilatildeo de ativaccedilatildeo Nos modelos com tempo de

seguimento observado entre 2 anos e 6 anos com intervalo de corte de um

ano independentemente da funccedilatildeo de ativaccedilatildeo tanto para a data do iniacutecio dos

sintomas quanto para a data da consulta inicial os resultados foram

insatisfatoacuterios (Tabela 24)

432 Funccedilatildeo de perda da rede neural

O erro ou perda meacutedia estimada da sobrevida para os melhores

modelos de rede neural (Tabela 25) revelou

Resultados 41

a) o erro meacutedio de previsatildeo da sobrevida variou de 12695 dias a

38931 dias

b) os menores erros de previsatildeo (12695 dias e 13307 dias) foram

obtidos pelo modelo de rede neural com tempo de sobrevida inferior a 2 anos e

o tempo estimado desde a data de iniacutecio dos sintomas

c) os segundos menores erros de previsatildeo (23161 dias e 25906 dias)

foram alcanccedilados pelo modelo de rede neural com tempo de sobrevida entre 2

anos e 6 anos e o tempo estimado desde a data de iniacutecio dos sintomas

d) os piores erros de estimativa foram (29388 dias 33255 dias e

38931 dias) para tempo de sobrevida superior a 6 anos e tempo de sobrevida

entre 2 anos e 6 anos com informaccedilatildeo da data da primeira consulta

Os melhores resultados da funccedilatildeo de perda foram obtidos pelos

modelos de rede neural com o menor nuacutemero de pacientes (tamanho da

amostra = 47) e com informaccedilatildeo da data do iniacutecio dos sintomas

A avaliaccedilatildeo pelo emprego da funccedilatildeo de perda revelou a estimativa da

rede neural que pode alcanccedilar erros de 44 meses ateacute 11 anos para mais ou

para menos

5 Discussatildeo

Discussatildeo 43

A casuiacutestica estudada tem caracteriacutesticas de interesse para a

interpretaccedilatildeo dos achados e potenciais implicaccedilotildees cliacutenicas dos resultados

obtidos

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes

Trata-se de casuiacutestica ambulatorial diversa de casuiacutesticas de

publicaccedilotildees de nosso meio que avaliaram pacientes hospitalizados (Bestetti et

al 1997 Pereira Barretto et al 1998 Carlo et al 2014 Albuquerque et al

2015) Tambeacutem eacute digno de nota o fato de ser hospital acadecircmico de referecircncia

terciaacuteria que integra a rede do Sistema Uacutenico de Sauacutede (SUS) incluindo entre

suas responsabilidades institucionais identificar pacientes com insuficiecircncia

cardiacuteaca de prognoacutestico mais reservado com necessidade de tratamentos

complexos

511 Casuiacutestica

A casuiacutestica (n=2128) pode ser estimada grande comparada com

outras que avaliaram incidecircncia e fatores desencadeantes (n=903) (Pereira

Barretto et al 1998) sobrevida (n= 104) (Mady et al 1994) prognoacutestico

(n=1220 - Freitas et al 2004 ou n=944 - Nadruz et al 2018) fatores preditores

de mortalidade (n=56) (Bestetti et al 1994) modelo cliacutenico de prediccedilatildeo

ambulatorial de sobrevida (n=268) (Aaronson et al 1997) impacto de

comorbidades na estratificaccedilatildeo prognoacutestica ambulatorial (n=807) (Senni et al

2006) de pacientes com insuficiecircncia cardiacuteaca Poreacutem dada a natureza

generalizada sob ponto de vista cardioloacutegico de certa forma aberta do Serviccedilo

lidamos com pacientes que recebem o diagnoacutestico cliacutenico sem restriccedilotildees

quanto a casuiacutesticas apenas de homens (Mady et al 1994) etiologia da

doenccedila de Chagas (Bestetti et al 1994) ou isquecircmica (Lewis et al 2003) ou

Discussatildeo 44

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo inferior ou igual a 40 (Gradman et

al1989)

512 Idade

A meacutedia da idade na casuiacutestica (577 anos desvio-padratildeo 131) foi de

pacientes com idade inferior a 65 anos (71) agrave semelhanccedila de outros estudos

que verificaram meacutedias de idade entre 517 anos (desvio- padratildeo 83) e 59

anos (desvio- padratildeo 14 anos) (Bestetti et al 1997 Freitas et al 2005 Silva et

al 2007 Nadruz et al 2018) embora haja casuiacutesticas publicadas com meacutedia

de idade superior a 61 anos (Roger et al 2004 Rohde et al 2005 Moutinho

et al 2008 Shah et al 2017) e outra com meacutedia de idade de 48 anos desvio-

padratildeo 12 anos (Nunes et al 2008)

Portanto nossa casuiacutestica identificou no periacuteodo de estudo pacientes

adoecidos em fase potencialmente produtiva da vida com suas eventuais

implicaccedilotildees familiares econocircmicas e sociais

513 Sexo

A frequecircncia de homens em relaccedilatildeo a mulheres predominou (64) na

casuiacutestica assim como em outros estudos (Likoff et al 1987 Bestetti et al

1997 Lewis et al 2003 Freitas et al 2005 Rassi et al 2006 Ahmed et al

2006a Theodoropoulos et al 2007 Nunes et al 2008 Marcula et al 2011

Carlo et al 2014 Gheorghiade et al 2013 Abdul-Rahim et al 2016 Nadruz

et al 2018)

Por outro lado haacute estudos em que o sexo feminino foi mais frequente

(Mahmood et al 2014 Gradman et al 1989 MacIntyre et al 2000 Roger et

al 2004 Ahmed et al 2006b Fonarow et al 2007b Moutinho et al 2008

Gerber et al 2015 Albuquerque et al 2015)

Discussatildeo 45

Por conseguinte ainda que a frequecircncia de homens predomine na casuiacutestica

as mulheres compotildeem contingente relevante (Ponikowski et al 2016)

514 Antecedentes

Na nossa casuiacutestica a maioria dos pacientes foi de natildeo diabeacuteticos

(70) e entre aqueles com diagnoacutestico de diabete melito (23) houve 18

insulino - independentes Pacientes com antecedentes de hipertensatildeo arterial

foram prevalentes (72) na casuiacutestica Tais caracteriacutesticas reiteram a

importacircncia epidemioloacutegica da hipertensatildeo arterial em relaccedilatildeo tambeacutem agrave

insuficiecircncia cardiacuteaca

515 Etiologia

A distribuiccedilatildeo da etiologia revisada em cada paciente tem

caracteriacutesticas proacuteprias quanto agrave frequecircncia das cardiopatias hipertensiva

(43) isquecircmica (25) cardiopatia da doenccedila de Chagas (16) cardiopatia

dilatada idiopaacutetica (10) e alcooacutelica (7)

Em outras casuiacutesticas brasileiras houve predomiacutenio de cardiomiopatia

dilatada idiopaacutetica (282 a 372) (Freitas et al 2005 Silva et al 2007) e

isquecircmica (21 a 33) (Pereira Barretto et al 1998 Albuquerque et al 2015

Nadruz et al 2018)

Em casuiacutestica de outros paiacuteses houve diferenccedila na distribuiccedilatildeo

etioloacutegica nas amostras estudadas com a maior frequecircncia de cardiomiopatia

dilatada idiopaacutetica (Keogh et al 1990) ou a etiologia isquecircmica (Senni et al

1999 Levy et al 2006 Abraham et al 2008)

Por isso esta casuiacutestica permite a interessante possibilidade de

avaliaccedilatildeo comparativa de diferentes etiologias da insuficiecircncia cardiacuteaca

Discussatildeo 46

516 Iacutendice de massa corpoacuterea

A meacutedia do iacutendice de massa corpoacuterea foi baixa (269 kgm2 desvio-

padratildeo 57) o valor inferior a 25 kgm2 e o superior a 30 kgm2 ocorreram

respectivamente em 31 e 18 dos pacientes Portanto extremos de massa

corpoacuterea que podem se associar ao prognoacutestico natildeo foram frequentes (Anker

et al 1997 2003 Kenchaiah et al 2002 Veloso et al 2005 Okoshi et al

2017)

517 Frequecircncia cardiacuteaca

A meacutedia da frequecircncia cardiacuteaca foi 8078 (desvio-padratildeo 1597)

batimentos por minuto e os extremos superior a cem batimentos por minuto e

inferiores a 60 batimentos por minuto ocorreram respectivamente em 7 e

3 dos pacientes com insuficiecircncia cardiacuteaca Tais dados podem ser uacuteteis

tambeacutem para o planejamento terapecircutico (Swedberg et al 2010) uma vez

que a frequecircncia cardiacuteaca elevada eacute um fator de risco (Kannel 1987 Pocock et

al 2006 Boumlhm et al 2010) e um preditor de mortalidade (Ariel et al 2005)

518 Pressatildeo arterial sistoacutelica e diastoacutelica

O valor meacutedio da pressatildeo arterial sistoacutelica foi de 1375 mm Hg com

desvio-padratildeo 288 mm Hg e o valor meacutedio da pressatildeo arterial diastoacutelica de 88

mm Hg com desvio-padratildeo 171 mm Hg o que natildeo deixa de ser digno de nota

em relaccedilatildeo ao antecedente de hipertensatildeo arterial frequente

Discussatildeo 47

Pressatildeo arterial sistoacutelica superior a 130 mm Hg (46 dos pacientes) foi

frequente e inferior a 100 mm Hg mais rara (4) por outro lado pressatildeo

arterial diastoacutelica superior a 90 mm Hg e inferior a 80 mm Hg foram

observadas respectivamente em 30 e 21 dos pacientes Em amostra

ambulatorial os extremos de pressatildeo arterial que podem ter significado

prognoacutestico (Vasan et al 2001 Lewis et al 2003 Lee DS et al 2003 Klein et

al 2005 Pocock et al 2006) natildeo foram frequentes

519 Classe funcional

Como casuiacutestica ambulatorial a maior parte dos pacientes (65) da

casuiacutestica estava na classe funcional II ou III da New York Heart Association

enquanto 28 na classe funcional I e IV em igual porcentagem demonstrando

que a maioria dos pacientes se encontrava em condiccedilatildeo estaacutevel de modo a

permitir a orientaccedilatildeo terapecircutica apropriada

5110 Tempo decorrido ateacute o desfecho

Um singularidade desta casuiacutestica satildeo as informaccedilotildees de desfechos no

longo prazo pois a casuiacutestica de 2003 a 2007 teve as informaccedilotildees de

desfechos recuperadas ateacute 2014 com tempo meacutedio de seguimento de 596

meses (desvio-padratildeo 418 meses) O tempo de observaccedilatildeo de outras

casuiacutesticas brasileiras publicadas variou de 1 ano a 64 anos (Bestetti et al

1994 Mady et al 1994 Pereira Barretto et al 1998 Freitas et al 2005 Carlo

et al 2014)

Discussatildeo 48

5111 Variaacuteveis ecocardiograacuteficas

Quanto agraves variaacuteveis ecocardiograacuteficas identificamos o diacircmetro do

aacutetrio esquerdo o diacircmetro diastoacutelico do ventriacuteculo esquerdo e a espessura do

septo interventricular associados agrave mortalidade Esse achado vai ao encontro

de publicaccedilotildees anteriores que relacionaram a dimensatildeo do aacutetrio esquerdo

(Hsiao Chiou 2013) e a dimensatildeo diastoacutelica do ventriacuteculo esquerdo com

prognoacutestico de mortalidade (Freitas et al 2005)

Reiteramos o achado da natildeo associaccedilatildeo entre o diacircmetro sistoacutelico de

ventriacuteculo esquerdo e o prognoacutestico de sobrevida o que vai de encontro a

outros estudos que observaram fraca associaccedilatildeo do diacircmetro sistoacutelico de

ventriacuteculo esquerdo com sobrevida em pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca (Cowie et al 2000) Por outro lado a associaccedilatildeo da

espessura do septo interventricular com a mortalidade foi um achado curioso

A distribuiccedilatildeo da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo reflete as

caracteriacutesticas de casuiacutestica ambulatorial e observamos que os valores

observados natildeo foram associados com o prognoacutestico o que vai de encontro a

outros estudos (Cohn et al 1986 19871988 Gradman et al 1989 Lewis et

al 2003 Pfeffer et al 2003 Freitas et al 2005 Pocock et al 2006 Rassi et

al 2007 Lupoacuten et al 2017)

Natildeo deixa de ser de interesse a restriccedilatildeo ao uso da fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo na estratificaccedilatildeo da insuficiecircncia cardiacuteaca em algumas

circunstacircncias ndash no caso de idosos e hospitalizados ndash (Shah et al 2017) e o

conceito que a fraccedilatildeo de ejeccedilatildeo natildeo seja um marcador acurado de risco de

pacientes apoacutes internaccedilatildeo hospitalar (Steinberg Fang 2017) Talvez este fato

esteja relacionado ao fato de que nas formas mais avanccediladas da doenccedila tanto

os diacircmetros ventriculares quanto a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

atenuem sua associaccedilatildeo com a sobrevida (Veloso et al 2005) Possivelmente

nesta casuiacutestica o mesmo se aplique uma vez que a variaacutevel fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo natildeo se revelou associada ao prognoacutestico de sobrevida

Discussatildeo 49

5112 Variaacuteveis laboratoriais

Entre as variaacuteveis laboratoriais identificamos agrave semelhanccedila de outros

estudos a taxa de potaacutessio seacuterico (Ahmed et al 2007 Bielecka-Dabrowa et

al 2012) a taxa de creatinina seacuterica (Silverberg et al 2000 Vardeny et al

2012 Zanaad et al 2013 Damman et al 2014 Pimentel et al 2014

Palazzuoli et al 2016) e a taxa de colesterol (Volpato et al 2001a Horwich et

al 2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006) associadas ao prognoacutestico

Por outro lado verificamos que a dosagem seacuterica de soacutedio natildeo foi

associada ao prognoacutestico o que vai de encontro a outros estudos que

correlacionaram a concentraccedilatildeo mais baixa de soacutedio seacuterico agrave severidade da

insuficiecircncia cardiacuteaca (Klein et al 2005) e como preditor de mortalidade (Lee

WH Packer 1986 Lee DS et al 2003 Milo-Cotter et al 2008 Abraham et al

2008 Waikar et al 2009 Kajimoto et al 2016)

Reproduzimos neste estudo a observaccedilatildeo de natildeo associaccedilatildeo da

dosagem seacuterica de hemoglobina com o prognoacutestico Uma possiacutevel explicaccedilatildeo

estaria relacionada agrave baixa prevalecircncia da anemia (11 de pacientes com

hemoglobina seacuterica inferior a 12 gdl) quando comparada com a prevalecircncia

tanto em pacientes ambulatoriais de 426 (Go et al 2006) a 556

(Silverberg et al 2000) quanto em pacientes hospitalizados de 17

(Ezekowitz et al 2003) a 45 (Maraldi et al 2006) Entretanto os resultados

que observamos vatildeo de encontro a outros autores (Ezekowitz et al 2003

Anand et al 2004 Maraldi et al 2006 Levy et al 2006 Tang Katz 2008

Kyriakou Kiff 2016) que associaram a anemia com prognoacutestico

Talvez a explicaccedilatildeo para nossa observaccedilatildeo que vai ao encontro de

estudos (Anand et al 2005 Abebe et al 2017) e da afirmaccedilatildeo de Inder S

Anand seja a presenccedila de anemia como marcador de risco natildeo como preditor

de mortalidade (Anand 2008)

Discussatildeo 50

As taxas seacutericas de leucoacutecitos e de linfoacutecitos foram outras variaacuteveis

laboratoriais avaliadas em nossa casuiacutestica que natildeo foram associadas com o

prognoacutestico de sobrevida o que vai de encontro a outros estudos que

associaram valores baixos de linfoacutecitos ndash mas natildeo agrave dosagem seacuterica de

leucoacutecitos ndash com mortalidade (Acanfora et al 2001 Huehnergarth et al 2005

Charach et al 2011 Uthamalingam et al 2011 Marcula et al 2015)

5113 Medicamentos em uso

Verificamos a subutilizaccedilatildeo do tratamento medicamentoso

recomendado (Bocchi et al 2009 2012 Ponikowski et al 2016) para os

pacientes com insuficiecircncia cardiacuteaca com fraccedilatildeo de ejeccedilatildeo reduzida Fatores

de aderecircncia ao tratamento medicamentoso recomendado tecircm sido

reconhecidos como desafios no tratamento de pacientes (Chizzola et al 1996

Pereira-Barretto et al 2001) A preocupaccedilatildeo com a subutilizaccedilatildeo do

tratamento medicamentoso por diferentes motivos tem existido em nosso

meio haacute vinte e dois anos Poreacutem esperar-se-ia que fosse menor hoje do que

a observada em nossa casuiacutestica Tal verificaccedilatildeo tambeacutem foi feita em outros

paiacuteses em duas grandes coortes com respectivamente 105388 pacientes

(53 55856 pacientes em uso de inibidores da enzima de conversatildeo da

angiotensina ou bloqueadores do receptor da angiotensina e 48 50586

pacientes em uso de betabloqueadores) do Registro ADHERE (Acute

Descompensated Heart Failure National Registry) (Gheorghiade Filippatos

2005) e em 6505 pacientes (56 3643 pacientes em uso de 50 da dose

alvo de betabloqueador) do estudo SHIFT (Systolic Heart Failure tratment with

the inhibitor Ivabradine Trial) (Swedberg et al 2010)

Curiosamente verificamos que o nuacutemero de medicamentos em uso da

maneira como foi analisado natildeo foi associado ao prognoacutestico

Discussatildeo 51

5114 Mortalidade

A mortalidade geral por todas as causas em nossa casuiacutestica foi alta

(60) nos onze anos de seguimento ambulatorial em consonacircncia a outras

experiecircncias da literatura (Roger et al 2004 Barker et al 2006) foi superior

nos pacientes do sexo masculino e nos idosos (acima de 65 anos) e

comparaacutevel agrave casuiacutestica estrangeira com meacutedia de oito anos de

acompanhamento cuja mortalidade foi similarmente alta (678) e mais

frequente (54) nos pacientes acima de 80 anos (Gerber et al 2015)

Os dados de evoluccedilatildeo tardia satildeo uma peculiaridade relevante desta

casuiacutestica De fato observaccedilotildees dilatadas no tempo satildeo uacuteteis para divisar a

evoluccedilatildeo de doenccedilas

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica

Estimamos a probabilidade de sobrevida em relaccedilatildeo agraves caracteriacutesticas

demograacuteficas cliacutenicas e laboratoriais escolhidas dentre 45 variaacuteveis reduzidas

para 33 em funccedilatildeo de redundacircncia de informaccedilatildeo impliacutecita na variaacutevel Eacute de

interesse observar a influecircncia de cada variaacutevel obtida no exame de rotina no

decorrer de quase uma deacutecada de acompanhamento

Eacute oportuno enfatizar o tratamento dos dados faltantes quase inerentes

a este estudo da aacuterea de epidemiologia cliacutenica em condiccedilotildees da vida real (real

life conditions) sempre um desafio cientiacutefico e estatiacutestico pois haacute os limites do

controle possiacutevel na atividade cotidiana que dissipa controles estritos atinentes

a protocolos (protocol conditions)

Em estudo anterior foi submetida a teste a hipoacutetese de ordenar os

dados faltantes para cada variaacutevel em uma categoria atenuando a perda de

participantes com informaccedilatildeo na modelagem estatiacutestica e consequentemente

com perda da estimativa tambeacutem para os participantes com dado faltante

(Paes 2007 Assunccedilatildeo 2012) Tivemos a oportunidade de nos apoiarmos

Discussatildeo 52

nesse meacutetodo amenizando assim o escape de potenciais resultados

relevantes pela perda da informaccedilatildeo sem comprometer a confiabilidade do

resultado obtido (Nunes 2009 Nunes 2011 Kaambwa et al 2012) pela

necessidade de enfrentar a realidade praacutetica de dados faltantes (Little et al

2012 Ware et al 2012)

Em relaccedilatildeo agraves variaacuteveis demograacuteficas e cliacutenicas a idade se revelou

significativa (plt0001) agrave similitude da observaccedilatildeo de outros autores (Klein et

al 2005 Abraham et al 2008) e a probabilidade de sobrevida foi

significativamente menor em relaccedilatildeo aos pacientes com mais de 65 anos de

idade observaccedilatildeo condizente com estudos preacutevios (MacIntyre et al 2000

Lewis et al 2003 Roger et al 2004 2013 Barker et al 2006 Pocock et al

2006) nos pacientes com iacutendice de massa corpoacuterea inferior a 25 kgm2

acordes com outras experiecircncias (Horwich et al 2001 Davos et al 2003

Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) nos pacientes

com doenccedila de Chagas concordante com observaccedilotildees feitas no decorrer de

deacutecadas (Freitas et al 2002 2005 Nunes et al 2008 2013 Issa et al 2010

Rassi et al 2010 Bocchi et al 2017 Nadruz et al 2018) Tambeacutem foi menor

a probabilidade de sobrevida para pacientes em classe funcional III e IV da

New York Heart Association de acordo com as observaccedilotildees em estudos

preacutevios (Pocock et al2006 Theodoropoulos et al 2008) e em pacientes com

histoacuteria de diabetes melito sem o uso de insulina ou com o uso de insulina

conforme estudos anteriores de outros pesquisadores (Pfeffer et al 2003

Pocock et al 2006)

Por outro lado pacientes com pressatildeo arterial diastoacutelica superior a 90

mm Hg demonstraram maior probabilidade de sobrevida tendecircncia tambeacutem

observada por outros autores (Poole-Wilson et al 2003 Kalantar-Zadeh et al

2004 Pocock et al 2006)

Entre os dados de exames complementares verificamos menor

probabilidade de sobrevida nos doentes com espessura do septo

interventricular superior a 12 mm no diacircmetro diastoacutelico do ventriacuteculo esquerdo

superior a 75 mm no diacircmetro do aacutetrio esquerdo (Hsiao Chiou 2013) superior

ou igual a 40 mm na dosagem seacuterica do potaacutessio superior a 50 mEqL de

Discussatildeo 53

acordo com observaccedilotildees de outros autores (Rossignol et al 2011) Na

dosagem seacuterica de colesterol total inferior a 200 mgdl concorde com outros

pesquisadores (Krumholz et al 1994 Volpato et al 2001b Horwich et al

2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004 Afsarmanesh

et al 2006 Christ et al 2006 Kjekshus et al 2007) e na dosagem seacuterica da

creatinina superior a 26mgdL achados em harmonia com outras experiecircncias

(Dries et al 2000 Fonarow et al 2005 Vardeny et al 2012 Damman et al

2014 Pimentel et al 2014 Kang et al 2018)

Reproduzimos neste estudo a observaccedilatildeo da relaccedilatildeo inversa entre a

elevaccedilatildeo de algumas variaacuteveis cliacutenicas e laboratoriais e a melhor probabilidade

de sobrevida significativamente maior que confirmaram os resultados de

outros estudos para a pressatildeo arterial diastoacutelica (Horwich et al 2001 Kalantar-

Zadeh et al 2004) iacutendice de massa corpoacuterea (Horwich et al 2001 Davos et

al 2003 Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) e

dosagem de colesterol total (Krumholz et al 1994 Volpato et al 2001a

Horwich et al 2002 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006 Christ et al 2006 Kjekshus et al 2007 Horwich et

al 2008)

Na maioria dos pacientes (86 dos pacientes) observamos que a

dosagem de hemoglobina seacuterica foi superior a 12 mgdl e estes evoluiacuteram com

melhor sobrevida ao longo do tempo o que vai de encontro ao observado

(Silverberg et al 2000)

Reiteramos a relaccedilatildeo inversa entre a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo e a mortalidade concordante com estudos preacutevios (Senni Redfield

2001) poreacutem a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo foi associada com o

prognoacutestico apenas na anaacutelise univariada o que vai de encontro a observaccedilotildees

preacutevias de outros estudos (Cohn et al 1988 Gradman et al 1989 Cintron et

al 1993 Lewis et al 2003 Freitas et al 2005 Pocock et al 2006) mas natildeo

se manteve como variaacutevel significante na anaacutelise subsequente

A nossa casuiacutestica caracterizou-se pela baixa utilizaccedilatildeo do tratamento

medicamentoso recomendado apesar dos avanccedilos observados nos uacuteltimos

Discussatildeo 54

trinta anos (Sacks et al 2014 McMurray et al 2014) que comprovaram a

reduccedilatildeo na fraccedilatildeo de ejeccedilatildeo e de mortalidade (Burnett et al 2017)

Reproduzimos que 14 e 49 dos pacientes respectivamente natildeo

fizeram uso dos inibidores da enzima de conversatildeo da angiotensina ou do

bloqueador do receptor da angiotensina e do antagonista da aldosterona e

mais da metade dos pacientes (55) natildeo fizeram uso de betabloqueador

apesar da importacircncia do seu uso contra o deleteacuterio efeito da ativaccedilatildeo do

sistema nervoso simpaacutetico (Khan 2015) e da reduccedilatildeo de 34 na mortalidade

nos pacientes com etiologia isquecircmica (Hjalmarson et al 2000) bem como a

reduccedilatildeo de 35 na mortalidade em pacientes com insuficiecircncia cardiacuteaca

(Packer et al 2001) Sendo assim nossos resultados se aproximam das

tendecircncias observadas em estudos recentes em que 83 dos pacientes

fizeram uso de betabloqueador 16 de inibidores da enzima de conversatildeo

56 de bloqueadores do receptor da angiotensina e 21 com antagonistas

da aldosterona (Shah et al 2017 Steinberg et al 2017)

Verificamos mortalidade em cinco anos de 32 e em onze anos de

60 semelhante agraves observaccedilotildees de estudos nacionais (Godoy et al 2011

Kaufman et al 2015) e internacionais (Roger et al 2004 Barker et al 2006

McMurray et al 2014 Sacks et al 2014 Gerber et al 2015) Ainda que

elevada e necessitando de reduccedilatildeo foi menor do que o observado no

Framingham Heart Study com mortalidade superior a 50 decorridos cinco

anos do diagnoacutestico de insuficiecircncia cardiacuteaca (Kenchaiah Vasan 2015)

Selecionamos assim as variaacuteveis para a avaliaccedilatildeo prognoacutestica pelo modelo

de riscos proporcionais de Cox

Para a construccedilatildeo do modelo de riscos proporcionais de Cox houve

um cuidado adicional para identificar variaacuteveis associadas com o prognoacutestico

Na primeira etapa contribuiacuteram apenas os dados vaacutelidos cujo interesse foi

comparar grupos e identificar diferenccedilas A partir da segunda etapa a categoria

dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis natildeo

significativas

A pressatildeo arterial sistoacutelica foi retirada do modelo pois na avaliaccedilatildeo da

significacircncia do seu efeito pelo teste de verossimilhanccedila somente a categoria

Discussatildeo 55

dos ldquodados faltantesrdquo foi relevante portanto foi eliminada como fator

prognoacutestico para a sobrevida

Na terceira etapa as variaacuteveis natildeo significativas foram reintroduzidas

testadas uma a uma no modelo e tiveram sua significacircncia recalculada para

confirmar que natildeo estariacuteamos perdendo a relevacircncia cliacutenica de alguma

variaacutevel O antecedente de diabetes revelou-se significante Assim

identificamos cuidadosamente as variaacuteveis associadas com o prognoacutestico

Uma variaacutevel que se revelou importante durante o estudo foi o tempo

decorrido desde o iniacutecio dos sintomas estimado a partir da anamnese dos

pacientes individualmente que informa de certo modo a evoluccedilatildeo da doenccedila

Eacute digno de nota que tal informaccedilatildeo baacutesica e fundamental estivesse ausente

em alta percentagem de pacientes (76) Nossa observaccedilatildeo reiterou a

importacircncia de um dado obteniacutevel na anamnese tanto na avaliaccedilatildeo da

probabilidade de sobrevida quanto nas estimativas da rede neural e que deve

sempre ser pesquisado nos pacientes

Apesar de estudos anteriores revelarem maior mortalidade associada agrave

taxa de soacutedio seacuterico (Klein et al 2005 Levy WC et al 2006 Abraham et al

2008) agrave concentraccedilatildeo de hemoglobina seacuterica (Levy WC et al 2006) agrave taxa

de trigliceacuterides (Freitas et al 2009) agrave fraccedilatildeo de lipoproteiacutena de baixa

densidade (Horwich et al 2008) agrave fraccedilatildeo de lipoproteiacutena de alta densidade

(Volpato et al 2001b) e ao valor da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(Levy WC et al 2006) em nossa casuiacutestica essas variaacuteveis natildeo foram

selecionadas pela anaacutelise estatiacutestica como fatores prognoacutesticos de sobrevida

Portanto natildeo foram eleitas como variaacuteveis preditoras de sobrevida para a rede

neural

A associaccedilatildeo sugerida entre a taxa de hemoglobina e o prognoacutestico

(Anand et al 2004 Ezekowitz et al 2003 Maraldi et al 2006 Tang et al

2008 Kyriakow et al 2016) como preditor de sobrevida (Levy WC et al

2006) e como marcador de risco (Anand et al 2005 2008 Abebe et al 2017)

natildeo foi reproduzida nos achados deste estudo Por outro lado diabetes melito

influiu negativamente no prognoacutestico Entre os dados ecocardiograacuteficos

tambeacutem observamos a associaccedilatildeo com o prognoacutestico do diacircmetro do aacutetrio

Discussatildeo 56

esquerdo (Hsiao Chiou 2013) do diacircmetro diastoacutelico do ventriacuteculo esquerdo

(Merlo et al 2011 Addetia et al 2015) e da espessura do septo

interventricular variaacuteveis selecionadas para a rede neural

Nas 12 variaacuteveis selecionadas como fator prognoacutestico na sobrevida os

dados faltantes foram inferiores a 31 iacutendice de massa corpoacuterea 18

pressatildeo arterial diastoacutelica 6 classe funcional segundo a New York Heart

Association diabetes melito 7 dosagem seacuterica de potaacutessio 5 dosagem

seacuterica de creatinina 3 dosagem seacuterica de colesterol total 30 espessura do

septo interventricular do ventriacuteculo esquerdo 37 diacircmetro diastoacutelico do

ventriacuteculo esquerdo 21 diacircmetro do aacutetrio esquerdo 22

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede

neural

Antes de avaliar os resultados obtidos pelo emprego da rede neural

cabem observaccedilotildees sobre questotildees metodoloacutegicas desenvolvidas na anaacutelise

531 Amostras aleatoacuterias

O emprego da rede neural pressupotildee as etapas de aprendizado-

treinamento e previsatildeo aleacutem de experimentar a melhor maneira de agrupar os

dados para que a rede neural aprenda e reconheccedila padrotildees a partir de

exemplos alcanccedilando melhor estimativa da sobrevida

O primeiro meacutetodo de aprendizado-treinamento utilizado foi ordenar a

casuiacutestica em trecircs grupos aleatoacuterios de forma que o aprendizado seria feito no

primeiro o treinamento no segundo e a aplicaccedilatildeo no terceiro grupo A

acuraacutecia da previsibilidade da rede nesta circunstacircncia foi muito baixa Tal

Discussatildeo 57

ocorreu provavelmente em razatildeo de agrupar valores de tempos de sobrevida

tempo decorrido do iniacutecio dos sintomas ou tempo decorrido da primeira

consulta tatildeo diacutespares entre os pacientes Portanto ordenar a nossa casuiacutestica

pelo meacutetodo de amostras aleatoacuterias natildeo foi adequado para melhorar a previsatildeo

da sobrevida pela rede neural

Tambeacutem merece menccedilatildeo o fato de que este estudo natildeo se dedicou agrave

comparaccedilatildeo entre a anaacutelise estatiacutestica tradicional e a rede neural mas por

utilizar o meacutetodo estatiacutestico como ferramenta para definiccedilatildeo das variaacuteveis

associadas ao prognoacutestico viabilizando a imputaccedilatildeo dessas variaacuteveis para

aprendizado e treinamento da rede neural

532 Data do iniacutecio dos sintomas

Com base na importacircncia cliacutenica da referecircncia da data em que o

paciente iniciou a percepccedilatildeo dos sintomas a ser obtida na avaliaccedilatildeo inicial foi

oportuno considerar a variaacutevel data do iniacutecio dos sintomas que

independentemente de outras variaacuteveis limitadoras da funccedilatildeo de ativaccedilatildeo ou

do tempo de sobrevida com ou sem categorizaccedilatildeo sugeriu os melhores

resultados de previsatildeo da sobrevida pela rede neural

Constatamos que a presenccedila da data do iniacutecio dos sintomas para o

aprendizado-treinamento da rede revelou resultados adequados de previsatildeo de

sobrevida entre 2054 e 2260 de erro de previsatildeo Poreacutem estes

resultados foram piores quando se realizou a previsatildeo da rede nos pacientes

em acompanhamento (vivos) com valores entre 3323 e 3933 Sendo

assim estudos adicionais seratildeo necessaacuterios com a data inicial da estimativa do

iniacutecio dos sintomas para melhor acuraacutecia de previsatildeo da sobrevida pela rede

neural e avaliaccedilatildeo prognoacutestica

Em siacutentese quando a informaccedilatildeo data do iniacutecio dos sintomas foi

utilizada como momento inicial da estimativa de sobrevida a acuraacutecia da rede

neural foi maior A observaccedilatildeo por tempo mais longo teria permitido apreciar a

natureza do quadro cliacutenico mais estaacutevel (periacuteodo menos sintomaacutetico) em

Discussatildeo 58

relaccedilatildeo agrave data da primeira consulta (em geral associada agrave piora de sintomas e

referecircncia a hospital terciaacuterio) Tal achado permite sugerir que os pacientes

com longa evoluccedilatildeo da doenccedila portanto mais estaacuteveis foram propensos a

uma previsatildeo mais acurada da rede neural do que pacientes com menor tempo

de evoluccedilatildeo entendidos como clinicamente mais instaacuteveis

533 Tempos de evoluccedilatildeo

Em razatildeo da disparidade de valores considerados tanto por nossa

praacutetica cliacutenica quanto por dados de estudos preacutevios (Likoff et al 1987 Bestetti

et al 1994 Mady et al 1994 Alla et al 2000 Freitas et al 2005 Franke et

al 2015) a verificaccedilatildeo de acuraacutecia da rede sugere que existam grupos de

melhor prognoacutestico (tempo mais longo de evoluccedilatildeo) e de prognoacutestico mais

reservado (tempo mais curto de evoluccedilatildeo) resultado clinicamente

fundamentado a nosso ver pois categoriza os tempos de evoluccedilatildeo dos

pacientes da casuiacutestica

A categorizaccedilatildeo da rede neural em trecircs modelos de rede com faixas de

tempos distintos revelou-se em nossa casuiacutestica como a mais apropriada para

melhorar a estimativa da sobrevida Tal observaccedilatildeo eacute concordante com o

resultado obtido na melhora da acuraacutecia da rede neural apoacutes a categorizaccedilatildeo

dos tempos de seguimento ou tempo de sobrevida observado Esse cuidado

preveniu que a rede neural dissipasse as estimativas em virtude da grande

diferenccedila entre os tempos de sobrevida

Confirma-se desse modo que as doenccedilas de mais longa evoluccedilatildeo satildeo mais

estaacuteveis e indicam quadro cliacutenico mais benigno do que os quadros de curta

evoluccedilatildeo mais instaacuteveis

Os melhores resultados da rede neural foram revelados pelos trecircs

modelos de redes neurais categorizadas por tempo de sobrevida inferior a dois

anos (ateacute 729 dias) entre dois anos e seis anos (730 a 2190 dias) e superior a

seis anos (acima de 2190 dias) que viabilizaram a mais satisfatoacuteria previsatildeo

da sobrevida pela rede neural

Discussatildeo 59

Para o aprendizado-treinamento da rede neural com sobrevida superior

a 2 anos a retirada do extremo inferior (menor do que dois anos) do tempo de

sobrevida observado permitiu melhor previsatildeo pela rede neural

Se o paciente tiver longo tempo de histoacuteria poderaacute significar fase

avanccedilada de evoluccedilatildeo mas tambeacutem indicaraacute quadro cliacutenico mais benigno e de

melhor prognoacutestico ndash isto talvez se relacione ao achado de pacientes embora

aguardando muito tempo em fila de transplante foram retirados dela Estes

pacientes com tempo de evoluccedilatildeo mais curto portanto mais instaacuteveis

clinicamente talvez sejam os mais beneficiados da anaacutelise pelo emprego de

marcadores adicionais como parte da avaliaccedilatildeo prognoacutestica Para eles as

dosagens das catecolaminas plasmaacuteticas da funccedilatildeo renal e do peptiacutedeo

natriureacutetico atrial bem como a inclusatildeo dos medicamentos em uso

contribuiriam para o estudo da acuraacutecia ou da estimativa prognoacutestica

Sendo assim o modelo de rede neural com o melhor resultado de

previsatildeo da sobrevida ndash erro da rede inferior a 128 ndash ocorreu com os

pacientes com tempo de sobrevida observado superior a seis anos a partir da

data da primeira consulta independentemente da funccedilatildeo da ativaccedilatildeo Aleacutem

disso o segundo modelo de melhor acuraacutecia ndash erro da rede neural inferior a

23 ndash ocorreu para o tempo de sobrevida observado entre dois anos e seis

anos a partir da data do iniacutecio dos sintomas independentemente da funccedilatildeo de

ativaccedilatildeo utilizada pela rede neural

Por outro lado na fase de previsatildeo da rede neural o modelo com o

melhor resultado de previsatildeo da sobrevida ndash erro da rede inferior ou igual a

215 ndash ocorreu com os pacientes com tempo de sobrevida observado

superior a seis anos a partir da data da primeira consulta independentemente

da funccedilatildeo da ativaccedilatildeo em concordacircncia com o que sugeriu a rede neural na

fase de aprendizado-treinamento

Todavia para o segundo modelo a acuraacutecia da rede foi menos adequada ndash

erro da rede neural inferior a 394 ndash para o tempo de sobrevida observado

entre dois anos e seis anos a partir da data do iniacutecio dos sintomas

independentemente da funccedilatildeo de ativaccedilatildeo

Tambeacutem devemos tomar em consideraccedilatildeo que por razotildees

metodoloacutegicas a variaccedilatildeo dos tempos de seguimento dos pacientes foi fixada

Discussatildeo 60

e limitada ateacute 2012 para a anaacutelise de sobrevida e atualizada ateacute 2014 para a

rede neural

534 Variaacuteveis faltantes

Seguimos orientaccedilatildeo da literatura (Ennett et al 2001 Frize et al

2001) tanto para imputar valores normais para as informaccedilotildees faltantes como

pela necessidade deste preacute-requisito para o aprendizado da rede neural

(Ennett et al 2001 2008 Frize et al 2001) Para melhor avaliaccedilatildeo

exploramos para imputaccedilatildeo os valores de referecircncia da normalidade os

superiores da normalidade e os da mediana (Kaambwa et al 2012) Em face

dos resultados optamos por assumir os valores de referecircncia normais das

variaacuteveis faltantes

Tambeacutem devemos salientar que as variaacuteveis faltantes podem ou natildeo

associar-se com menor probabilidade de sobrevida

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em

geral

Por vezes a pressuposta importacircncia cliacutenica reconhecida da variaacutevel

submetida a teste natildeo se traduziu em melhor previsibilidade da rede neural A

inclusatildeo da variaacutevel fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo natildeo melhorou a

previsatildeo de sobrevida pela rede neural Esta observaccedilatildeo vai ao encontro do

resultado do modelo de Cox que natildeo considerou a fraccedilatildeo de ejeccedilatildeo como

variaacutevel prognoacutestica

A categorizaccedilatildeo de variaacuteveis como idade sexo creatinina colesterol

total diacircmetro diastoacutelico do ventriacuteculo esquerdo ou outras variaacuteveis

consideradas de importacircncia cliacutenica natildeo melhoraram a previsatildeo de sobrevida

da rede neural

Discussatildeo 61

Portanto o criteacuterio de limitar caracteriacutesticas cliacutenicas isoladamente natildeo foi bom

previsor de prognoacutestico

O teste de previsatildeo do prognoacutestico com a rede neural isoladamente

natildeo revelou boa acuraacutecia a acuraacutecia melhorou quando foram empregadas as

variaacuteveis selecionadas a partir do modelo de riscos proporcionais de Cox

536 Funccedilotildees de transferecircncia

A acuraacutecia da rede neural sem a categorizaccedilatildeo do tempo de

sobrevida foi baixa independentemente da funccedilatildeo de transferecircncia ou de

ativaccedilatildeo sugerida na literatura (Buskard et al 1994 Lundin et al 1999 Frize

et al 2000 Ennett e col 2004 2008 Grossi 2006) Por outro lado quando o

tempo de sobrevida foi categorizado e a funccedilatildeo de transferecircncia zero based log

sigmoid foi adotada o resultado na previsatildeo da sobrevida melhorou

537 Treinamento excessivo (overfitting)

Pode resultar em aumento do erro de previsatildeo e menor acuraacutecia da

rede neural Identificar o momento apropriado de finalizar o treinamento da

rede neural eacute um dos detalhes metodoloacutegicos relevantes (Guimaratildees et al

2008) Prevenimos o treinamento excessivo da rede neural ao limitar o nuacutemero

maacuteximo de ciclos e o erro delta da rede neural por meio de testes adicionais

variando o nuacutemero de ciclos e o erro delta

538 Estudo em cinco fases

Discussatildeo 62

O meacutetodo que empregamos foi criterioso nas fases iniciais para

categorizar e selecionar os melhores modelos de dados para a previsatildeo da

sobrevida pela rede neural Destacamos a estimativa do erro hipoteacutetico

(sobrevida prevista subtraiacuteda da sobrevida observada e multiplicada por cem

dividida pela sobrevida observada) utilizada na fase 2 do aprendizado-

treinamento em que a rede neural superestimou o erro verdadeiro de previsatildeo

da sobrevida Nas fases 4 e 5 com novos dados de mortalidade observamos a

acuraacutecia da rede e dependendo do modelo melhorou ou se manteve em

valores menores que 13 de meacutedia do erro de previsatildeo da sobrevida

54 Avaliaccedilatildeo dos melhores modelos de rede neural

541 Sensibilidade especificidade valor preditivo positivo e valor

preditivo negativo

Observamos boa sensibilidade (93) para ambas as funccedilotildees de

ativaccedilatildeo e razoaacutevel especificidade (superior a 763) ndash com valores de 764

ou 775 ndash para o modelo com tempo de sobrevida observado superior a seis

anos a partir da data da consulta inicial com o intervalo de corte de 1095 dias

ou trecircs anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Da

mesma forma a acuraacutecia da rede neural foi boa com valores de 802 e 81

dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Para estes

modelos de rede neural o valor preditivo negativo foi adequado (974) jaacute que

na previsatildeo da rede neural em que o paciente estava vivo no intervalo de

tempo definido existiram 974 de chance de acerto da rede no prognoacutestico

de sobrevida e 26 de chance de o paciente ter morrido

Tambeacutem observamos boa sensibilidade (898) para ambas as

funccedilotildees de ativaccedilatildeo e razoaacutevel especificidade (superior a 73) ndash com valores

de 725 ou 765 ndash para o modelo com tempo de sobrevida observado entre

Discussatildeo 63

dois anos a seis anos a partir da data do iniacutecio dos sintomas para intervalo de

corte de 730 dias ou dois anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada

pela rede neural Para estes modelos de rede a acuraacutecia foi boa com valores

de 852 e 839 dependendo da funccedilatildeo de ativaccedilatildeo e o valor preditivo

positivo foi adequado e variou entre 88 e 863 dependendo da funccedilatildeo de

ativaccedilatildeo jaacute que na previsatildeo da rede neural em que o paciente morreu no

intervalo de corte definido existiram 88 ou 863 de chance de acerto da

rede no prognoacutestico de sobrevida e respectivamente 12 ou 196 de

chance de o paciente estar vivo apesar de a rede ter sugerido o oposto

Observamos razoaacutevel sensibilidade (872) para ambas as funccedilotildees de

ativaccedilatildeo e inadequada especificidade (inferior a 667) ndash com valores de

665 ou 667 ndash para o modelo com tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de um

ano (365 dias) dependendo da funccedilatildeo de ativaccedilatildeo Para estes modelos a

acuraacutecia foi satisfatoacuteria entre 803 e 789 (dependendo da funccedilatildeo de

ativaccedilatildeo) valor preditivo positivo razoaacutevel entre 837 e 820 (dependendo

da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo entre 7275 e 714

(dependendo da funccedilatildeo de ativaccedilatildeo)

Tambeacutem observamos os resultados insatisfatoacuterios nas estimativas com

o tempo de seguimento observado superior a seis anos a partir da data do

iniacutecio dos sintomas com intervalo de corte de dois anos independentemente

da funccedilatildeo de ativaccedilatildeo assim como no tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de

seis meses independentemente da funccedilatildeo de ativaccedilatildeo Da mesma maneira

modelos com tempo de seguimento observado entre dois anos e seis anos

com intervalo de corte de um ano independentemente da funccedilatildeo de ativaccedilatildeo

tanto para a data do iniacutecio dos sintomas quanto para a data da consulta inicial

os resultados foram insatisfatoacuterios

Em siacutentese os resultados dos melhores modelos de redes neurais

evidenciaram

a) boa sensibilidade razoaacutevel especificidade bom valor preditivo

negativo e inadequado valor preditivo positivo para o modelo de rede com

Discussatildeo 64

tempo de sobrevida observado e categorizado superior a seis anos a partir da

data da consulta inicial independentemente da funccedilatildeo de transferecircncia

b) boa sensibilidade inadequada especificidade e razoaacutevel valor

preditivo positivo e valor preditivo negativo para o modelo de rede com tempo

de sobrevida observado e categorizado entre dois anos e seis anos a partir da

data do iniacutecio dos sintomas independentemente da funccedilatildeo de transferecircncia

Poreacutem se considerarmos o mesmo modelo com a data da primeira consulta a

sensibilidade e o valor preditivo positivo foram razoaacuteveis enquanto a

especificidade e o valor preditivo negativo foram inadequados

542 Funccedilatildeo de perda

Para maior rigor metodoloacutegico e levando em consideraccedilatildeo que os

conceitos de sensibilidade e especificidade satildeo aplicaacuteveis principalmente para

variaacuteveis binaacuterias e natildeo para variaacuteveis contiacutenuas o desempenho preditivo da

rede neural foi avaliado pelo emprego da funccedilatildeo de perda para a variaacutevel

contiacutenua tempo de sobrevida (Yuan 2008)

Observamos que os resultados de previsatildeo da sobrevida obtidos pela

funccedilatildeo de perda foram satisfatoacuterios e com variaccedilotildees de desempenho preditivo

que podem alcanccedilar erros de 44 meses ateacute 11 anos para mais ou para

menos para os modelos de rede neurais avaliados Tendo em vista o

pressuposto de que para a funccedilatildeo de perda quanto menor o erro da rede

neural melhor a previsatildeo de sobrevida da rede neural ou quanto maior o erro

da rede neural menor a previsatildeo de sobrevida (Santos 2013)

Cabe salientar que os quatro melhores resultados da funccedilatildeo de perda

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado respectivamente inferior a dois anos (126 dias 95 dias e 13307

dias) e entre dois anos e seis anos (23161 dias e 25906 dias) ambos com

data do iniacutecio dos sintomas independentemente da funccedilatildeo de ativaccedilatildeo

utilizada pelo modelo de rede neural Na sequecircncia os melhores resultados

Discussatildeo 65

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado acima de seis anos (29388 dias e 33255 dias) a partir da data da

primeira consulta independentemente da funccedilatildeo de ativaccedilatildeo e entre dois anos

e seis anos (38931 dias) a partir da data da primeira consulta para a funccedilatildeo

zero based log sigmoid utilizada pela rede neural

Os resultados permitem sugerir que a informaccedilatildeo data do iniacutecio dos

sintomas seja importante para a estimativa dos modelos de rede neural com

sobrevida inferior a seis anos independentemente do tamanho da amostra

543 Sensibilidade e especificidade versus funccedilatildeo de perda

O desempenho preditivo oposto obtido entre os resultados da funccedilatildeo

de perda e os resultados da sensibilidade e especificidade para os modelos de

redes neurais - os modelos de rede neural com as melhores estimativas pela

funccedilatildeo de perda foram os modelos de rede com as piores estimativas pela

sensibilidade e especificidade Eacute de se destacar que a melhor estimativa de

sobrevida obtida pela funccedilatildeo de perda para os modelos de rede neural foi

observada no modelo de rede com o menor nuacutemero de pacientes (n=47)

poreacutem com a informaccedilatildeo data do iniacutecio dos sintomas Tal verificaccedilatildeo reforccedila a

importacircncia da data do iniacutecio dos sintomas para a acuraacutecia da rede neural

55 Implicaccedilotildees cliacutenicas

Haacute na literatura meacutedica corrente o empenho no desenvolvimento de

ferramentas de inteligecircncia artificial como meacutetodo de avaliaccedilatildeo cliacutenica

(Braunwald 2008) Apesar disso natildeo identificamos na literatura trabalhos que

conciliassem as duas teacutecnicas ndash anaacutelise de sobrevida com rede neural ndash para a

previsatildeo da sobrevida em pacientes com insuficiecircncia cardiacuteaca o que

permitiria a hipoacutetese de originalidade para as observaccedilotildees deste trabalho

Discussatildeo 66

Eacute digno de ecircnfase termos identificado que a data do iniacutecio dos

sintomas obtida na anamnese eacute uma ferramenta de estimativa diagnoacutestica

principalmente associada a outras variaacuteveis do exame cliacutenico Suscita-se a

indagaccedilatildeo de esta variaacutevel estar subvalorizada por alguma razatildeo na medida

em que estaacute ausente dos registros cliacutenicos como informaccedilatildeo nuclear ateacute por

sua compreensiacutevel ldquoimprecisatildeordquo bioloacutegica Apesar dessa potencial inexatidatildeo

revelou-se variaacutevel relevante Portanto o empenho em obter com a precisatildeo

possiacutevel a data do iniacutecio dos sintomas pode ser reiterado uacutetil para a avaliaccedilatildeo

de pacientes

Finalizando nossos resultados sugeriram a possibilidade do uso da

rede neural artificial como uma ferramenta suplementar para a orientaccedilatildeo dos

pacientes com insuficiecircncia cardiacuteaca desde que a rede neural seja modelada

pelo tempo de sobrevida observado entre dois anos e seis anos inferior a dois

anos e superior a seis anos e com base em variaacuteveis preditivas de sobrevida

estimadas por meacutetodo estatiacutestico tradicional

Novos estudos em outras casuiacutesticas e serviccedilos podem adicionar experiecircncia

ampliar e aprofundar os resultados ora apresentados

56 Limitaccedilotildees do estudo

Entre as limitaccedilotildees deste trabalho citamos o caraacuteter uni-institucional

retrospectivo o nuacutemero limitado de variaacuteveis a presenccedila de dados faltantes a

ausecircncia de controle da uniformidade de tratamento medicamentoso com suas

particularidades entre elas a aderecircncia a tratamento e a mortalidade avaliada

no Estado de Satildeo Paulo Por outro lado atenuam-se as limitaccedilotildees por se tratar

de estudo em real life conditions no contexto de um Serviccedilo Meacutedico com

grande responsabilidade assistencial no acircmbito de hospital acadecircmico

6 Conclusotildees

Conclusotildees 68

A probabilidade de sobrevida geral desta casuiacutestica de insuficiecircncia

cardiacuteaca de diferentes etiologias no longo prazo foi 68 em cinco anos e 40

em onze anos

A influecircncia dos dados faltantes no prognoacutestico variou conforme a

natureza das variaacuteveis

O emprego de redes neurais categorizadas por tempo de sobrevida

dos pacientes a partir de variaacuteveis identificadas significantes em anaacutelise

estatiacutestica tradicional pode contribuir para identificar pacientes com

insuficiecircncia cardiacuteaca com prognoacutestico potencialmente mais reservado de

modo a contribuir para melhor orientaccedilatildeo da sequecircncia do tratamento na rede

de atenccedilatildeo meacutedica primaacuteria ou secundaacuteria ou em hospital de referecircncia em

nosso caso especiacutefico seria identificar os pacientes que pela condiccedilatildeo cliacutenica

mais grave demandariam recursos tecnoloacutegicos e intervenccedilotildees complexas para

seu tratamento O tempo de evoluccedilatildeo da insuficiecircncia cardiacuteaca obtida pelo

auxiacutelio da histoacuteria cliacutenica modulada pelas demais variaacuteveis cliacutenicas e

laboratoriais contribuiu para a avaliaccedilatildeo prognoacutestica quadros cliacutenicos de

evoluccedilatildeo mais longa podem sugerir pacientes com doenccedila mais estaacutevel

enquanto que tal avaliaccedilatildeo torna-se mais limitada no caso de quadro cliacutenico de

evoluccedilatildeo mais breve

7 Anexos

Anexos 70

Figura 1 - Delineamento do estudo de 2128 pacientes ambulatoriais com diagnoacutestico de insuficiecircncia cardiacuteaca

Dados de 2128 pacientes

consecutivos entre 2003 e 2007 com

diagnoacutestico de insuficiecircncia

cardiacuteaca

variaacuteveis selecionadas para a

rede neural

variaacuteveis demograacuteficas cliacutenicas laboratoriais eletrocardiograacutefica ecocardiograacuteficas medicaccedilotildees

variaacuteveis selecionadas para o modelo de regressatildeo

de riscos proporcionais de Cox

variaacuteveis com maior influecircncia para a

sobrevida

968 pacientes selecionados para a

rede neural (oacutebitos ateacute 2012)

pacientes elegiacuteveis para treinamento da

rede neural

pacientes elegiacuteveis para previsatildeo da

rede neural

modelos de rede neural

para previsatildeo

da sobrevida

Anexos 71

v1

v2

v3

vn 1 2 3 4 5

FONTE adaptado de Fernando J Von Zuben e Romis R F Attux Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubenia353_1s07toacutepico5_07pdf Figura 2 - Arquitetura da rede neural Perceptron de Muacuteltiplas Camadas em que f representa a funccedilatildeo de ativaccedilatildeo ou de transferecircncia natildeo linear definida para o aprendizado-treinamento da rede neural

Variaacuteveis de

entrada

sumf

Variaacutevel de saiacuteda

saiacuteda

Cinco camadas intermediaacuterias de neurocircnios ou unidades

computacionais

Anexos 72

y0

w0

y1 w1 xn

yn wn

Em que

n n-eacutesima variaacutevel de entrada (iteraccedilatildeo)

y0 y1 variaacuteveis de entrada

yn i-eacutesima variaacutevel de entrada

w0 w1 pesos sinaacutepticos ajustaacuteveis

wn peso sinaacuteptico ajustaacutevel conectando a entrada da unidade

agrave saiacuteda da unidade na iteraccedilatildeo n

xn i-eacutesima variaacutevel de saiacuteda da unidade na iteraccedilatildeo n

sum funccedilatildeo de soma

f funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

FONTE adaptado de Neural Networks and Learning Machines por Simon Hayken 1999 Figura 2a Representaccedilatildeo funcional de um neurocircnio da rede neural perceptron de muacuteltiplas camadas

sum f

Anexos 73

Em que propagaccedilatildeo da informaccedilatildeo

retro-propagaccedilatildeo do erro da informaccedilatildeo

FONTE adaptado de Leandro Nunes de Castro Silva 1998 Disponiacutevel em ftpftpdca feeunicampbrpubdocsvonzubentheseslnunes_mestindicepdf Figura 2b Representaccedilatildeo das duas fases de direccedilotildees de propagaccedilatildeo da informaccedilatildeo pelo algoriacutetmo de aprendizado supervisionado ou de retropropagaccedilatildeo do erro ou backpropagation da rede neural perceptron de multiplas camadas e permite o ajuste dos pesos sinaacutepticos

Anexos 74

Figura 3 - Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da funccedilatildeo log sigmoid Ambas satildeo funccedilotildees natildeo lineares de transferecircncia ou de ativaccedilatildeo poreacutem a funccedilatildeo logiacutestica zero based log sigmoid assume o intervalo de variaccedilatildeo entre 0 e 1 e a funccedilatildeo tangente hiperboacutelica preserva a forma sigmoidal e assume valores positivos e negativos (intervalo de variaccedilatildeo entre -1 e 1)

Figura 4 - Representaccedilatildeo esquemaacutetica das cinco fases da rede neural que compreenderam o aprendizadotreinamento da rede a previsatildeo da rede neural a comparaccedilatildeo dos melhores modelos de previsatildeo da rede neural os reensaios da rede neural incorporando os pacientes que faleceram em 2013 e 2014 e nova comparaccedilatildeo dos melhores modelos reensaiados

Anexos 75

Figura 5 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

com insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das abscissas indicam o

nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da

consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 76

Figura 6 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

de acordo com a etiologia da insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 77

Figura 7 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128

pacientes de acordo com sua idade Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 78

Figura 8 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o sexo Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 79

Figura 9 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a etnia Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 80

Figura 10 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o peso Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 81

Figura 11 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a altura Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 82

Figura 12 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o iacutendice de massa corpoacuterea (IMC) Os nuacutemeros sob o

eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 83

Figura 13 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial sistoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 84

Figura 14 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial diastoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 85

Figura 15 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a classe funcional da New York Heart Association

Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco

no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 86

Figura 16 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a frequecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 87

Figura 17 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com a data do iniacutecio dos sintomas

Anexos 88

Figura 18 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com antecedente de hipertensatildeo arterial Os nuacutemeros sob

o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 89

Figura 19 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de tabagismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 90

Figura 20 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o antecedente de diabetes melito Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 91

Figura 21 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de etilismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 92

Figura 22 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro do aacutetrio esquerdo no ecocardiograma Os

nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no

decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 93

Figura 23 - Probabilidade da sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 94

Figura 24 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 95

Figura 25 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 96

Figura 26 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica do septo interventricular no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 97

Figura 27 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica da parede posterior do

ventriacuteculo esquerdo no ecocardiograma Os nuacutemeros sob o eixo das abcissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 98

Figura 28 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com o riacutetmo cardiacuteaco Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 99

Figura 29 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de hemoglobina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 100

Figura 30 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a glicemia de jejum Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 101

Figura 31 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de creatinina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 102

Figura 32 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de soacutedio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 103

Figura 33 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de potaacutessio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 104

Figura 34 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de colesterol total Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 105

Figura 35 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de HDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 106

Figura 36 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de LDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 107

Figura 37 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de trigliceacuterides Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 108

Figura 38 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de leucoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 109

Figura 39 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de linfoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 110

Figura 40 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de inibidor de enzima conversora da angiotensina (captopril enalapril) ou de bloqueador dos receptores da angiotensina II (losartana) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 111

Figura 41 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de beta-bloqueadores na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 112

Figura 42 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de diureacuteticos (furosemida hidroclorotiazida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 113

Figura 43 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de espironolactona na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 114

Figura 44 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de digoxina na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 115

Figura 45 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 116

Figura 46 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de anticoagulante oral (varfarina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 117

Figura 47 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de estatina (sinvastatina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 118

Figura 48 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de vasodilatador (hidralazina e mononitrato de isossorbida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 119

Figura 49 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2148 pacientes quanto ao uso de bloqueador dos canais de caacutelcio (anlodipina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 120

Figura 50 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiarriacutetmico (amiodarona) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 121

Figura 51 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao nuacutemero de medicamentos em uso na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 122

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Idade (anos) 58 lt 0001

lt 40 200(9) 65

41-65 1325(62) 69

gt65 603(28) 51

Sexo 0025

Masculino 1362(64) 61

Feminino 766(36) 67

Grupo eacutetnico 027

Branca 343(16) 62

Natildeo-branca 131(6) 59

Dado faltante 1654(78) 65

Peso (kg) 694 lt 0001

lt 63 594(28) 57

631 - 749 562(26) 63

gt 75 614(29) 73

Dado faltante 358(17) 58

Altura (cm) 163 0048

lt 159 569(27) 64

159-166 546(26) 65

gt 167 628(30) 65

Dado faltante 385(18) 57

Iacutendice de massa corporal (kgm2)sect 26 lt0001

lt 25 660(31) 56

25-30 697(33) 69

gt 30 378(18) 59

Dado faltante 393(18) 74

Pressatildeo arterial sistoacutelica (mm Hg) 130 lt0001

lt 100 94(4) 38

100-130 927(44) 60

gt130 980(46) 57

Dado faltante 127(6) 69

Anexos 123

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Pressatildeo arterial diastoacutelica (mm Hg) 90 lt0001

lt 80 447(21) 51

80-90 905(43) 66

gt90 646(30) 73

Dado faltante 130(6) 57

Frequecircncia cardiacuteaca (batimentosmin) 80 062

lt 60 68(3) 57

60-100 1586(75) 63

gt100 144(7) 62

Dado faltante 330(16) 60

Duraccedilatildeo dos sintomas (meses) 119 068

lt 12 261(12) 60

gt 12 247(12) 59

Dado faltante 1620 (76) 63

Histoacuteria meacutedica

Hipertensatildeo arterial 1538(72) 65 0049

Normotenso 492(23) 56

Dado faltante 98(5) 65

Consumo de aacutelcool Leve 100(5) 69 084

Moderado 37(2) 65

Intenso 86(4)

Indeterminado 84(4) 69

Ex-etilista 297(14)

Natildeo etilista 1076(51) 62

Dado faltante 448(21)

Fumante lt 20 cigarros 111(5) 60 074

gt 20 cigarros 104(5)

Indeterminado 190(9) 62

Ex-fumante 626(29) 65

Natildeo fumante 859(40) 64

Dado faltante 238(11)

Anexos 124

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Diabetes mellitus 0024

Insulino dependente 99(5) 64

Natildeo insulino dependente 389(18) 59

Natildeo diabeacutetico 1481(70) 65

Dado faltante 159(7) 64

Etiologia da Insuficiecircncia Cardiacuteaca 0001

Cardiomiopatia da Doenccedila de Chagas 333(16) 50

Cardiomiopatia hipertensiva 920(43) 71

Cardiomiopatia isquecircmica 523(25) 55

Cardiomiopatia dilatada 206(10) 69

Cardiomiopatia alcooacutelica 146(7) 66

Classe funcional NYHApara 0001

I 300(14) 72

II 805(38) 64

III 575(27) 56

IV 302(14) 50

Dado faltante 146(7) 59

Ritmo cardiacuteaco no eletrocardiograma 00051

Fibrilaccedilatildeo atrial 294(14) 56

Ritmo sinusal 1561(73) 65

Ritmo de marca-passo 38(2) 68

Outro 7(0) 66

Dado faltante 228(11) 62

Espessura do septo interventricular (mm) 9 lt0001

lt 8 206(10) 57

8-12 1385(65) 68

gt12 109(5) 63

Dado faltante 428(20) 54

Espessura da parede posterior do ventriacuteculo esquerdo (mm) 9 lt0001

lt 8 206(10) 63

8-12 1428(67) 66

gt12 63(3) 54 Dado faltante 431(20) 62

Anexos 125

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos ()

Valor-pŦ

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) 64 lt0001

lt 60 514(24) 74

60-75 938(44) 65

gt 75 224(11) 56

Dado faltante 452(21) 53

Diacircmetro sistoacutelico do ventriacuteculo esquerdo (mm) 56 lt0001

lt 40 110(5) 79

40-55 462(22) 72

gt 55 612(29) 59

Dado faltante 944(44) 60

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo () 31 lt0001

lt 35 1027(48) 60

35-45 449(21) 69

45-55 220(10) 72

gt 55 59(3) 82

Dado faltante 373(18) 53

Diacircmetro do aacutetrio esquerdo (mm) 46 lt0001

lt 40 295(14) 78

gt 40 1375(65) 63

Dado faltante 458(22) 53

Creatinina seacuterica (mgdL) 11 lt0001

lt 13 1469(69) 68

13-26 535(25) 51

gt 26 51(2) 28

Dado faltante 73(3) 53

Soacutedio seacuterico (mEqL) 139 lt0001

lt 136 170(8) 49

gt 136 1852(87) 66

Dado faltante 106(5) 54

Anexos 126

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Potaacutessio seacuterico (mEqL) 46 lt0001

lt 35 31(1) 60

35-50 1646(77) 66

gt 50 345(16) 54

Dado faltante 106(5) 53

Hemoglobina (gdL) 142 lt0001

lt 10 41(2) 43

10-12 190(9) 53

gt 12 1826(86) 65

Dado faltante 71(3) 66

Leucoacutecitos (mm3) 7300 0048

lt 4000 45(2) 33

4000-11000 1791(84) 63

gt 11000 142(7) 56

Dado faltante 150(7) 62

Linfoacutecitos (mm3) 1919 0011

lt 900 14(1) 34

900-3400 301(14) 65

gt 3400 7(0) 71

Dado faltante 1806(85) 62

Colesterol total (mgdL) 188 lt0001

lt 200 881(41) 65

200-240 394(19) 75

gt 240 209(10) 74

Dado faltante 644(30) 53

Trigliceacuterides (mgdL) 112 lt0001

lt 150 1011(48) 65

150-300 397(19) 74

gt 300 71(3) 80

Dado faltante 649(30) 53

Anexos 127

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

HDL - colesterol (mgdL)Ħ 43 lt0001

lt 40 560(26) 68

40-60 681(32) 71

gt 60 207(10) 54

Dado faltante 680(32) 69

LDL- colesterol (mgdL)Ħ 116 lt0001

lt 100 471(22) 60

100-129 451(21) 68

gt 129 521(24) 53

Dado faltante 685(32) 72

Glicose de jejum (mgdL) 100 lt0001

lt 100 843(40) 65

100-126 571(27) 66

gt 126 345(16) 68

Dado faltante 369(17) 53

IECABRAeuro (captopril enalapril losartana)

Com medicaccedilatildeo 1564(73) 62 091

Sem medicaccedilatildeo 302(14) 62

Dado faltante 262(12)

Diureacuteticos (hidroclorotiazida e furosemida)

com medicaccedilatildeo 1548(73) 62 00032

sem medicaccedilatildeo 318(15) 71

Dado faltante 262(12) 66

Antagonista do receptor da aldosterona (espironolactona)

Com medicaccedilatildeo 832(39) 60 032

Sem medicaccedilatildeo 1034(49) 63

Dado faltante 262(12) 65

Digital (digoxina)

com medicaccedilatildeo 1013(48) 62 0077

sem medicaccedilatildeo 853(40) 66

Dado faltante 262(12) 65

Anticoagulante oral (varfarina)

Com medicaccedilatildeo 134(6) 56 043

Sem medicaccedilatildeo 1732(81) 63

Dado faltante 262(12) 65

Anexos 128

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Antiagregante plaquetaacuterio (aspirina) com medicaccedilatildeo 639(30) 60 055

sem medicaccedilatildeo 1227(58) 63

Dado faltante 262(12) 65

Estatina (sinvastatina)

Com medicaccedilatildeo 153(7) 75 007

Sem medicaccedilatildeo 1712(80) 60

Dado faltante 262(12) 63

Bloqueador dos canais de caacutelcio (anlodipina)

com medicaccedilatildeo 42(2) 69 077

sem medicaccedilatildeo 1824(86) 60

Dado faltante 262(12) 62

Vasodilator direto (hidralazina mononitrato de isossorbida)

Com medicaccedilatildeo 63(3) 63 058

Sem medicaccedilatildeo 1802(85) 62

Dado faltante 263(12) 62

Bloqueador adreneacutergico (carvedilol metoprolol atenolol propanolol) com medicaccedilatildeo 706(33) 66 0042

sem medicaccedilatildeo 1160(55) 60

Dado faltante 262(12) 65

Antiarriacutetmico (amiodarona)

Com medicaccedilatildeo 80(4) 54 051

Sem medicaccedilatildeo 1786(84) 62

Dado faltante 262(12) 65

Nuacutemero de medicamentos em uso Φ

1 118(6)

2 272(13)

3 471(22)

4 496(23)

5 349(16)

6 127(6)

7 26(1)

8 2(0)

9 1(0)

Dado faltante 266(12)

Anexos 129

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Nuacutemero de drogas agrupadas em uso ζ 014

lt 3 861(40) 65

gt 3 1001(47) 65

Dado faltante 266(12) 60

sect Peso em kgaltura2

para Classe funcional da New York Heart Association (NYHA) I- nenhuma limitaccedilatildeo II- limitaccedilatildeo a moderados esforccedilos III- limitaccedilatildeo a esforccedilos habituais IV- limitaccedilatildeo em repouso

Ħ HDL- colesterol ou fraccedilatildeo lipoproteica de alta densidade do colesterol LDL- colesterol ou fraccedilatildeo lipoproteica de baixa densidade do colesterol

euro IECA - inibidores da enzima de conversatildeo da angiotensina BRA - bloqueadores dos receptores da angiotensina I

Φ Nuacutemero de medicaccedilotildees em uso pelo paciente e respectivas porcentagens

ζ Nuacutemero de medicaccedilotildees agrupadas em uso pelo paciente e respectivas porcentagens

Ŧ Valor-p (log rank)

Anexos 130

Tabela 2 ndash Variaacuteveis estudas quanto agrave probabilidade de sobrevida (etapa 1)

Variaacutevel Valor-p Valores disponiacuteveis

n

Dados omissos

()

Idade

plt0001 2128 -

Etnia p =0789 474 78

Sexo plt0001 2128 -

Iacutendice de massa corpoacuterea plt0001 1735 19

Pressatildeo Arterial Sistoacutelica plt0001 2001 6

Pressatildeo Arterial Diastoacutelica plt0001 1998 6

Frequecircncia Cardiacuteaca p =0446 1798 16

Etiologia da Insuficiecircncia Cardiacuteaca plt0001 2128 -

Classe Funcional plt0001 1982 7

Hipertensatildeo Arterial plt0001 2030 5

Etilismo p =0602 1680 21

Tabagismo p =0117 1890 11

Diabetes p =0135 1969 7

Ritmo cardiacuteaco p =0105 1893 11

Espessura do septo interventricular p =0083 1332 37

Espessura da parede posterior do ventriacuteculo esquerdo

p =0477 1258 41

Diacircmetro diastoacutelico do ventriacuteculo esquerdo

plt0001 1676 21

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

plt0001 1184 44

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

plt0001 1755 18

Diacircmetro do aacutetrio esquerdo plt0001 1670 22

Soacutedio seacuterico plt0001 2022 5

Potaacutessio seacuterico p =0002 2022 5

Hemoglobina seacuterica p =0008 2057 3

Taxa de leucoacutecitos p =0018 1978 7

Taxa de linfoacutecitos p =0037 322 85

Colesterol total p =0001 1484 30

Trigliceacuterides p =0015 1479 30

HDL - colesterol p =0280 1448 32

LDL - colesterol p =0119 1443 32

Glicemia de jejum p =0051 1759 17

Creatinina seacuterica plt0001 2055 3

Nuacutemero de medicamentos em uso p =0134 1864 12

Iniacutecio dos sintomas p =0564 510 76

valor - p foi resultante do teste da razatildeo de verossimilhanccedilas para cada uma das variaacuteveis os valores

- p inferiores a 10 tornaram a caracteriacutestica correspondente elegiacutevel para inclusatildeo na na segunda etapa do modelo nuacutemero de informaccedilotildees disponiacuteveis para cada variaacutevel a variaacutevel idade mostrou-se significante (p lt 0001) e foi incluiacuteda em todos os ajustes do modelo por ser a sobrevida a resposta do modelo de Cox Em negrito estatildeo as variaacuteveis selecionadas para a etapa 2 do modelo de Cox

Anexos 131

Tabela 3 ndash Uso de tratamento medicamentoso

Medicamento em uso

Grupo Sim

n ()

Natildeo

n ()

Sem informaccedilatildeo

n ()

IECA BRA 1564(73) 302(14) 262(12)

Diureacuteticos 1548(73) 318(15) 262(12)

Espironolactona 832(39) 1034(49) 262(12)

Digoxina 1013(48) 853(40) 262(12)

Anticoagulante oral 134(6) 1732(81) 262(12)

Antiagregante plaquetaacuterio 639(30) 1227(58) 262(12)

Estatina 153(7) 1713(80) 262(12)

Bloqueador dos canais de caacutelcio

42(2) 1824(86) 262(12)

Vasodilatador direto 63(3) 1802(85) 263(12)

Bloqueador alfa-adreneacutergico ou beta-adreneacutergico

706(33) 1160(55) 262(12)

Antiarriacutetmico 80(4) 1786(84) 262(12)

IECA inibidores da enzima conversora da angiotensina (captopril enalapril) BRA bloqueadores dos receptores da angiotensina II (losartana) Diureacuteticos hidroclorotiazida ou furosemida Espironolactona diureacutetico poupador de potaacutessio e antagonista do receptor da aldosterona Anticoagulante oral varfarina Antiagregante plaquetaacuterio aacutecido acetilsaliciacutelico Estatina sinvastatina Bloqueador dos canais de caacutelcio anlodipina Vasodilatdor direto hidralazina e mononitrato diisossorbida Bloqueadores alfa adreneacutergico (carvedilol) e beta-adreneacutergico (metoprolol atenolol e propranolol) Antiarritmico amiodarona

Anexos 132

Tabela 4 - Nuacutemero de medicamentos em uso

Nuacutemero de medicamentos em uso pelos pacientes - n ()

1

n()

2

n()

3

n()

4

n()

5

n()

6

n()

7

n()

8

n()

9 n()

Sem Informaccedilatildeo

n()

118(6) 272(13) 471(22) 496(23) 349(16) 127 (6)

26(1) 2(0) 1(0) 266(12)

nuacutemero de medicamentos em uso pelo paciente entre os diferentes grupos de medicaccedilotildees

Tabela 5 - Variaacuteveis retiradas do modelo de Cox (etapa 2)

Variaacutevel Valor-p

Hipertensatildeo arterial sistecircmica 0790

Hemoglobina 0789

Glicemia de jejum 0751

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

0702

Frequecircncia cardiacuteaca 0568

Sexo 0434

Soacutedio seacuterico 0428

Leucoacutecitos seacuterico 0165

Trigliceacuterides seacuterico 0144

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

0111

Linfoacutecitos seacuterico 0082

apoacutes ajuste do modelo inicial e considerando o valor-p do teste de razatildeo de verossimilhanccedilas para cada uma das variaacuteveis foi realizado novo ajuste sequencial do modelo e as variaacuteveis com valor-p superiores a 5 foram eliminadas

Anexos 133

Tabela 6 - Reavaliaccedilatildeo das variaacuteveis inicialmente excluiacutedas da etapa 2 do modelo de Cox (etapa 3)

Variaacutevel Valor-p

Etnia 0650

Frequecircncia cardiacuteaca 0489

Etilismo 0702

Tabagismo 0536

Diabetes melito 0034

Espessura da parede posterior do ventriacuteculo esquerdo

0546

Ritmo cardiacuteaco 0137

HDL - colesterol 0710

LDL- colesterol 1000

Nuacutemero de medicamentos em uso 0696

Iniacutecio dos sintomas 0784

HDL-colesterol ou lipoproteiacutena de alta densidade LDL-colesterol ou lipoproteiacutena de baixa densidade Resultado do teste da razatildeo de verossimilhanccedila para todas as variaacuteveis Excluiacutedas no primeiro ajuste do modelo (etapa 1) e reavaliaccedilatildeo da importacircncia de cada uma das variaacuteveis apoacutes reintroduzi- las no modelo em conjunto com as variaacuteveis do segundo ajuste do modelo (etapa 2) sect Diabetes melito foi a uacutenica variaacutevel que permaneceu para o modelo final

Tabelas 7 - Variaacuteveis do modelo final de Cox selecionadas para a rede neural

Variaacutevel Valor-p

Idade (anos) lt0001

Iacutendice de massa corpoacuterea (kgm2) lt0001

Pressatildeo arterial diastoacutelica (mmHg) lt0001

Etiologia da insuficiecircncia cardiacuteaca lt0001

Classe funcional (NYHA)Δ lt0001

Espessura do septo interventricular (mm) 0037

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) lt0001

Diacircmetro do aacutetrio esquerdo (mm) 0025

Potaacutessio seacuterico (mEqL) 0015

Colesterol total (mgdL) lt0001

Creatinina (mgdL) lt0001

Diabetes melito 0034

etiologias da insuficiecircncia cardiacuteaca hipertensiva isquecircmica dilatada alcooacutelica e Doenccedila de Chagas Δ classe funcional segundo a New York Heart Association valor - p do teste de razatildeo de verossimilhanccedila do ajuste final do modelo de Cox

Anexos 134

Tabela 8 - Valores de referecircncia para as variaacuteveis com dados faltantes

Variaacutevel Estrateacutegia

1 Estrateacutegia

2 Estrateacutegia

3

Iacutendice de massa corpoacuterea (kgm2) 25 25 26

Pressatildeo arterial diastoacutelica (mm Hg) 80 80 90 Espessura diastoacutelica do septo intraventricular (mm)

8 8 9

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm)

60 60 64

Diacircmetro do aacutetrio esquerdo (mm) 40 40 46 Potaacutessio seacuterico (mEqL) 35 35 46 Colesterol total (mgdL) 160 200 188

Creatinina (mgdL) 09 13 11 Preacute-requisito para o aprendizado da rede neural estrateacutegias para a imputaccedilatildeo de valores nas informaccedilotildees faltantes valores de referecircncia da normalidade valores superiores da normalidade para as variaacuteveis colesterol total e creatinina seacuterica valores de referecircncia da mediana

Anexos 135

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado -treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 1 1

417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 2 2

417 968 Zero Based Log Sigmoid data da consulta 52618

sem limite 3 1

417 968 Tangente Hiperboacutelica data da consulta 70731

sem limite 4 1 Teste RN 1 118 240 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 20100

sem limite 5 1 Cardiopatia dilatada 36 70 Zero Based Log Sigmoid data da consulta 100275

sem limite 6 1 Cardiopatia hipertensiva 168 379 Zero Based Log Sigmoid data da consulta 88500

sem limite 7 1 Cardiopatia alcooacutelica 28 57 Zero Based Log Sigmoid data da consulta 81429

sem limite 8 1 Cardiopatia isquemica 106 263 Zero Based Log Sigmoid data da consulta 36109

sem limite 9 1 Cardiopatia doenccedila Chagas 8 188 Zero Based Log Sigmoid data da consulta 40044

sem limite 10 1 sexo 417 968 Zero Based Log Sigmoid data da consulta 57836

sem limite 11 1 sexo e FEλ 25 417 968 Zero Based Log Sigmoid data da consulta 73544

sem limite 12 1 sexo e FEλ 55 417 968 Zero Based Log Sigmoid data da consulta 102308

2 lt sobrevida lt 6 13 1

200 402 Zero Based Log Sigmoid data da consulta 3199

2 lt sobrevida lt 6 14 1 22 a 52 anos 121 206 Zero Based Log Sigmoid data da consulta 88000

1 lt sobrevida lt 6 15 1 22 a 52 anos 83 162 Zero Based Log Sigmoid data da consulta 5185

1 lt sobrevida lt 6 16 1 13 lt CrΦ

lt 26 72 184 Zero Based Log Sigmoid data da consulta 6200

1 lt sobrevida lt 6 17 1 200 lt TCΨ

lt 239 61 245 Zero Based Log Sigmoid data da consulta 7068

1 lt sobrevida lt 6 18 1 60 lt DDVEε lt 75 160 374 Zero Based Log Sigmoid data da consulta 6360

1 lt sobrevida lt 6 19 1 200ltTCΨlt239 e 60ltDDVE

εlt75 163 34 Zero Based Log Sigmoid data da consulta 5284

Anexos 136

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado- treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede neural

() Aprendizado

(TAA) Previsatildeo

(TAP)

2 lt sobrevida lt 6 20 1

50 98 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2260

2 lt sobrevida lt 6 21 1

200 402 Tangente Hiperboacutelica data da consulta 4801

2 lt sobrevida lt 6 22 1

50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

0 lt sobrevida lt 2 23 1

118 383 Tangente Hiperboacutelica data da consulta 42244

sobrevida gt 6 24 1

101 186 Tangente Hiperboacutelica data da consulta 1277

0 lt sobrevida lt 2 25 1

118 383 Zero Based Log Sigmoid data da consulta 52725

sobrevida gt 6 26 1

101 186 Zero Based Log Sigmoid data da consulta 1137

0 lt sobrevida lt 2 27 1

22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

sobrevida gt 6 28 1

46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

0 lt sobrevida lt 2 29 1

22 47 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 3381

sobrevida gt 6 30 1

46 93 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2413

15 lt sobrevida lt 85 31 1

317 632 Zero Based Log Sigmoid data da consulta 7478

sobrevida gt 2 32 1

298 584 Zero Based Log Sigmoid data da consulta 5660

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

λ valor de referecircncia para a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo (capacidade funcional) ao ecocardiograma

Φ valores de referecircncia para a dosagem da creatinina seacuterica Ψ valores de referecircncia para a dosagem seacuterica do colesterol total

ε valores de referecircncia para o diacircmetro diastoacutelico do ventriacuteculo esquerdo ao ecocardiograma

Anexos 137

Tabela 91 - Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1)

Tempo de sobrevida

observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizadotreinamento da

rede ou limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 33 3 30000τ 00001

ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 34 1 20000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 55141

sem limite 35 1 10000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 54241

sem limite 36 1 00010 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 69427

sem limite 37 1 00020 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 70479

2 lt sobrevida lt 6 38 1 Cardiopatia dilatada 18 38 Zero Based Log Sigmoid data da consulta 2667

2 lt sobrevida lt 6 39 1 Cardiopatia hipertensiva 80 161 Zero Based Log Sigmoid data da consulta 2948

2 lt sobrevida lt 6 40 1 Cardiopatia alcooacutelica 18 29 Zero Based Log Sigmoid data da consulta 2952

2 lt sobrevida lt 6 41 1 Cardiopatia isquemica 48 101 Zero Based Log Sigmoid data da consulta 2705

2 lt sobrevida lt 6 42 1 Cardiopatia da doenccedila de Chagas

37 73 Zero Based Log Sigmoid data da consulta 2191

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

τ nuacutemero de ciclos maacuteximos ou iteraccedilotildees estipuladas para o aprendizado-treinamento da rede neural

ζ erro delta estipulado para o aprendizado-treinamento da rede neural

Anexos 138

Tabela 10 - Comparaccedilatildeo das redes neurais categorizadas pelo tempo de sobrevida observado seleccedilatildeo dos melhores modelos de rede neural

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

23 118 383 Tangente Hiperboacutelica data da consulta 42244

25 118 383 Zero Based Log

Sigmoid data da consulta 52725

27 22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

29 22 47 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 3381

tempo de seguimento ou tempo de sobrevida observado inferior a 2 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

13 200 402 Zero Based Log

Sigmoid data da consulta 3199

21 200 402 Tangente Hiperboacutelica data da consulta 4801

20 50 98 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2260

22 50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

tempo de seguimento ou tempo de sobrevida observado entre 2 e 6 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

24 101 186 Tangente Hiperboacutelica data da consulta 1277

26 101 186 Zero Based Log

Sigmoid data da consulta 1137

28 46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

30 46 93 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2413

tempo de seguimento ou tempo de sobrevida observado superior a 6 anos

em todos os testes das redes neurais foram utilizados valores normais para o dado

faltante

Anexos 139

Tabela 11 - Modelos de redes neurais para previsatildeo da sobrevida nos pacientes vivos ateacute 2012 (fase 2)

Aprendizado da rede neural (pacientes falecidos ateacute 2012)

Previsatildeo de sobrevida da rede neural

(pacientes vivos ateacute 2012)

Modelo de rede neural

TAA

Erro real da rede

neural ()

Sobrevida (tempo

decorrido)

Funccedilatildeo de

transferecircncia

Tempo de sobrevida observado

(anos)

Previsatildeo da rede neural

(PREV) λ

TAP

Sobrevida hipoteacutetica

Erro hipoteacutetico da rede neural

()

13 200 3199 (DO-DPC)Ψ zero based

log sigmoid 2 a 6 PREV01 300 (DUR-

DPC) Φ

3847

20 50 2260 (DO - DIS) ζ zero based

log sigmoid 2 a 6 PREV02 51 (DUR-DIS)

Φ

3933

22 50 2054 (DO - DIS) ζ tangente

hiperboacutelica 2 a 6 PREV03 51 (DUR-DIS)

Φ

3323

24 101 1277 (DO-DPC)Ψ tangente

hiperboacutelica superior a

6 PREV04 636 (DUR-

DPC) Φ

2071

26 101 1137 (DO-DPC)Ψ zero based

log sigmoid superior a

6 PREV05 636 (DUR-

DPC) Φ

2150

27 22 3529 (DO - DIS) ζ tangente

hiperboacutelica 0 a 2 PREV06 24 (DUR-DIS)

Φ

6372

29 22 3381 (DO - DIS) ζ zero based

log sigmoid 0 a 2 PREV07 24 (DUR-DIS)

Φ

8547

28 46 3029 (DO - DIS) ζ tangente

hiperboacutelica superior a

6 PREV08 199 (DUR-DIS)

Φ

4323

30 46 2413 (DO - DIS) ζ zero based

log sigmoid superior a

6 PREV09 199 (DUR-DIS)

Φ

4867

TAA tamanho da amostra para aprendizado da rede neural

TAP tamanho da amostra para a previsatildeo da rede neural

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da

rede neural com os pacientes falecidos ateacute 2012

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou do uacuteltimo contato com o

paciente e o dado disponiacutevel (data da primeira consulta ou data do iniacutecio dos sintomas)

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

ζ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Anexos 140

Tabela 12 - Modelos de redes neurais comparaacuteveis erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Modelo de rede neural

Previsatildeo da rede neural (PREV) λ

Nuacutemero de pacientes

para comparaccedilatildeo

Erro de previsatildeo hipoteacutetico de

sobrevida pela rede neural

(vivos ateacute 2012) ()

Erro de previsatildeo da sobrevida pela rede

neural real (falecidos em 2013)

()

13 PREV 01 19 3562 4755 20 PREV 02 2 1155 4037 22 PREV 03 2 4095 5614 24 PREV04 36 2120 1880 26 PREV 05 36 1848 1948

corresponde ao modelo de rede utilizada no aprendizado com os melhores resultados na previsatildeo da sobrevida λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 141

Tabela 13 - Modelo de rede neural 13 individual e comparaacutevel erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 13 (aprendizado falecidos ateacute 2012) e PREV01 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

13 200 (DOndashDPC)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira

consulta

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-

DPC) Φ

Sobrevida hipoteacutetica da rede neural

PREV 01λ

(vivos em 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural comparado

com erro real (falecidos em

2013) ()

127 1330 1258 543 3769 6663

180 1434 1797 2535 3526 4902

407 1302 1716 3179 3490 5083

675 2063 1795 1299 3630 5055

878 1736 1261 2734 3509 6405

1086 859 1265 4722 3429 6312

1194 1218 1798 4760 3532 4910

1341 1172 1794 5306 3297 4559

1685 1061 1803 6994 3259 4468

2204 950 1795 8899 2971 3957

2669 1997 1761 1182 2477 2891

2962 1357 1427 529 2659 4635

3687 1886 1255 3345 2499 5017

3837 1834 1221 3341 2451 2396

3838 1603 1792 1177 2356 3204

3855 1108 1794 6194 2640 7789

3862 1726 548 6825 2479 2780

3892 1745 1720 144 2382 4547

3997 1013 1255 3980 2302 4766

3562 DP2498

4755 DP1384

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro relativo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 142

Tabela 14 - Modelo de rede neural 20 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 20 (aprendizado falecidos ateacute 2012) e PREV02 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

20 50 (DO-DIS)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede neural PREV 02

λ

(vivos ateacute 2012)

(em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos ateacute 2012)

()

Sobrevida

real (falecidos em

2013)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1329 2310 2659 5002

3997 2008 1595 680 2302 3072

1155 DP 1249

4037 DP 1365

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural

para os pacientes vivos ateacute 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede

comparada com a porcentagem do erro real de sobrevida dos pacientes que faleceram em 2013

Anexos 143

Tabela 15- Modelo de rede neural 22 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 22 (aprendizado falecidos ateacute 2012) e PREV03 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

22 50 (DO- DIS) Ψ

tangente hiperboacutelica

2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do

caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede

neural PREV 03

λ

(vivos ateacute 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1166 3220 2659 5615

3997 2008 1010 4970 2302 5614

4095 DP 1237 5614 DP 001

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro de previsatildeo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 144

Tabela 16 ndash Modelo de rede neural 24 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 24 (aprendizado falecidos em 2012) e PREV04 (previsatildeo vivos em 2012)

Modelo de rede neural

δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

24 101 (DO-DPC) Ψ

tangente hiperboacutelica

superior a 6 anos

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

Nuacutemero do caso

Sobrevida calculada VIVO (DUR-DPC)

Φ

(em dias)

Sobrevida hipoteacutetica da rede neural PREV 04

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico da rede neural

(vivos ateacute 2012) ()

Sobrevida real

(falecidos em 2013) (em dias)

Erro da rede neural comparado com

erro real (falecidos em 2013)

()

115 3558 3495 176 3586 252

156 3552 3239 882 3630 1077

157 3615 3548 184 3705 259

267 3437 2302 3303 3755 387

442 2496 2445 206 3573 3157

475 3681 3527 418 3700 466

702 3281 2756 1600 3544 2223

848 3362 2628 2183 3474 2435

949 3108 3309 646 3339 09

1015 3410 2166 3648 3449 3719

1166 2931 3399 1597 3423 069

1269 2693 3183 1820 3461 802

1272 3277 3482 627 3343 417

1408 3346 2435 2721 3427 2893

1453 3281 3232 151 3473 69

1460 3285 4047 2319 3330 2152

1477 3480 2236 3574 3485 3583

1490 2902 3332 1480 3244 269

1511 2612 3052 1685 3423 1083

1513 2589 3239 2510 3399 471

1525 3425 2702 2110 3429 2118

1538 2963 4069 3734 3312 2286

1686 3059 3821 2492 3284 1635

1754 3214 2612 1873 3284 2045

2083 2938 2264 2293 2964 236

2477 2828 4067 4381 2973 3647

2481 2467 4062 6464 2780 461

2526 2559 3548 3865 2799 2676

2612 2626 3485 3271 2894 2041

2621 2534 2224 1224 2802 2063

2641 2915 3548 2171 2934 2091

2714 2737 3486 2738 2810 2407

2789 2726 3442 2628 2753 2504

2815 2938 3016 264 2943 246

2871 2884 2237 2242 2904 2295 3475 2514 3231 2852 2547 2685

2120 DP 1396

1880 DP 1239

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da rimeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural meacutedia e desvio-padratildeo (DP) das

porcentagens do erro hipoteacutetico de previsatildeo da rede neural ara os pacientes vivos ateacute 2012 meacutedia desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 145

Tabela 17 - Modelo de rede neural 26 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 26 (aprendizado oacutebito em 2012) e PREV05 (previsatildeo vivos em 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

26 101 (DO-DPC) Ψ

zero based log sigmoid

superior a 6 anos

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

115 3558

3902 966 3586 881

156 3552

2656 2522 3630 2682

157 3615

3408 573 3705 802

267 3437

2655 2275 3755 2929

442 2496

2514 074 3573 2963

475 3681

2694 2681 3700 2718

702 3281

2841 134 3544 1983

848 3362

3307 163 3474 480

949 3108

2318 2541 3339 3057

1015 3410

2189 358 3449 3653

1166 2931

4085 3937 3423 1934

1269 2693

2367 1221 3461 3162

1272 3277

2669 1854 3343 2015

1408 3346

3006 1015 3427 1228

1453 3281

2430 2595 3473 3004

1460 3285

4095 2465 3330 2297

1477 3480

2147 3832 3485 3841

1490 2902

2571 1142 3244 2076

1511 2612

2241 1419 3423 3452

1513 2589

3044 1757 3399 1044

1525 3425

2770 1913 3429 1922

1538 2963

3743 2631 3312 1300

1686 3059

2747 1021 3284 1636

1754 3214

2590 1940 3284 2112

2083 2938

2805 452 2964 536

2477 2828

3974 4052 2973 3366

2481 2467

4055 6439 2780 4588

2526 2559

3027 1828 2799 813

2612 2626

2090 2043 2894 2779

2621 2534 2947 1629 2802 517

2641 2915 2247 2293 2934 2343

2714 2737 2488 908 2810 1144

2789 2726 2727 003 2753 095

Anexos 146

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

2871 2884 2831 183 2904 251

3475 2514 2432 327 2547 452

1848 DP 1354

1948 DP 1167

δ modelo de rede neural utilizada no aprendizado da rede Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013 Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos em 2012

Anexos 147

Tabela 18 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2013 (Reensaio 1) fase 4

Modelo de rede neural 24 (falecidos ateacute 2012)

Modelo de rede neural 24 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1277

145

269

1376

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Modelo de rede neural 26 (falecidos ateacute 2012)

Modelo de rede neural 26 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo

da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1137

145

269

1230

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Anexos 148

Tabela 19 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2014 (Reensaio 2) fase 4

Modelo de rede neural 24

(falecidos ateacute 2012)

Modelo de rede neural 24

Reensaio1 (falecidos em

2013)

Modelo de rede neural 24

Reensaio 2 (falecidos em

2014)

TAA TAP

sect

Erro de previsatildeo de sobrevida da rede neural

()

TAA TAeuro Erro de

previsatildeo real da rede neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida

da rede neural ()

101

186

1277

145

269

1376

175

319

1733

corresponde aos pacientes falecidos em 2012 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a falecer em 2013 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer em 2014 sem dados faltantes sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde agrave somatoacuteria do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer 2013 pound corresponde ao somatoacuterio do total de oacutebitos 2013 e o total de pacientes que vieram a falecer em 2014

Modelo de rede neural 26

(falecidos ateacute 2012)

Modelo de rede neural 26

Reensaio1 (falecidos em 2013)

Modelo de rede neural 26

Reensaio 2 (falecidos em 2014)

TAA TAP sect Erro de

previsatildeo de sobrevida da rede neural

()

TAA TAPeuro Erro de

previsatildeo real da rede

neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida da

rede neural ()

101

186

1137

145

269

1230

175

319

1488

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2012 e os pacientes que vieram a falecer

em 2013 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer

em 2014 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer

em 2013

pound corresponde ao somatoacuterio do total de oacutebitos ateacute 2013 e o total de pacientes que vieram a falecer

em 2014

Anexos 149

Tabela 20 - Comparaccedilatildeo da previsatildeo de sobrevida entre o modelo inicial da rede neural 24 e reensaio 1 fase 4

PREV 04 λ (vivos em 2012)

REENSAIO 1 do modelo de rede neural 24 (falecidos em 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Erro de previsatildeo real rede neural ()

115 3586 3495 176 3709 344

156 3630 3239 882 3041 1623

157 3705 3548 184 3469 637

267 3755 2302 3303 3549 549

442 3573 2445 206 3568 013

475 3700 3527 418 3370 892

702 3544 2756 16 3727 515

848 3474 2628 2183 3547 211

949 3339 3309 646 3505 496

1015 3449 2166 3648 3637 544

1166 3423 3399 1597 3555 386

1269 3461 3183 182 3378 240

1272 3343 3482 627 3286 171

1408 3427 2435 2721 3403 070

1453 3473 3232 151 3458 044

1460 3330 4047 2319 4024 2083

1477 3485 2236 3574 3498 038

1490 3244 3332 148 3511 823

1511 3423 3052 1685 3225 579

1513 3399 3239 251 3564 484

1525 3429 2702 211 3527 284

1538 3312 4069 3734 3422 332

1686 3284 3821 2492 3304 060

1754 3284 2612 1873 3324 120

2083 2964 2264 2293 2501 1564

2477 2973 4067 4381 3026 155

2481 2780 4062 6464 2827 169

2526 2799 3548 3865 3264 1660

2612 2894 3485 3271 3989 3784

2621 2802 2224 1224 2545 917

2641 2934 3548 2171 2659 937

2714 2810 3486 2738 2329 1712

2789 2753 3442 2628 2490 955

2815 2943 3016 264 3200 873

2871 2904 2237 2242 3558 2253

3475 2547 3231 2852 3568 4008

2120 DP 1396

848 DP 961

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo

(DP) das porcentagens do erro real de previsatildeo do reensaio 1 para o modelo de rede neural 24

Anexos 150

Tabela 21 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 e reensaio 1 fase 4

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (oacutebitos 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Sobrevida da rede neural ()

115 3586 3902 966 3520 184

156 3630 2656 2522 2618 2787

157 3705 3408 573 3568 371

267 3755 2655 2275 3787 084

442 3573 2514 074 3326 691

475 3700 2694 2681 2654 2827

702 3544 2841 1340 3400 406

848 3474 3307 163 3467 020

949 3339 2318 2541 3418 236

1015 3449 2189 3580 3621 499

1166 3423 4085 3937 2635 2303

1269 3461 2367 1221 2628 2405

1272 3343 2669 1854 2688 1960

1408 3427 3006 1015 3269 460

1453 3473 2430 2595 2596 2524

1460 3330 4095 2465 2653 2033

1477 3485 2147 3832 3408 221

1490 3244 2571 1142 2711 1642

1511 3423 2241 1419 2617 2354

1513 3399 3044 1757 3340 175

1525 3429 2770 1913 3093 979

1538 3312 3743 2631 2651 1995

1686 3284 2747 1021 2665 1886

1754 3284 2590 1940 2798 1480

2083 2964 2805 452 2695 906

2477 2973 3974 4052 2622 1182

2481 2780 4055 6439 2873 334

2526 2799 3027 1828 2627 614

2612 2894 2090 2043 3243 1204

2621 2802 2947 1629 2645 562

2641 2934 2247 2293 2654 954

2714 2810 2488 908 2943 474

2789 2753 2727 003 2567 677

2815 2943 2663 935 2620 1096

2871 2904 2831 183 2550 1219

3475 2547 2432 327 2731 724

1848 DP 1410

1124 DP 851

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia das porcentagens e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo do reensaio 1 para o modelo de rede neural 26

Anexos 151

Tabela 22 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 24 reensaio 1 e reensaio 2 fase 5

PREV 04 λ

(vivos ateacute 2012) REENSAIO 1 do modelo de rede neural 24 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 24

(aprendizado 2013 e 2014)

Nuacutemero do

caso

Sobrevida real (em dias)

Sobrevida da rede neural

(em dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural ()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3495 176 3709 344 3241 963

156 3630 3239 882 3041 1623 2523 3049

157 3705 3548 184 3469 637 3513 518

267 3755 2302 3303 3549 549 3513 644

442 3573 2445 206 3568 013 2523 2938

475 3700 3527 418 3370 892 3442 698

702 3544 2756 16 3727 515 2968 1625

848 3474 2628 2183 3547 211 3616 408

949 3339 3309 646 3505 496 3513 521

1015 3449 2166 3648 3637 544 3508 171

1166 3423 3399 1597 3555 386 3363 175

1269 3461 3183 182 3378 240 3628 483

1272 3343 3482 627 3286 171 2867 1424

1408 3427 2435 2721 3403 070 3184 710

1453 3473 3232 151 3458 044 3572 284

1460 3330 4047 2319 4024 2083 3058 817

1477 3485 2236 3574 3498 038 3513 081

1490 3244 3332 148 3511 823 3370 388

1511 3423 3052 1685 3225 579 3096 955

1513 3399 3239 251 3564 484 3130 791

1525 3429 2702 211 3527 284 3518 261

1538 3312 4069 3734 3422 332 3347 106

1686 3284 3821 2492 3304 060 3141 435

1754 3284 2612 1873 3324 120 3014 822

2083 2964 2264 2293 2501 1564 3157 652

2477 2973 4067 4381 3026 155 2404 1913

2481 2780 4062 6464 2827 169 2697 300

2526 2799 3548 3865 3264 1660 2524 983

2612 2894 3485 3271 3989 3784 3183 999

2621 2802 2224 1224 2545 917 3447 2303

2641 2934 3548 2171 2659 937 3334 1365

2714 2810 3486 2738 2329 1712 2523 1020

2789 2753 3442 2628 2490 955 2404 1267

2815 2943 3016 264 3200 873 2208 2497

2871 2904 2237 2242 3558 2253 2871 113

3475 2547 3231 2852 3568 4008 2524 092

2120

DP 1396

848

DP 961

910

DP 787

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-

-padratildeo das porcentagens (DP) do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1

(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo da rede neural para

os pacientes do reensaio 2 (oacutebitos incorporados ateacute 2014) λ PREV modelo de previsatildeo da rede neural para os

pacientes vivos associado ao modelo de aprendizado da rede

Anexos 152

Tabela 23 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 o reensaio 1 e o reensaio 2 fase 5

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 26 (aprendizado

2013 e 2014)

Nuacutemero do

caso

Sobrevida real

(em dias)

Sobrevida da rede neural (em

dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3902 966 3520 184 3274 870

156 3630 2656 2522 2618 2787 2750 2425

157 3705 3408 573 3568 371 3347 968

267 3755 2655 2275 3787 084 3708 126

442 3573 2514 074 3326 691 3740 467

475 3700 2694 2681 2654 2827 2751 2565

702 3544 2841 1340 3400 406 3207 952

848 3474 3307 163 3467 020 2989 1395

949 3339 2318 2541 3418 236 3552 637

1015 3449 2189 3580 3621 499 3352 282

1166 3423 4085 3937 2635 2303 3287 397

1269 3461 2367 1221 2628 2405 2915 1579

1272 3343 2669 1854 2688 1960 3045 892

1408 3427 3006 1015 3269 460 3299 373

1453 3473 2430 2595 2596 2524 2722 2163

1460 3330 4095 2465 2653 2033 4369 3120

1477 3485 2147 3832 3408 221 3472 038

1490 3244 2571 1142 2711 1642 3742 1534

1511 3423 2241 1419 2617 2354 3180 710

1513 3399 3044 1757 3340 175 3054 1015

1525 3429 2770 1913 3093 979 2763 1941

1538 3312 3743 2631 2651 1995 2845 1409

1686 3284 2747 1021 2665 1886 2767 1576

1754 3284 2590 1940 2798 1480 2830 1381

2083 2964 2805 452 2695 906 2813 508

2477 2973 3974 5052 2622 1182 3080 359 2481 2780 4055 6439 2873 334 2980 721

2526 2799 3027 1828 2627 614 3034 838

2612 2894 2090 2043 3243 1204 4367 5090

2621 2802 2947 1629 2645 562 2920 421

2641 2934 2247 2293 2654 954 3095 549

2714 2810 2488 908 2943 474 3998 4227

2789 2753 2727 003 2567 677 2492 947

2815 2943 2663 935 2620 1096 2722 749

2871 2904 2831 183 2550 1219 2887 059

3475 2547 2432 327 2731 724 3103 2183

1848 DP 1410

112 4 DP 851

126 DP 1127

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-padratildeo das porcentagens do erro Hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) das porcentagens Do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 2 (oacutebitos incorporadosateacute 2014) λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associados ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 153

Tabela 24 - Sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo dos melhores modelos de rede neural

Pacientes com oacutebitos confirmados ateacute 2012 Pacientes com oacutebitos natildeo confirmados ateacute 2012 Criteacuterio para o modelo de rede neural (RN)

Intervalo de corte (dias)

Modelo da rede neural

Total de oacutebitos

Verdadeiro Positivo (VP)

Falso Negativo (FN)

Sensibilidade da rede neural

ζ

Modelo de Previsatildeo da RN (Prev)

Total de pacientes vivos

Verdadeiro Negativo (VN)

Falso Positivo (FP)

Especificidade da rede neural δ

Acuraacutecia da rede neural

ξ

Valor Preditivo Positivo (VPP)

π

Valor Preditivo Negativo (VPN)

φ

sobrevida de 2 a 6 anos Log Sig DO-DPC 730 (2 anos) RN13 402 338 64 841 PREV01 300 226 74 753 803 820 779

sobrevida de 2 a 6 anos Log Sig DO-DPC 365 (1 ano) RN13 402 226 176 562 PREV01 300 139 161 463 520 584 441

sobrevida de 2 a 6 anos Log Sig DO-DIS 730 (2 anos) RN20 98 88 10 898 PREV02 51 39 12 765 852 880 796

sobrevida de 2 a 6 anos Log Sig DO-DIS 365 RN20 98 71 27 724 PREV02 51 23 28 451 631 717 460

sobrevida de 2 a 6 anos Tag h DO-DIS 730 (2 anos) RN22 98 88 10 898 PREV03 51 37 14 725 839 863 787

sobrevida de 2 a 6 anos Tag h DO-DIS 365 (1 ano) RN22 98 75 23 765 PREV03 51 22 29 431 651 721 489

sobrevida inferior a 2 anos Tag h DO-DIS 180 (6 meses) RN27 47 33 14 702 PREV06 24 9 15 375 592 688 391

sobrevida inferior a 2 anos Tag h DO-DIS 365 (1 ano) RN27 47 41 6 872 PREV06 24 16 8 667 803 837 727

sobrevida inferior a 2 anos Log Sig DO-DIS 180 (6 meses) RN29 47 33 14 702 PREV07 24 7 17 292 563 660 333

sobrevida inferior a 2 anos Log Sig DO-DIS 365 (1 ano) RN29 47 41 6 872 PREV07 24 15 9 625 789 820 714

sobrevida superior a 6 anos Tag h DO-DPC 730 (2 anos) RN24 186 135 51 726 PREV04 636 355 281 558 596 325 874

sobrevida superior a 6 anos Tag h DO-DPC 1095 (3 anos) RN24 186 173 13 930 PREV04 636 493 143 775 810 547 974

sobrevida superior 6 anos Log Sig DO-DPC 730 (2 anos) RN26 186 135 51 726 PREV05 636 348 288 547 588 319 872

sobrevida superior 6 anos Log Sig DO-DPC 1095 (3 anos) RN26 186 173 13 930 PREV05 636 486 150 764 802 536 974

sobrevida superior 6 anos Tag h DO-DIS 730 (2 anos) RN28 93 63 30 677 PREV08 199 60 139 302 421 312 667

sobrevida superior 6 anos Log Sig DO-DIS 730 (2 anos) RN30 93 63 30 677 PREV09 199 51 148 256 390 299 630

ε Os caacutelculos de sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo para cada modelo de dados da rede neural foram baseados no padratildeo ouro a partir de dois grupos distintos pacientes

falecidos ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural (RN) pacientes sobreviventes ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural para a previsatildeo da sobrevida (PREV) para estes pacientes foi considerada a data da uacuteltima revisatildeo como a data hipoteacutetica de oacutebito para o calculo da sobrevida DO data de oacutebito do paciente DIS data do iniacutecio dos sintomas DPC data da primeira consulta Tag h funccedilatildeo de transferecircncia ou ativaccedilatildeo tangente hiperboacutelica Log Sig funccedilatildeo de transferecircncia ou ativaccedilatildeo zero based log sigmoid funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural ζ Sensibilidade da rede neural = VP (VP + FN) δ Especificidade da rede neural = VN (VN + FP) ξ Acuraacutecia da rede neural = (VP + VN) (VP+FP+VN+FN) π Valor preditivo positivo da rede neural = VP (VP + FP) φ Valor preditivo negativo da rede neural = VN (VN + FN)

Anexos 154

Tabela 25 ndash Avaliaccedilatildeo dos melhores modelos de rede neural com o emprego da funccedilatildeo de perda

Caracteriacutesticas do modelo de rede neural Modelo de rede neural (RN)

Tamanho da

amostra (TAP) φ

Erro meacutedio estimado com a

funccedilatildeo de perdapara

(dias)

Erro meacutedio estimado com a funccedilatildeo de perda quadraacutetica (dias)

sobrevida de 2 a 6 anos Log Sig sect

(DO - DPC) RN13 402 38931 25453684

sobrevida de 2 a 6 anos Log Sig sect

(DO - DIS) RN20 98 25906 18176135

sobrevida de 2 a 6 anos Tag hip sect

(DO - DIS) RN22 98 23161 18081308

sobrevida superior a 6 anos Tag hip sect (DO - DPC) RN24 186 33255 27277589

sobrevida superior a 6 anos Log Sig sect

(DO - DPC) RN26 186 29388 334004

sobrevida inferior a 2 anos Tag hip sect

(DO - DIS) RN28 47 13307 5598847

sobrevida inferior a 2 anos Log Sig sect (DO - DIS)

RN30 47 12695 5223339

sect funccedilatildeo de ativaccedilatildeo ou transferecircncia tangente hiperboacutelica (Tag hip) ou zero based log sigmoid (Log Sig) funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural

DO data do oacutebito DPC data da consulta inicial DIS data do iniacutecio dos sintomas

φ TAP tamanho da amostra de treinamento ou previsatildeo

para Funccedilatildeo de perda absoluta = somatoacuteria (|sobrevida real-sobrevida estimada|) de cada paciente nuacutemero de pacientes

8 Referecircncias Bibliograacuteficas

Referecircncias Bibliograacuteficas 156

Aaronson KD Schwartz JS Chen TM Wong Kl Goin JE Mancini DM Development and prospective validation of a clinical index to predict survival in ambulatory patients referred for cardiac transplant evaluation Circulation 1997 Jun 95(12)2660-7 Abdul-Rahim AH MacIsaac RL Jhund P Petrie MC Lees KR McMurray JJV On behalf the VICCTA-Heart Failure Collaborators Efficacy and safety of digoxin in patients with heart failure and reduced ejection fraction according to diabetes status An analysis of the Digitalis Investigation Group (DIG) trial Int J Cardiol 2016 Feb209310-316 doi101016jijcard201602074 Abebe TB Gebreyohannes EA Bhagavathula AS Tefera YG Abegaz TM Anemia in severe heart failure patients does it predict prognosis BMC Cardiovasc Disord 2017 Sep17(1)248 doi101186s12872-017-0680-5 Abraham WT Fonarow GC Albert NM Stough WG Gheorghiade M Greenberg BH et al OPTIMIZE-HF Investigators and Coordinators Predictors of in-hospital mortality in patients hospitalized for heart failure insights from the Organized Program to Initiate Lifesaving Treatment in Hospitalized Patients with Heart Failure (OPTIMIZE-HF) J Am Coll Cardiol 2008 Jul52(5)347-56 doi 01016jjacc200804028 Acanfora D Gheorghiade M Trojano L Furgi G Pasini E Picone C et al Relative lymphocyte count a prognostic indicator of mortality in elderly patients with congestive heart failure Am Heart J 2001 Jul 142(1)167-73 PMID11431674 Addetia K Michel C Holcroft CA Sheppard R Rudski LG Early improvement in serial echocardiographic studies in heart failure patients predicts long term survival-a pilot study J Card Fail 2015 Jun21(6)470-8 doi 101016 jcardfail 201504002 Afsarmanesh N Horwich TB Fonarow GC Total cholesterol levels and mortality risk in nonischemic systolic heart failure Am Heart J 2006 Dec152(6)1077-83 doi10 1016jahj200606015 Ahmed FE Artificial neural networks for diagnosis and survival prediction in colon cancer Mol Cancer 2005 Aug429 doi1011861476-4598-4-29 Ahmed A Rich MW Love TE Lloyd-Jones DM Aban IB Colucci WS et al Digoxin and reduction in mortality and hospitalization in heart failure a comprehensive post hoc analysis of the DIG trial Eur Heart J 2006a Jan 27(2)178-86 doi101093eurheartjehi687 Ahmed A Aronow WS Fleg JL Predictors of mortality and hospitalization in women with heart failure in the Digitalis Investigation Group trial Am J Ther 2006 b Jul-Ago 13(4) 325-31 PMID16858168 Ahmed A Zannad F Love TE Tallaj J Gheorghiade M Ekundayo OJ Pitt B A propensity-matched study of the association of low serum potassium levels and mortality in chronic heart failure Eur Heart J 2007 Jun28 (11)1334-43 doi10 1093eurheartjehm091

Referecircncias Bibliograacuteficas 157

Alla F Brianccedilon S Juilliegravere Y Mertes PM Villemot JP Zannad F Differential clinical prognostic classifications in dilated and ischemic advanced heart failure the EPICAL study Am Heart J 2000 May139(5)895-904 doi101016S0002-8703(00)90023-1 Albuquerque DC Neto JD Bacal F Rohde LE Bernardez-Pereira S Berwanger O et al Investigadores Estudo BREATHE I Brazilian registry of heart failure - Clinical aspects care quality and hospitalization outcomes Arq Bras Cardiol 2015 Jun104(6)433-42 Erratum in Correction [Arq Bras Cardiol 2015] doi 10 5935 abc20150031 Ambroacutesio PE Redes neurais artificiais no apoio ao diagnoacutestico diferencial de lesotildees intersticiais pulmonares [dissertaccedilatildeo] Ribeiratildeo Preto Universidade de Satildeo Paulo Faculdade de Filosofia Ciecircncias e Letras 2002 Disponiacutevel em wwwtesesuspbrtesesdisponiveis5959135tde-26102002-155559Dissertacaopdf Anand I McMurray JJ Whitmore J Warren M Pham A McCamish MA et al Anemia and its relationship to clinical outcome in heart failure Circulation 2004 Jul110(2)149-54 doi10116101CIR00001342797957173 Anand IS Kuskowski MA Rector TS Florea VG Glazer RD Hester A et al Anemia and change in hemoglobin over time related to mortality and morbidity in patients with chronic heart failure results from Val-HeFT Circulation 2005 Aug112(8)1121-7 doi101161 CIRCULATIONAHA104512988 Anand IS Anemia and chronic heart failure implications and treatment options J Am Coll Cardiol 2008 Aug52(7)501-11 doi101016jjacc200804044 Anker SD Ponikowski P Varney S Chua TP Clark AL Webb-Peploe KM et al Wasting as independent risk factor for mortality in chronic heart failure Lancet1997 Apr349(9058)1050-3 doi 10 1016S0140-6736(96)07015-8 Anker SD Negassa A Coats AJ Afzal R Poole-Wilson PA Cohn JN et al Prognostic importance of weight loss in chronic heart failure and the effect of treatment with angiotensin ndash converting - enzyme inhibitors an observational study Lancet 2003 Mar361(9363)1077-83 doi101016S0140-6736(03)12892-9 Assunccedilatildeo F Estrateacutegias para tratamento de variaacuteveis com dados faltantes durante o desenvolvimento de modelos preditivos [mestrado] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2012 doi1011606D712010tde-21062010-100432 Recuperado em 2017-01-18 de wwwtesesuspbr Astion ML Wilding P The application of backpropagation neural networks to problems in pathology and laboratory medicine Arch Pathol Lab Med1992 Oct 116(10)995-1001 PMID1417451 Barker WH Mullooly JP Getchell W Changing incidence and survival for heart failure in a well-defined older population 1970-1974 and 1990-1994 Circulation 2006 Fev113(6)799-805 doi101161CIRCULATIONAHA104492133

Referecircncias Bibliograacuteficas 158

Bartosch-Haumlrlid A Andersson B Aho U Nilsson J Andersson R Artificial neural networks in pancreatic disease Br J Surg 2008 Jul95(7)817-26 doi101002 bjs 6239 Baxt WG Use of an artificial neural network for the diagnosis of myocardial infarction Ann Intern Med 1991 Jan115(11)843-8 PMID 1952470 Erratum in Ann Intern Med 1992116(1)94 doi1073260003-4819-115-11-843 Baxt WG Application of artificial neural networks to clinical medicine Lancet 1995 Oct 346(8983)1135-8 PMID 7475607 Baxt WG Skora J Prospective validation of artificial neural network trained to identify acute myocardial infarction Lancet 1996 Jan347(8993)12-5 PMID 8531540 Bestetti RB Dalbo CM Freitas OC Teno LA Castilho OT Oliveira JS Noninvasive predictors of mortality for patients with Chagasrsquo heart disease a multivariate stepwise logistic regression study Cardiology 1994 Nov84(4-5)261-7 doi1011590001 76409 Bestetti RB Muccillo G Clinical course of Chagasrsquoheart disease a comparison with dilated cardiomyopathy Int J Cardiol 1997 Jul60(2)187-93 PIMD 9226290 Bestetti RB Otaviano AP Cardinalli-Neto Rocha BF Theodoropoulos TA Cordeiro JA Effects of B-Blockers on outcome of patients with Chagasrsquo cardiomyopathy with chronic heart failure Int J Cardiol 2011 Sep115205-208 doi101016jijcard 201005033 Bestetti RB Daniel RAF The treatment of chronic heart failure secondary to Chagas cardiomyopathy in the contemporary era International Cardiovascular Forum Journal 2016vol719-25 doi1017987icfjv7i0217 Bielecka-Dabrowa A Mikhailidis DP Jones L Rysz J Aronow WS Banach M The meaning of hypokalemia in heart failure Int J Cardiol 2012 Jun158(1) 12-7 doi 10 1016jijcard201106121 Bocchi EA Cruz F Guimaratildees G Pinho Moreira LF Issa VS Ayub-Ferreira SM et al Long-term prospective randomized controlled study using repetitive education at six-month intervals and monitoring for adherence in heart failure outpatients the REMADHE trial Circ Heart Fail 2008 Jul1(2)115-124 doi 101161CIRCHEARTFAILURE107744870 Bocchi EA Marcondes-Braga FG Ayub-Ferreira SM Rohde LE Oliveira WA Almeida DR et al Sociedade Brasileira de Cardiologia III Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica Arq Bras Cardiol 200993 (1supl1)1-71 doi101590S0066-782X2009002000001

Referecircncias Bibliograacuteficas 159

Bocchi EA Marcondes-Braga FG Bacal F Ferraz AS Albuquerque D Rodrigues D et al Sociedade Brasileira de Cardiologia Atualizaccedilatildeo da Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica-2012 Arq Bras Cardiol 2012 Jan 98(1 supl 1)1- 33 Bocchi EA Arias A Verdejo H Diez M Goacutemez E Castro P Interamerican Society of Cardiology The reality of heart failure in Latin America J Am Coll Cardiol 2013 Sep62(11)949-58 doi101016jjacc201306013 Bocchi EA Bestetti RB Scanavacca MI Neto EC Issa VS Chronic Chagas heart disease management From etiology to cardiomyopathy treatment J Am Coll Cardiol 2017 Sep70(12)1510-24 doi101016jjacc201708004 Boumlhm M Swedberg K Komajda M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Heart rate as a risk factor in chronic heart failure (SHIFT) the association between heart rate and outcomes in a randomised placebo -controlled trial Lancet 2010 Sep376(9744) 886-94 doi101016S0140-6736(10) 61259-7 Braunwald E Biomarkers in heart failure N Engl J Med 2008 May 358(20) 2148-59 doi101056NEJMra0800239 Burnett H Earley A Voors AA Senni M McMurray JJ Deschaseaux C et al Thirty years of evidence on the efficacy of drug treatments for chronic heart failure with reduced ejection fraction a network meta-analysis Circ Heart Fail 2017 Jan10 (1)pii e003529 doi 101161CIRCHEARTFAILURE116003529 Buskard T Stevenson M Frize M Solven F Estimation of ventilation length of stay and mortality using artificial neural networks Conf Proc Electrical and Computer Engineering 1994 Canada September 25-28 1994 IEEEXplore 2002 doi 101109CCECE1994405854 Bustamante-Teixeira MT Faerstein E Latorre MR Teacutecnica de anaacutelise de sobrevida Cad Sauacutede Puacuteblica 2002 May-Jun Rio de Janeiro18(3)579-594 doi101590S 0102-311X2002000300008 Carlo CH Cardoso JN Ochia ME Oliveira Junior MT Ramires JA Pereira-Barretto AC Temporal variation in the prognosis and treatment of advanced heart failure - before and after 2000 Arq Bras Cardiol 2014 May102(5)495-504 PMID 24759950 Castro LN Anaacutelise e siacutentese de estrateacutegias de aprendizado para redes neurais artificiais [dissertaccedilatildeo] Campinas Universidade Estadual de Campinas Faculdade de Engenharia Eleacutetrica e de Computaccedilatildeo 1998 Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubentheseslnunes_ mestindicepdf

Referecircncias Bibliograacuteficas 160

Castro FCC de Castro MC Redes Neurais Artificiais Pontifiacutecia Universidade Catoacutelica do Rio Grande do Sul Capiacutetulo 2 Processos de aprendizado [citado 10 Nov 2016] p1-23 Disponiacutevel em wwwpolitecnica pucrsbr~decastro pdf RNA_C2pdf Charach G Grosskopf I Roth A Afek A Wexler D Sheps D et al Usefulness of total lymphocyte count as predictor of outcome in patients with chronic heart failure Am J Cardiol 2011 May 107 (9) 1353-6 doi101016jamjcard201012049 Chizzola PR Mansur AJ da Luz PL Bellotti G Compliance with pharmacological treatment in outpatients from a Brazilian cardiology referral center Sao Paulo Med J 1996 Sep-Oct114(5)1259-64 doi101590S1516-31801996000500004 Christ M Klima T Grimm W Mueller HH Maisch B Prognostic significance of serum cholesterol levels in patients with idiopathic dilated cardiomyopathy Eur Heart J 2006 Mar27(6)691-9 doi101093eurheartjehi195 Cintron G Jonhson G Francis G Cobb F Cohn JN Prognostic significance of serial changes in left ventricular ejection fraction in patients with congestive heart failure The V-HeFT VA Cooperative Studies Group Circulation 1993 Jun87(6Suppl)VI17-23 PMID 8500235 Cohn JN Archibald DG Ziesche S Franciosa JA Harston WE Tristani FE et al Effect of vasodilator therapy on mortality in chronic congestive heart failure Results of a Veterans Administration Cooperative Study N Engl J Med 1986 Jun314 (24) 1547-52 doi101056NEJM198606123142404 Cohn JN Archibald DG Francis GS Ziesche S Franciosa JA Harston WE et al Veterans Administration Cooperative Study on Vasodilator Therapy of Heart Failure Influence of prerandomization variables on the reduction of mortality by treatment with hydralazine and isosorbide dinitrate Circulation 1987 May75(5 Pt 2)IV49-54 PMID 3552302 Cohn JN Rector TS Prognosis of congestive heart failure and predictors of mortality Am J Cardiol 1988 Jul62(2)25A-30A doi 101016 S0002-9149(88) 80081-X Cox DR Regression Models and Life-Tables J R Stat Soc Series B Stat Methodol Vol 34 No 2 (1972) p187-220 Cowie MR Wood DA Coats AJ Thompson SG Suresh V Poole-Wilson PA et al Survival of patients with a new diagnosis of heart failure a population based study Heart 2000 May83(5)505-10 doi101136heart 835505 Cross SS Harrison RF Kennedy RL Introduction to neural networks Lancet 1995 Oct346(8982)1075-9 PMID7564791

Referecircncias Bibliograacuteficas 161

Das A Ben-Menachem T Farooq FT Cooper GS Chak A Sivak MV Jr et al Artificial neural network as a predictive instrument in patients with acute nonvariceal upper gastrointestinal hemorrhage Gastroenterology 2008 Jan134 (1)65-74 doi101053jgastro200710037 Damman K Valente MA Voors AA OConnor CM van Veldhuisen DJ Hillege HL Renal impairment worsening renal function and outcome in patients with heart failure an updated meta-analysis Eur Heart J 2014 Fev35(7)455-69 doi 101093 eurheartjeht386 Davos CH Doehner W Rauchhaus M Cicoira M Francis DP Coats AJ et al Body mass and survival in patients with chronic heart failure without cachexia The importance of obesity J Cardiac Fail 2003 Fev9(1)29-35 doi10 1054 jcaf20034 Diaz A Bourassa MG Guertin MC Tardif JC Long-term prognostic value of resting heart rate in patients with suspected or proven coronary artery disease Eur Heart J 2005 Mar26(10)967-74 doi101093eurheartjehi190 Doehner W Critical appraisal of the obesity paradox in cardiovascular disease how to manage patients with overweight in heart failure Heart Fail Rev 2014 Sep 19(5)637-44 doi101007s10741-014-9425-z Dries DL Exner DV Domanski MJ Greenberg B Stevenson LW The prognostic implications of renal insufficiency in asymptomatic and symptomatic patients with left ventricular systolic dysfunction J Am Coll Cardiol 2000 Mar35(3)681-9 doi10 1016S0735-1097(99)00608-7 Ennett CM Frize M Walker CR Influence of missing values on artificial neural network performance Stud Health Technol Inform 200184(Pt 1)449-53 doi 10 3233978-1-60750-928-8-449 Ennett CM Frize M Charette E Improvement and automation of artificial neural networks to estimate medical outcomes Med Eng Phys 2004 May26(4)321-328 doi101016jmedengphy200309005 Ennett CM Frize M Wlaker R Imputation of missing values by integrating neural networks and case-based reasoning Conf Proc IEEE Eng Med Biol Soc 200820084337-41 Proferida na 30th Annual International IEEE EMBS Conference Vancouver British Columbia Canada August 20-24 2008 doi101109 IEMBS 20084650170 Espinosa R Carrasco HA Belandria F Fuenmayor AM Molina C Gonzaacutelez R et al Life expectancy analysis in patients with Chagasrsquo disease prognosis after one decade (1973-1983) Int J Cardiol 1985 May8(1)45-56 PMID 3997291 Ezekowitz JA McAlister FA Armstrong PW Anaemia is common in heart failiure and is associated with poor outcomes insights from a cohort of 12065 patients with new-onset heart failure Circulation 2003 Jan107(2)223-225 doi101161 01 CIR00 00 0526 2251963FC

Referecircncias Bibliograacuteficas 162

Fogel DB Wasson EC 3rd Boughton EM Evolving neural networks for detecting breast cacircncer Cancer Lett 1995 Sep96(1)49-53 PMID 7553607 Fonarow GC Adams KF Jr Abraham WT Yancy CW Boscardin WJ ADHERE Scientific Advisory Committee Study Group and Investigators Risk stratification for in-hospital mortality in acutely decompensated heart failure classification and regression tree analysis JAMA 2005 Feb293(5)572-80 doi 101001 jama 2935572 Fonarow GC Srikanthan P Costanzo MR Cintron GB Lopatin M ADHERE Scientific Advisory Committee and Investigators An obesity paradox in acute heart failure analysis of body mass index and inhospital mortality for 108927 patients in the Acute Decompensated Heart Failure National Registry Am Heart J 2007a Jan153(1)74-81 doi101016jahj200609007 Fonarow GC Heywood JT Heidenreich PA Lopatin M Yancy CW ADHERE Scientific Advisory Committee and Investigators Temporal trends in clinical characteristics treatments and outcomes for heart failure hospitalizations 2002 to 2004 findings from Acute Decompensated Heart Failure National Registry (ADHERE) Am Heart J 2007b Jun153(6)1021-8 doi101016jahj200703012 Franke J Zugck C Hochadel M Hack A Frankenstein L Zhao JD et al Etiology-specific assessment of predictors of long-term survival in chronic systolic heart failure Int J Cardiol Heart Vasc 2015 Feb761-68 doi101016jijcha 2015 01015e Collection 2015 Jun 1 Freitas HFG Prognoacutestico em portadores de insuficiecircncia cardiacuteaca encaminhados para avaliaccedilatildeo de tratamento ciruacutergico [tese] Satildeo Paulo Universidade de Satildeo Paulo Faculdade de Medicina 2002 doi1011606 T52002tde-19082014-100741 Disponiacutevel em http wwwtesesuspbr Freitas HFG Chizzola PR Paes AT Lima AC Mansur AJ Risk stratification in a Brazilian hospital - based cohort of 1220 outpatients with heart failure role of Chagasheart disease Int J Cardiol 2005 Jul102(2)239-47 doi101016jijcard 2004 05025 Freitas HFG Barbosa EA Rosa FHFP Lima ACP Mansur AJ Association of HDL cholesterol and triglycerides with mortality in patients with heart failure Braz J Med Biol Res 2009 May42(5)420-425 doi101590S0100-879X2009000500004 Frize M Ennett CM Charette E Automated optimization of neural networks in estimating medical outcomes Proc 3rd IEEE ITAB-ITIS Conference Information Technology Applications in Biomedicine and International Telemedical Information Society 2000168-73 Frize M Ennett CM Stevenson M Trigg HC Clinical decision support systems for intensive care units using artificial neural networks Med Eng Phys 2001 23217-25 doiorg101016S1350-4533(01)00041-8

Referecircncias Bibliograacuteficas 163

Gerber Y Weston SA Redfield MM Chamberlain AM Manemann SM Jiang R et al A contemporary appraisal of the heart failure epidemic in Olmsted County Minnesota 2000 to 2010 JAMA Intern Med 2015 Jun 175(6)996-1004 doi101001jamainternmed20150924 Gheorghiade M Filippatos G Reassessing treatment of acute heart failure syndromes the ADHERE Registry Eur Heart J Suppl 2005 Apr7(suppl B)B13-B19 doi101093eurheartjsui008 Gheorghiade M Patel K Filippatos G Anker SD van Veldhuisen DJ Cleland JG et al Effect of oral digoxin in high-risk heart failure patients a pre-specified subgroup analysis of the DIG trial Eur J Heart Fail 2013 May15(5)551-9 doi101093eurjhfhft010 Godoy HL Silveira JA Segalla E Almeida DR Hospitalization and Mortality rates for heart failure in public hosptitals in Satildeo Paulo Arq Bras Cariol 2011 Nov97(5)402-7 doi101590S0066-782X2011005000096 Go AS Yang J Ackerson LM Lepper K Robbins S Massie BM et al Hemoglobin level chronic kidney disease and the risks of death and hospitalization in adults with chronic heart failure the Anaemia in Chronic Heart Failure Outcomes and Resource Utilization (ANCHOR) Study Circulation 2006 Jun113(23)2713-3 doi101161CIRCULATIONAHA105577577 Gradman A Deedwania P Cody R Massie B Packer M Pitt Bet al Predictors of total mortality and sudden death in mild to moderate heart failure Captopril-Digoxin Study Group J Am Coll Cardiol 1989 Sep14564-570 PMID 2768707 Grossi E How artificial intelligence tools can be used to assess individual patient risk in cardiovascular disease problems with the current methods BMC Cardiovasc Disord 2006 May620 doi1011861471-2261-6-20 Guidi G Pettenati MC Melillo P Iadanza E A machine learning system to improve heart failure patient assistance IEEE J Bioimed Health Inform 2014 Nov18(6)1750-6 doi101109JBHI20142337752 Guimaratildees AM Mathias IM Dias AH Ferrari JW Cazelatto Junior CDO Modulo de validaccedilatildeo cruzada para treinamento de redes neurais artificiais com algoritmos back propagation e resilient propagation Publ UEPG Exact Earth Sci Agr Sci Eng Ponta Grossa 14 (1) 17-24 abr 2008 doi 105212 Publ Exatasv 14i1 017024 Disponiacutevel em httpdxdoiorg105212Publ Exatasv14i1017024 Haykin S Neural Networks A Comprehensive Foundation Chapter Multilayer preceptrons p178 New Jersey Prentice-Hall Inc 1999[cited 2009 ] Available from httpcdnpreterhumannetneuralnetworks

Referecircncias Bibliograacuteficas 164

Hecht-Nielsen R Theory of the backpropagation neural network Proceedings of the international joint conference on neural networks 1 p593-611 June 1989 doi101016B978-0-12-741252-8500108 Hjalmarson A Goldstein S Fagerberg B Wedel H Waagstein F Kjekshus Jet al Effects of controlled -release metoprolol on total mortality hospitalizations and well-being in patients with heart failure the Metoprolol CRXL Randomized Intervention Trial in congestive heart failure (MERIT-HF) MERIT-HF Study Group JAMA 2000 Mar 283 (10) 1295-302 doi 101001jama283101295 Horwich TB Fonarow GC Hamilton MA MacLellan WR Woo MA Tillisch JH The relationship between obesity and mortality in patients with heart failure J Am Coll Cardiol 2001 Sep38(3)789-95 PMID 11527635 Horwich TB Hamilton MA Maclellan WR Fonarow GC Low serum total cholesterol is associated with marked increase in mortality in advanced heart failure J Card Fail 2002 Aug8(4)216-24 PMID 12397569 Horwich TB Hernandez AF Dai D Yancy CW Fonarow GC Cholesterol levels and in-hospital mortality in patients with acute decompensated heart failure Am Heart J 2008 Dec156(6)1170-6 doi101016jahj200807004 Huehnergarth KV Mozaffarian D Sullivan MD Crane BA Wilkinson CW Lawler RL et al Usefulness of relative lymphocyte count as an independent predictor of deathurgent transplant in heart failure Am J Cardiol 2005 Jun95(12)1492-5 doi101016jamjcard200502022 Hunt SA Baker DW Chin MH Cinquegrani MP Feldman AM Francis GS et al ACCAHA guidelines for the evaluation and management of chronic heart failure in the adult executive summary a report of the American College of CardiologyAmerican Heart Association Task Force on Practice Guidelines (Committee to Revise the 1995 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2001 Dec38(7)2101-13 doi101016S0735-1097(01)01683-7 Hunt SA American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) ACCAHA 2005 guideline update for the diagnosis and management of chronic heart failure in the adult a report of the American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2005 Sep46(6)e1-82 Erratum in J Am Coll Cardiol 2006 Apr47(7)1503-1505 doi101016jjacc200508022 Hsiao SH Chiou KR Left atrial expansion index predicts all-cause mortality and heart failure admissions in dyspnoea Eur J Heart Fail 2013 Nov15(11)1245-52 doi101093eurjhfhft087

Referecircncias Bibliograacuteficas 165

Issa VS Amaral AF Cruz FD Ferreira SM Guimaratildees GV Chizzola PR et al B-blocker therapy and mortality of patients with Chagas cardiomyopathy a sub analysis of the REMADHE prospective trial Circ Heart Fail 2010 Jan3(1)82-88 doi101161CIRCHEARTFAILURE109882035 James PA Oparil S Carter BL Cushman WC Dennison-Himmelfarb C Handler J et al 2014 Evidence-based guideline for the management of high blood pressure in adults report from the Panel Members appointed to the eighth joint national committee (JNC 8) JAMA 2014 Feb 311(5)507-520 doi101001jama2013284427 Kaambwa B Bryan S Billingham L Do the methods used to analyse missing data really matter An examination of data from an observational study of Intermediate Care patients BMC Res Notes 2012 Jun5330 doi1011861756-0500-5-330 Kajimoto K Minami Y Sato N Takano T Investigators of the Acute Decompensated Heart Failure Syndromes (ATTEND) registry Serum sodium concentration blood urea nitrogen and outcomes in patients hospitalized for acute decompensated heart failure Int J Cardiol 2016 Nov222195-201 doi 10 1016jijcard201607255 Kalantar-Zadeh K Block G Horwich T Fonarow GC Reverse epidemiology of conventional cardiovascular risk factors in patients with chronic heart failure J Am Coll Cardiol 2004 Apr43(8)1439-44 doi101016jjacc200311039 Kang J Park JJ Cho YJ Oh IY Park HA Lee SE et al Predictors and prognosis value of worsening renal function during admission in HFpEF versus HFrEF data from the KorAHF J Am Heart Assoc 2018 Mar7(6)piie007910 doi101161JAHA117007910 Kannel WB Epidemiology and prevention of cardiac failure Framingham Study insights Eur Heart J 1987 Sep8 Suppl F23-6 PMID 3665963 doi101093 eurheartj 8 suppl_F23 Kaplan EL Meier P Nonparametric estimation from incomplete observations J Am Stat Assoc 1958 Jun53(282)457-481 doi 10 23072281868 Kaufman R Azevedo VMP Xavier RMA Geller M Chaves RBM Castier MB Evolution of heart failure-related hospital admissions and mortality rates a 12-year analysis Int J Cardiovasc Sci 2015 Sep28(4)276-28 doi 1059352359-480220150040 Kenchaiah S Evans JC Levy D Wilson PW Benjamin EJ Larson MG et al Obesity and the risk of heart failure N Engl J Med 2002 Aug 347 (5)305-13 doi101056NEJMoa020245 Kenchaiah S Vasan RS Heart Failure in Women--Insights from the Framingham Heart Study Cardiovasc Drugs Ther 2015 Aug29(4)377-90 doi 101007s10557-015-6599-0

Referecircncias Bibliograacuteficas 166

Keogh AM Baron DW HickieJB Prognostic guides in patients with idiopathic or ischemic dilated cardiomyopathy assessed for cardiac transplantation Am J Cardiol1990 Apr65(13)903-8 PMID2138849 Khan MG Cardiac drug therapy 8th ed Humana Press 2015 p31[cited 2015] Available from httprudiaptfileswordpresscom201711cardiac-drug-therapy-8th-ed-2015-pdf Kjekshus J Apetrei E Barrios V Boumlhm M Cleland JGF Cornel JH et al CORONA Group Rosuvastatin in older patients with systolic heart failure N Engl J Med 2007 Nov 357(22)2248-61 doi101056NEJMoa0706201 Klein L OConnor CM Leimberger JD Gattis-Stough W Pintildea IL Felker GM et al OPTIME-CHF Investigators Lower serum sodium is associated with increased short-term mortality in hospitalized patients with worsening heart failure results from the Outcomes of a Prospective Trial of Intravenous Milrinone for Exacerbations of Chronic Heart Failure (OPTIME-CHF) study Circulation 2005 May111(19)2454-60 doi101161 01CIR 0000165065 82609 3D Krittanawong C Zhang H Wang Z Aydar M Kitai T Artificial intelligence in precision cardiovascular medicine J Am Coll Cardiol 2017 May69(21)2657-2664 doi101016jjacc201703571 Krumholz HM Seeman TE Merrill SS Mendes de Leon CF Vaccarino V Silverman DI et al Lack of association between cholesterol and coronary heart disease mortality and morbidity and all-cause mortality in persons older than 70 years JAMA 1994 Nov272(17)1335-40 doi 101001jama 1994 03520170045034 Kyriakou M Kiff PF Prognosis of the comorbid heart failure and anaemia a systematic review Clin Trials Regul Sci Cardiol 2016 Jul 1612 -21 doi101016jctrsc201601008 Lang RM Bierig M Devereux RB Flachskampf FA Foster E Pellikka PA et al Recommendations for chamber quantification a report from the American Society of Echocardiography`s guidelines and standards committee and the chamber quantification writing group developed in conjunction with the European Association of Echocardiography a branch of the European Society of Cardiology J Am Soc Echocardiogr 2005 Dec181440-1463 doi101016jctrsc 201601008 Lee DS Austin PC Rouleau JL Liu PP Naimark D Tu JV Predicting mortality among patients hospitalized for heart failure derivation and validation of a clinical model JAMA 2003 Nov290(19)2581-7doi101001jama290192581 Lee WH Packer M Prognostic importance of serum sodium concentration and its modification by converting-enzyme inhibition in patients with severe chronic heart failure Circulation 1986 Fev73(2)257-67 PMID3002660

Referecircncias Bibliograacuteficas 167

Levy WC Mozaffarian D Linker DT Sutradhar SC Anker SD Cropp AB et al The Seattle Heart Failure Model prediction of survival in heart failure Circulation 2006 Mar113(11)1424-33 doi 101161 CIRCULATIONAHA 105584102 Lewis EF Moye LA Rouleau JL Sacks FM Arnold JM Warnica JW et al CARE Study Predictors of late development of heart failure in stable survivors of myocardial infarction the CARE study J Am Coll Cardiol 2003 Oct42(8)1446-53 PMID 14563590 Likoff MJ Chandler SL Kay HR Clinical determinants of mortality in chronic congestive heart failure secondary to idiopathic dilated or to ischemic cardiomyopathy Am J Cardiol 1987 Mar59(6)634-8 PMID 3825904 Lisboa PJ A review of evidence of health benefit from artificial neural networks in medical intervention Neural Netw 2002 Jan15(1)11-39 PMID11958484 Lisboa PJ Taktak AFG The use of an artificial neural network in decision support in cancer a systematic review Neural Netw 2006 May19(4)408-15 doi101016j neunet200510007 Little RJ DrsquoAgostino R Cohen M Dickersin K Emerson SS Farrar JT et al The prevention and treatment of missing data in clinical trials N Engl J Med 2012 Oct 367(14) 1355-1360 doi101056NEJMsr1203730 Lundin M Lundin J Burke HB Toikkanen S Pylkkaumlnen L Joensuu H Artificial neural networks applied to survival prediction in breast cancer Oncology 1999 Nov57(4)281-6 doi101159000012061 MacIntyre K Capewell S Stewart S Chalmers JW Boyd J Finlayson A et al Evidence of improving prognosis in heart failure trends in case fatality in 66547 patients hospitalized between 1986 and 1995 Circulation 2000 Sep102(10)1126-31 PMID 10973841 Mahmood SS Levy D Vasan RS Wang TJ The Framingham Heart Study and the epidemiology of cardiovascular diseases a historical perspective Lancet 2014 Mar 383(9921)999ndash1008 doi 101016S0140-6736(13)61752-3 McKee PA Castelli WP McNamara PM Kanel WB The natural history of congestive heart failure the Framingham study N Engl J Med 1971 Dec 285 (26) 1441-1446 doi101056NEJM197112232852601 McManus DD Shah SJ Fabi MR Rosen A Whooley MA Schiller NB Prognostic value of left ventricular end-systolic volume index as a predictor of heart failure hospitalization in stable coronary artery disease data from the Heart and Soul Study J Am Soc Echocardiogr 2009 Fev22(2)190-7 doi 101016jecho200811005

Referecircncias Bibliograacuteficas 168

McMurray JJ Packer M Desai AS Gong J Lefkowitz MP Rizkala AR et al PARADIGM-HF Investigators and Committees Angiotensin-neprilysin inhibition versus enalapril in heart failure N Engl J Med 2014 Sep 371(11)993-1004 doi 101056NEJMoa 1409077 Mady C Cardoso RH Barretto AC da Luz PL Bellotti G Pileggi F Survival and predictors of survival in patients with congestive heart failure due to Chagasrsquo cardiomyopathy Circulation 1994 Dec90(6)3098-3102 doi 10116101CIR9063098 Maraldi C Volpato S Cesari M Onder G Pedone C Woodman RC et al Investigators of the Gruppo Italiano di Farmacoepidemiologia nellrsquoAnziano Study Anemia physical disability and survival in older patients with heart failure J Card Fail 2006 Sep12(7)533-9 doi101016 jcardfail 2006 05002 Marccedilula M Cuoco MAR Yamada ATY De Paula RS UemuraRT Barretto ACP Mansur AJ Comparison of prognostic variables between two cohorts of outpatients with heart failure in the last two decades Paris European Heart Jo0urnal (Abstract Supplement) (2011)32459 Marccedilula M de Souza Buto MF Madaloso BA Nunes RA Cuoco MA de Paula RS et al Lymphocyte count and prognosis in patients with heart failure Int J Cardiol 2015 Jun18860-2 doi 10 1016 j ijcard 201504043 Maron BJ Towbin JA Thiene G Antzelevitch C Corrado D Arnett D et al American Heart Association Council on Clinical Cardiology Heart Failure and Transplantation Committee Quality of Care and Outcomes Research and Functional Genomics and Translational Biology Interdisciplinary Working Groups Council on Epidemiology and Prevention Circulation 2006 Apr 113(14)1807-16 doi 101161 CIRCULATIONAHA 10617428 Merlo M Pyxaras SA Pinamonti B Barbati G Di Lenarda A Sinagra G Prevalence and prognostic significance of left ventricular reverse remodeling in dilated cardiomyopathy receiving tailored medical treatment J Am Coll Cardiol 2011Mar57(13)1468-76 doi101016jjacc201011030 Miller DD Brown EW Artificial intelligence in medical practice The question to the answer Am J Med 2018 Fev131(2)129ndash133 doi 101016 jamjmed201710 03 5 Milo-Cotter O Cotter G Weatherley BD Adams KF Kaluski E Uriel N et al Hyponatraemia in acute heart failure is a marker of increased mortality but not when associated with hyperglycaemia Eur J Heart Fail 2008 Jan10(2)196-200 doi101016jejheart200801008 Moutinho MA Colucci FA Alcoforado V Tavares LR Rachid MB Rosa ML et al Heart failure with preserved ejection fraction and systolic dysfunction in the community Arq Bras Cardiol 2008 Fev90 (2)132-7 doi101590S0066-782X2008000200011

Referecircncias Bibliograacuteficas 169

Myers J de Souza CR Borghi-Silva A Guazzi M Chase P Bensimhon Det al A neural network approach to predicting outcomes in heart failure using cardiopulmonary exercise testing Int J Cardiol 2014 Feb171(2)265-9 doi 101016jijcard 2013 12031 Nadruz W Jr Gioli-Pereira L Bernardez-Pereira S Marcondes-Braga FG Fernandes-Silva MM Silvestre OM et al Temporal trends in the contribution of Chagas cardiomyopathy to mortality among patients with heart failure Heart 2018 Sep104(18)1522-1528 doi 101136heartjnl-2017-312869 Neuro XL Predictor OLSOFT Software Development Available from http wwwNeuroXLcom adquirido em 2011-3-14 New York Heart Association Criteria Committee New York Heart Association Inc Diseases of the Heart and Blood Vessels Nomenclature and Criteria for diagnosis 6th ed Boston Little Brown and Co 1964 p114 [cited 1964] Available from httpwwwheartorgenhealth-topicsheart-failurewhat-is-heart-failureclasses-of-heart-failure Nieminen MS Harjola VP Hochadel M Drexler H Komajda M Brutsaert D et al Gender related diferences in patients presenting with acute heart failure Results from Euro Heart Failure Survey II Eur J Heart Fail 2008 Feb10(2)140-8 doi10 1016jejheart 200712012 Nunes LN Kluumlck MM Fachel JMG Uso da imputaccedilatildeo muacuteltipla de dados faltantes

uma simulaccedilatildeo utilizando dados epidemioloacutegicos Cad Sauacutede Puacuteblica Rio de

Janeiro 200925(2)268-278 [citado18 jan 2017] Disponiacutevel em httpdxdoiorg10

1590SO102-311X2009000200005

Nunes LN Meacutetodos de imputaccedilatildeo de dados aplicados na aacuterea da sauacutede

[dissertaccedilatildeo] Rio Grande do Sul Universidade Federal do Rio Grande do Sul

Instituto de Epidemiologia 2011 [citado 01 jan 2018] Disponiacutevel em

httphdlhandlenet10183 11422

Nunes MC Rocha MO Ribeiro AL Colosimo EA Rezende RA Carmo GA et al Right ventricular dysfunction is an independent predictor of survival in patients with dilated chronic Chagas cardiomyopathy Int J Cardiol 2008 Jul 127 (3)372-9 doi101016jijcard200706012 Nunes MC Dones W Morillo CA Encina JJ Ribeiro AL Council on Chagas Disease

of the Interamerican Society of Cardiology Chagas disease an overview of clinical

and epidemiological aspects J Am Coll Cardiol 2013 Aug 62 (9)767-76 doi 10

1016jjacc201305046

Ogava MH Redes neurais em anaacutelise de sobrevivecircncia uma aplicaccedilatildeo na aacuterea de relacionamento com clientes [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 D45 2007tde-26082007-225003

Referecircncias Bibliograacuteficas 170

Ogulata SN Sahin C Erol R Neural network-bases computer-aided diagnosis in classification of primary generalized epilepsy by EEG signals J Med Syst 2009 Apr33(2)107-12 PMID 19397095 Okoshi MP Capalbo RV Romeiro FG Okoshi K Cardiac Cachexia perspectives for prevention and treatment Arq Bras Cardiol 2017 Jan 108(1)74-80 doi 105935 abc20160142 Oliveira JW Valecircncia DM Medeiros PG Marccedilula M Risk-adjusted monitoring of time to event in the presence of long-term survivors Biom J 2016 Nov 58(6)1485-1505 doi101002 bimj 201500094 Ortiz J Ghefter CGM Silva CE Sabbatini RME One-year mortality prognosis in heart failure a neural network approach based on echocardiographic data J Am Coll Cardiol 1995a Dec26(7)1586-93 doi1010160735-1097(95)00385-1 Ortiz J Sabbatini RME Ghefter CGM Silva CES Uso de redes neurais artificiais na avaliaccedilatildeo da sobrevida na insuficiecircncia cardiacuteaca Arq Bras Cardiol 1995b Jan64(1)87-90 PMID 7669018 Packer M Coats AJ Fowler MB Katus H Mohacsi P Rouleau JL et al Carvedilol prospective randomized cumulative survival study group N Engl J Med 2001 May344(22)1651-8 doi 101056NEJM200105313442201 Paes TA Uso de modelos com fraccedilatildeo de cura na anaacutelise de dados de sobrevivecircncia com omissatildeo nas covariaacuteveis [tese] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 T45 2007tde-22072007-134749 Palazzuoli A Lombardi C Ruocco G Padeletti M Nuti R Metra M et al Chronic kidney disease and worsening renal function in acute heart failure different phenotypes with similar prognostic impact Eur Heart J Acute Cardiovasc Care 2016 Dec5(8)534-548 doi1011772048872615589511 Papik K Molnar B Schaefer R Dombovarl Z Tulassay Z Feher J Application of neural networks in medicine - a review Med Sci Monit 19984(3)538-546 [cited 1997 dec 30] Available from httppdfssemanticscholarorg2da18cb0287042e27ded932f9 Pereira Barretto AC Nobre MRC Wajngarten M Canesin MF Ballas D Serro-Azul JB Heart failure in a large tertiary hospital of Satildeo Paulo Arq Bras Cardiol 1998 Jul71(1)15-20 doi101590S0066-782X1998000700004 Pereira Barretto AC Nobre MRC Lancarotte I Scipioni AR Ramires JAF Do cardiologists at a University Hospital adopt the guidelines for the treatment of heart failure Arq Bras Cardiol 2001 Jul77(1)30-60 PMID11500745

Referecircncias Bibliograacuteficas 171

Peto R Peto J Asymptotically efficient rank invariant test procedures J R Stat Soc Ser A1972135(2)185-207 Pfeffer MA Swedberg K Granger CB Held P McMurray JJ Michelson EL et al CHARM Investigators and Committees Effects of candesartan on mortality and morbidity in patients with chronic heart failure the CHARM-Overall programme Lancet 2003 Sep 362(9386)759-66 PMID13678868 Pimentel R Couto M Laszczyńska O Friotildees F Bettencourt P Azevedo A Prognostic value of worsening renal function in outpatients with chronic heart failure Eur J Intern Med 2014 Sep25(7)662-8 doi101016jejim201406002 Pitt B Zannad F Remme WJ Cody R Castaigne A Perez A et al The effect of

spironolactone on morbidity and mortality in patients with severe heart failure N Engl

J Med 1999 Sep341709-17 doi 101056NEJM199909023411001

Pitt B Remme WJ Zannad F Neaton J Martinez F Roniker B et al Eplerenone a

selective aldosterone blocker in patients with left ventricular dysfunction after

myocardial infarction N Engl J Med 2003 May3481309-21 doi

101056NEJMmMoa030207

Pocock SJ Wang D Pfeffer MA Yusuf S McMurray JJ Swedberg KB et al Predictors of mortality and morbidity in patients with chronic heart failure Eur Heart J 2006 Jan27(1)65-75 doi101093eurheartjehi555 Ponikowski P Voors AA Anker SD Bueno H Cleland JGF Coats AJS et al 2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure The Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC) Developed with the special contribution of the Heart Failure Association (HFA) of the ESC Eur J Heart Fail 2016 Jul18891-975 doi101002ejhf592 [cited 2016 jul 14] Available from httpeurheartj oxford journalsorg doi10 1093 eur heartj ehw128 Poole-Wilson PA Uretsky BF Thygesen K Cleland JG Massie BM Rydeacuten L Atlas Study Group Assessment of treatment with lisinopril and survival Mode of death in heart failure findings from the ATLAS trial Heart 2003 Jan89(1)42-8 PMID12482789 Rassi AJr Rassi A Little WC Xavier SS Rassi SG Rassi AG et al Development and validation of a risk score for predicting death in Chagasacute heart disease N Engl J Med 2006 Aug 355(8)799-808 doi101056NEJMoa053241 Rassi AJr Rassi A Rassi SG Predictors of mortality in chronic Chagas disease a systematic review of observational studies Circulation 2007 Mar 115(9)1101-8 doi101161CIRCULATIONAHA106627265 Rassi AJr Rassi A Marin-Neto Chagas disease Lancet 2010 Apr3751388-402 doi101016S0140-6736(10)60061-X

Referecircncias Bibliograacuteficas 172

Rauchhaus M Clark AL Doehner W Davos C Bolger A Sharma R et al The relationship between cholesterol and survival in patients with chronic heart failure J Am Coll Cardiol 2003 Dec42(11)1933-40 PMID14662255 Remme WJ Swedberg K Task force for the diagnosis and treatment of chronic heart failure European Society of Cardiology Guidelines for the diagnosis and treatment of chronic heart failure Eur Heart J 2001 Sep22(17)1527-60 doi 10 1053 euhj20012783 Erratum in Eur Heart J 200122(23)2217-8 Rohde LE Clausell N Ribeiro JP Goldraich L Netto R William Dec G et al Health outcomes in decompensated congestive heart failure a comparison of tertiary hospitals in Brazil and United States Int J Cardiol 2005 Jun102(1)71-7 doi101016jijcard200404006 Roger VL Weston SA Redfield MM Hellermann-Homan JP Killian J Yawn BP et al Trends in heart failure incidence and survival in a community-based population JAMA 2004Jul292(3)344-50 doi101001jama2923344 Roger VL Epidemiology of heart failure Circ Res 2013 Aug113(6)646-59 doi 101161CIRCRESAHA113300268 Rossignol P Meacutenard J Fay R Gustafsson F Pitt B Zannad F Eplerenone survival benefits in heart failure patients post-myocardial infarction are independent from its diuretic and potassium-sparing effects Insights from an EPHESUS (Eplerenone Post-Acute Myocardial Infarction Heart Failure Efficacy and Survival Study) substudy J Am Coll Cardiol 2011 Nov58(19)1958-66 doi 101016jjacc201104049 Sacks CA Jarcho JA Curfman GD Paradigm shifts in heart-failure therapy-a timeline N Engl J Med 2014 Sep371(11)989-91 doi 101056 NEJMp 1410241 Sanchez ECM Controle por aprendizado acelerado e neuro-fuzzi de sistemas servo-hidraacuteulicos de alta frequecircncia [dissertaccedilatildeo] Rio de Janeiro Pontifiacutecia Universidade Catoacutelica do Rio de Janeiro Engenharia Mecacircnica 2009 Certificado Digital nordm0721406CA Disponiacutevel em www2dbdpuc-riobrpergamumtesesabertas 0721406_09_cap_03pdf Santos TM Avaliaccedilatildeo do desempenho de modelos preditivos no contexto de anaacutelise de sobrevivecircncia [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo doi 1011606D452013tde-03092013-111337 [citado 2017 jan 11]Disponiacutevel em httpwwwtesesuspbr Scott R Artificial intelligence its use in medical diagnosis J Nucl Med 1993 Mar34(3)510-4 PMID8441047 Senni M Tribouilloy CM Rodeheffer RJ Jacobsen SJ Evans JM Bailey KR et al Congestive heart failure in the community trends in incidence and survival in a 10-year period Arch Intern Med 1999 Jan159(1)29-34 PMID 98923 27

Referecircncias Bibliograacuteficas 173

Senni M Redfield MM Heart failure with preserved systolic function A different natural history J Am Coll Cardiol 2001 Nov38(5)1277-82 PMID11691495 Senni M Santilli G Parrella P De Maria R Alari G Berzuini C et al A novel prognostic index to determine the impact of cardiac conditions and co-morbidities on one-year outcome in patients with heart failure Am J Cardiol 2006 Oct98(8)1076-82 doi101016 jamjcard 200605031 Shah KS Xu H Matsouaka RA Bhatt DL Heidenreich PA Hernandez AF et al Heart failure with preserved borderline and reduced ejection fraction 5-year outcomes J Am Coll Cardiol 2017Nov70 (20)2476-2486 doi101016jjacc201708074 Silva LA Hernandez EDM Rangayyan MR Classification of breast masses using a committee machine of artificial neural networks J Eletron Imaging 2008 Jan-Fev17 (1)1-10 Biblioteca Digital da Produccedilatildeo Intelectual - BDPI Universidade de Satildeo Paulo [cited 18 mar 2008] Available from httpproducao uspbrhandleBDPI14703 Silva CP Bacal F Pires PV Mangini S Issa VS Moreira SF et al Heart failure profile at the beta blockers Arq BrasCardiol 2007 Apr88475-9 doi101590S0066 - 782X20070004000 018 Silverberg DS Wexler D Blum M Keren G Sheps D Leibovitch E et al The use of subcutaneous erythropoietin and intravenous iron for the treatment of the anemia of severe resistant congestive heart failure improves cardiac and renal function and functional cardiac class and markedly reduces hospitalizations J Am Coll Cardiol 2000 Jun35(7)1737-44 PMID10841219 Sinha RK Aggarwal Y Das BN Backpropagation artificial neural network detects change in electro-encephalogram power spectra of syncopic patients J Med Syst 2007 Feb31(1)63-8 PubMed PMID17283923 Steinberg BA Fang JC Long-term outcomes of acute heart failure Where are we now J Am Coll Cardiol 2017 Nov70(20)2487-2489 doi 101016 jjacc 201708075 Swedberg K Cleland J Dargie H Drexler H Follath F Komajda M et al Task Force for the diagnosis and treatment of chronic heart failure of the european society of cardiology Eur Heart J 2005 Mai26(11)1115-40 doi 101093 eurheartj ehi204 Swedberg K Komajda M Boumlhm M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Ivabradine and outcomes in chronic heart failure (SHIFT) a randomised placebo-controlled study Lancet 2010 Sep376(9744)875-85 doi 101016S0140-6736(10)61198-1 Erratum in Lancet 2010376(9757)1988 Lajnscak M [corrected to Lainscak M] Rabanedo I Roldan [corrected to Rabadaacuten I Roldan] Leva M [corrected to Ieva M]

Referecircncias Bibliograacuteficas 174

Tang YD Katz SD The prevalence of anemia in chronic heart failure and its impact on the clinical outcomes Heart Fail Rev 2008 Dec13(4)387-92 doi 10 1007s 10741-008-9089-7 Theodoropoulos TA Bestetti RB Otaviano AP Cordeiro JA Rodrigues VC Silva AC Predictors of all-cause mortality in chronic Chagas heart disease in the current era of heartfailure therapy Int J Cardiol 2008 Aug128(1)22-9 doi 101016jijcard 200711 057 Tourassi GD Floyd CE Sostman HD Coleman RE Artificial neural network for diagnosis of acute pulmonary embolism effect of case and observer selection Radiology 1995 Mar194(3)889-93 doi101148radiology19437862997 Uthamalingam S Patvardhan EA Subramanian S Ahmed W Martin W Daley M et al Utility of the neutrophil to lymphocyte ratio in predicting long- term outcomes in acute decompensated heart failure Am J Cardiol 2011 Fev 107 (3) 433-8 doi10 1016jamjcard201009039 Vardeny O Wu DH Desai A Rossignol P Zannad F Pitt B et al RALES Investigators Influence of baseline and worsening renal function on efficacy of spironolactone in patients with severe heart failure insights from RALES (Randomized Aldactone Evaluation Study) J Am Coll Cardiol 2012 Nov60(20)2082-9 doi101016jjacc201207048 Vasan RS Larson MG Leip EP Evans JC ODonnell CJ Kannel WB et al Impact of high-normal blood pressure on the risk of cardiovascular disease N Engl J Med 2001 Nov345(18)1291-7 doi101056NEJMoa003417 Veloso LG de Oliveira MT Jr Munhoz RT Morgado PC Ramires JA Barretto AC Nutritional repercussion in advanced heart failure and its value in prognostic assessment Arq Bras Cardiol 2005 Jun84(6)480-5 doiS0066-782X2005000 600009 Volpato S Zuliani G Guralnik JM Palmieri E Fellin R The inverse association between age and cholesterol level among older patients the role of poor health status Gerontology 2001a Jan-Fev47(1)36-45 doi 101159000052768 Volpato S Leveille SG Corti MC Harris TB Guralnik JM The value of serum albumin and high-density lipoprotein cholesterol in defining mortality risk in older persons with low serum cholesterol J Am Geriatr Soc 2001b Sep49(9)1142-7 PMID11559371 Von Zubben FJ Attux RRF Perceptron de muacuteltiplas camadas IA353-Profs Fernando J Von Zuben amp Romis RFAttux DCAFEECUnicamp amp DECOM FEECUnicampToacutepico 5 [citado 2001] Disponiacutevel em ftpftpdcafeeunicampbrpubdocs vonzubenia353_1s07topico5_07pdf

Referecircncias Bibliograacuteficas 175

Waikar SS Mount DB Curhan GC Mortality after hospitalization with mild moderate and severe hyponatremia Am J Med 2009 Sep122(9)857-65 doi 101016j amjmed 200901027 Ware JH Harrihgton D Hunter DJ DrsquoAgostino Sr Missing data N Engl J Med 2012 Oct367(14)1353-1354 PIMC 3771340 Wilding P Morgan MA Grygotis AE Shoffner MA Rosato EF Application of backpropagation neural networks to diagnosis of breast and ovarian cancer Cancer Lett 1994 Mar 1577(2-3)145-53 PMID 8168061 WHO Expert Committee on Physical Status the use and Interpretation of Anthropometry (1993 Geneva Switzerland) amp World Health Organization (1995) Physical status the use of and interpretation of anthropometry report of a WHO expert committee Geneva World Health Organization[cited 1995] Available from httpwww whointirishandle1066537003 World Health Organization (WHO) ICD-10 Version 2010 ndash International Classification of Diseases 10 th revision [cited 2010] Available from http appswhoint classifications icd10browse2010en Yuan Y Prediction performance of survival models [tese] Canada University of Waterloo Ontario 2008 [cited 2008]Available fromhttpuwspaceuwaterloocabitstream100 1239741thesispdf Zannad F Garcia AA Anker SD Armstrong PW Calvo G Cleland JG et al Clinical outcome endpoints in heart failure trials a European Society of Cardiology Heart Failure Association consensus document Eur J Heart Fail 2013 Oct15(10)1082-94 doi101093eurjhfhft095 Zugck C Kruumlger C Kell R Koumlrber S Schellberg D Kuumlbler W et al Risk stratification in middle-aged patients with congestive heart failureprospective comparison of the Heart Failure Survival Score (HFSS) and a simplified two-variable model Eur J Heart Fail 2001 Oct3(5)577-85 PMID 11595606

Page 7: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao

Epiacutegrafe

Epiacutegrafe

Πάντες ἄνθρωποι τοῦ εἰδέναι ὀρέγονται φύσει

Todos os homens aspiram por natureza ao conhecimento

(Aristoacuteteles Metafiacutesica)

Alles Interesse meiner Vernunft (das spekulative sowohl als das praktische) vereinigt sich in folgenden drei Fragen

1 Was kann ich wissen 2 Was soll ich tun 3 Was darf ich hoffen

Todo o interesse da minha razatildeo (tanto especulativa como praacutetica) concentra-se nas seguintes trecircs interrogaccedilotildees

1 Que posso saber 2 Que devo fazer 3 Que me eacute permitido esperar (Emanuel Kant Criacutetica da Razatildeo Pura)

This warp seemed necessity and here thought I with my own hand I ply my own shuttle and weave my own destiny into these unalterable threads

A urdidura parecia a Necessidade e aqui pensei com as minhas proacuteprias matildeos guio a lanccediladeira e teccedilo meu proacuteprio destino nestes fios inalteraacuteveis

(Herman Melville Moby Dick)

Normatizaccedilatildeo adotada

Normatizaccedilatildeo adotada

Esta tese estaacute de acordo com as seguintes normas em vigor no momento de sua publicaccedilatildeo Referecircncias adaptado de International Committee of Medical Journals Editors (Vancouver) Universidade de Satildeo Paulo Faculdade de Medicina Divisatildeo de Biblioteca e Documentaccedilatildeo Guia de apresentaccedilatildeo de dissertaccedilotildees teses e monografias Elaborado por Anneliese Carneiro da Cunha Maria Julia de ALFreddi Maria FCrestana Marinalva de Souza Aragatildeo Suely Campos Cardoso Valeacuteria Vilhena 3ordf ed Satildeo Paulo Divisatildeo de Biblioteca e Documentaccedilatildeo 2011 Abreviatura dos tiacutetulos e perioacutedicos de acordo com List of Journals Indexed in Index Medicus

Sumaacuterio

Sumaacuterio

Lista de figuras

Lista de tabelas

Resumo

Abstract

1 INTRODUCcedilAtildeO 1

2 OBJETIVO 7

21 Objetivos primaacuterios 8

22 Objetivos secundaacuterios 8

3 MEacuteTODOS 9

31 Delineamento do estudo 10

32 Avaliaccedilatildeo cliacutenica 10

33 Criteacuterios diagnoacutesticos 11

34 Criteacuterios de inclusatildeo 11

35 Criteacuterios de exclusatildeo 12

36 Casuiacutestica 12

37 Variaacuteveis estudadas 12

371 Demograacuteficas 12

372 Cliacutenicas 13

373 Eletrocardiograacuteficas 13

374 Ecocardiograacuteficas 13

375 Laboratoriais 13

376 Medicamentos em uso na consulta inicial 14

38 Mortalidade 14

39 Anaacutelise dos dados 14

391 Anaacutelise estatiacutestica 15

3911 Anaacutelise descritiva e exploratoacuteria 15

3912 Anaacutelise inferencial 15

392 Rede neural 16

3921 Escolha da arquitetura da rede neural 17

3922 Aprendizado-treinamento da rede neural 19

3923 Avaliaccedilatildeo dos melhores modelos de rede neural 21

310 Aspectos eacuteticos 22

4 RESULTADOS 23

41 Anaacutelise estatiacutestica 24

411 Anaacutelise descritiva e exploratoacuteria 24

412 Anaacutelise inferencial 27

42 Rede neural 29

Sumaacuterio

421 Escolha da arquitetura da rede neural 29

422 Aprendizado-treinamento da rede neural 29

4221 Amostragem aleatoacuteria 30

4222 Fases do estudo da casuiacutestica 30

42221 Primeira fase ndash aprendizado-treinamento da rede neural 30

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar a sobrevida 33

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede neural 33

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural 35

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede neural 37

43 Avaliaccedilatildeo dos melhores modelos da rede neural 39

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo valor preditivo negativo da rede neural 39

432 Funccedilatildeo de perda da rede neural 40

5 DISCUSSAtildeO 42

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes 43

511 Casuiacutestica 43

512 Idade 44

513 Sexo 44

514 Antecedentes 45

515 Etiologia 45

516 Iacutendice de massa corpoacuterea 46

517 Frequecircncia cardiacuteaca 46

518 Pressatildeo arterial sistoacutelica e diastoacutelica 46

519 Classe funcional 47

5110 Tempo decorrido ateacute o desfecho 47

5111 Variaacuteveis ecocardiograacuteficas 48

5112 Variaacuteveis laboratoriais 49

5113 Medicamentos em uso 50

5114 Mortalidade 51

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica 51

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede neural 56

Sumaacuterio

531 Amostras aleatoacuterias 56

532 Data do iniacutecio dos sintomas 57

533 Tempos de evoluccedilatildeo 58

534 Variaacuteveis faltantes 60

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em geral 60

536 Funccedilotildees de transferecircncia 61

537 Treinamento excessivo (overfitting) 61

538 Estudo em cinco fases 62

54 Avaliaccedilatildeo dos melhores modelos de rede neural 62

541 Sensibilidade especificidade valor preditivo positivo e valor preditivo negativo 62

542 Funccedilatildeo de perda 64

543 Sensibilidade e especificidade versus funccedilatildeo de perda 65

55 Implicaccedilotildees cliacutenicas 65

56 Limitaccedilotildees do estudo 66

6 CONCLUSOcircES 67

7 ANEXOS 69

8 REFEREcircNCIAS BIBLIOGRAacuteFICAS 153

Listas

Lista de figuras

Figura 1 Representaccedilatildeo esquemaacutetica do delineamento do estudo 70

Figura 2 Arquitetura da rede neural perceptron muacuteltiplas camadas 71

Figura 2a Representaccedilatildeo do modelo natildeo linear de um neurocircnio

artificial 72

Figura 2b Ilustraccedilatildeo das direccedilotildees de propagaccedilatildeo do sinal e do erro da

informaccedilatildeo 73

Figura 3 Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da

funccedilatildeo zero based log sigmoid 74

Figura 4 Representaccedilatildeo esquemaacutetica das fases da rede neural 74

Figura 5 Probabilidade de sobrevida estimada (Kaplan-Meier)

geral 75

Figura 6 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etiologia da insuficiecircncia cardiacuteaca 76

Figura 7 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave idade 77

Figura 8 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao sexo 78

Figura 9 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave etnia 79

Figura 10 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao peso 80

Figura 11 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave altura 81

Figura 12 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iacutendice de massa corpoacuterea 82

Figura 13 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial sistoacutelica 83

Figura 14 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

pressatildeo arterial diastoacutelica 84

Figura 15 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave classe funcional 85

Figura 16 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

agrave frequecircncia cardiacuteaca 86

Figura 17 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao iniacutecio dos sintomas 87

Figura 18 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de hipertensatildeo arterial 88

Figura 19 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de tabagismo 89

Figura 20 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de diabetes 90

Figura 21 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao antecedente de etilismo 91

Figura 22 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro do aacutetrio esquerdo no ecocardiograma 92

Figura 23 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma 93

Figura 24 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma 94

Figura 25 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no ecocardiograma 95

Figura 26 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica do septo interventricular no

ecocardiograma 96

Figura 27 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave espessura diastoacutelica da parede posterior do ventriacuteculo

esquerdo no ecocardiograma 97

Figura 28 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao ritmo cardiacuteaco 98

Figura 29 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto a

taxa de hemoglobina 99

Figura 30 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

glicemia de jejum 100

Lista de figuras

Figura 31 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de creatinina seacuterica 101

Figura 32 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de soacutedio seacuterico 102

Figura 33 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de potaacutessio seacuterico 103

Figura 34 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto agrave

taxa de colesterol total 104

Figura 35 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de HDL- colesterol 105

Figura 36 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de LDL-colesterol 106

Figura 37 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de trigliceacuterides 107

Figura 38 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de leucoacutecitos 108

Figura 39 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

agrave taxa de linfoacutecitos 109

Figura 40 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso dos inibidores da enzima conversora da angiotensina

e bloqueadores dos receptores da angiotensina II 110

Figura 41 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueadores adreneacutergicos 111

Figura 42 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de diureacuteticos 112

Figura 43 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de espironolactona 113

Figura 44 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de digoxina 114

Figura 45 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de antiagregante plaquetaacuterio

115

Figura 46 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

Lista de figuras

ao uso de anticoagulante 116

Figura 47 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de sinvastatina 117

Figura 48 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de vasodilatador direto 118

Figura 49 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de bloqueador do canal de caacutelcio 119

Figura 50 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao uso de amiodarona 120

Figura 51 Probabilidade de sobrevida estimada (Kaplan-Meier) quanto

ao nuacutemero de medicamentos em uso 121

Lista de tabelas

Tabela 1 Caracteriacutesticas demograacuteficas e cliacutenicas dos pacienteshelliphelliphellip 122

Tabela 2 Variaacuteveis estudadas quanto agrave probabilidade de sobrevida

(etapa 1) 129

Tabela 3 Uso de tratamento medicamentosohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 130

Tabela 4 Nuacutemero de medicamentos em uso 131

Tabela 5 Variaacuteveis retiradas do modelo de Cox (etapa 2)helliphelliphelliphelliphelliphellip 131

Tabela 6 Reavaliaccedilatildeo das variaacuteveis excluiacutedas da etapa 2 do modelo

de Cox (etapa 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 7 Variaacuteveis do modelo final de Cox selecionadas para a rede

neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 132

Tabela 8 Valores de referecircncia para as variaacuteveis com dados faltantes 133

Tabela 9 Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1) 134

Tabela 91 Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1) 135

Tabela 10 Comparaccedilatildeo das redes neurais categorizadas pelo tempo de

sobrevida observado seleccedilatildeo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 136

Tabela 11 Modelos de redes neurais para previsatildeo da sobrevida dos

pacientes vivos ateacute 2012 (fase 2)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 137

Tabela 12 Modelos de redes neurais comparaacuteveis erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)helliphelliphellip 138

Tabela 13 Modelo de rede neural 13 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 139

Tabela 14 Modelo de rede neural 20 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3) helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 140

Tabela 15 Modelo de rede neural 22 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 141

Tabela 16 Modelo de rede neural 24 individual e comparaacutevel erro

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 142

Tabela 17 Modelo de rede neural 26 individual e comparaacutevel erro

Lista de tabelas

hipoteacutetico de previsatildeo da rede versus erro real observado

(fase 3)helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip

143

Tabela 18 Reensaio da rede neural com pacientes que vieram a falecer

em 2013 (reensaio 1) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 145

Tabela 19 Reensaio da rede neural com pacientes que vieram a falecer

em 2014 (reensaio 2) ndash fase 4helliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 146

Tabela 20 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 147

Tabela 21 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 e reensaio 1 (fase 4)helliphelliphelliphelliphelliphelliphelliphelliphellip 148

Tabela 22 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 24 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 149

Tabela 23 Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial

da rede neural 26 reensaio 1 e reensaio 2 (fase 5)helliphelliphelliphellip 150

Tabela 24 Sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo dos melhores modelos de

rede neuralhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 151

Tabela 25 Avaliaccedilatildeo dos melhores modelos de rede neural com o

emprego da funccedilatildeo de perdahelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellip 152

Resumo

Resumo

Marccedilula M Avaliaccedilatildeo prognoacutestica em pacientes com insuficiecircncia

cardiacuteaca com o emprego de redes neurais artificiais [tese] Satildeo Paulo

Faculdade de Medicina Universidade de Satildeo Paulo 2018

Fundamentos ndash Identificar pacientes ambulatoriais que necessitam de

recursos terciaacuterios de hospital de referecircncia voltado para a praacutetica cardioloacutegica

eacute inerente agrave responsabilidade assistencial Compete reconhecer pacientes sob

maior risco de prognoacutestico desfavoraacutevel o que pode ser feito pelo emprego de

meacutetodos estatiacutesticos tradicionais Com o mesmo fito as redes neurais tecircm sido

objeto de interesse Formulamos a hipoacutetese de que as redes neurais

alimentadas a partir de variaacuteveis selecionadas com o emprego de estatiacutestica

tradicional pudessem contribuir para a avaliaccedilatildeo prognoacutestica de pacientes com

insuficiecircncia cardiacuteaca

Objetivos ndash Avaliar o prognoacutestico de pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca com o emprego de meacutetodos da estatiacutestica de

sobrevivecircncia associada com a rede neural artificial

Delineamento ndash Estudo de coorte retrospectiva a partir de dados assistenciais

de pacientes que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

identificaccedilatildeo das variaacuteveis associadas ao prognoacutestico com o emprego da

estatiacutestica tradicional e alimentaccedilatildeo da rede neural perceptron de muacuteltiplas

camadas (Neuro XL Predictor - OLSOFT Software Development) com essas

variaacuteveis

Local ndash Ambulatoacuterio cardioloacutegico com alto volume de atendimentos voltado

para pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital acadecircmico de

referecircncia terciaacuterio

Participantes ndash 2128 pacientes consecutivos que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca de 2 de julho de 2003 a 2 de julho de 2007

Desfecho ndash oacutebito por qualquer causa

Anaacutelise de dados ndash Agrave anaacutelise descritiva e exploratoacuteria seguiu-se a avaliaccedilatildeo

da probabilidade de sobrevida pelo meacutetodo de Kaplan Meier seguida de

anaacutelise inferencial com o emprego do teste de log-rank e do modelo de riscos

proporcionais de Cox Identificadas as variaacuteveis associadas ao prognoacutestico de

sobrevida foi desenvolvida a rede neural nas diferentes fases de aprendizado-

Resumo

treinamento e com o recurso do algoritmo de treinamento backpropagation A

rede neural foi desenvolvida em cinco fases fase 1 ndash aprendizado-treinamento

(n=968 oacutebitos com informaccedilatildeo completa) fase 2 ndash avaliaccedilatildeo e aplicaccedilatildeo

(pacientes vivos ateacute 2012) fase 3 ndash comparaccedilatildeo da previsatildeo de sobrevida com

o emprego rede ( pacientes vivos ateacute 2012) com a sobrevida observada fase 4

ndash reensaios para aprendizados com novos desfechos (oacutebitos em 2013 e 2014)

fase 5 ndash avaliaccedilatildeo do aprendizado da rede na fase 4 (pacientes vivos e

falecidos)

A acuraacutecia a sensibilidade a especificidade o valor preditivo positivo e o valor

preditivo negativo dos melhores modelos na previsatildeo da sobrevida obtidas com

a rede neural foram avaliados considerando as duas funccedilotildees de ativaccedilatildeo

(tangente hiperboacutelica e zero-based log sigmoid) Para tanto foi preciso

determinar intervalos de corte definidos por criteacuterio cliacutenico de razoabilidade de

expectativa do tempo de sobrevida e acerto calculado pela rede A estimativa

da previsibilidade e do erro tambeacutem foi avaliada com o emprego da funccedilatildeo de

perda

Resultados ndash A anaacutelise estatiacutestica (n=2128 pacientes) revelou as seguintes

variaacuteveis associadas ao prognoacutestico idade (plt0001) iacutendice de massa

corpoacuterea (plt0001) pressatildeo arterial diastoacutelica (plt0001) etiologia da

insuficiecircncia cardiacuteaca (plt0001) classe funcional (plt0001) espessura do

septo interventricular (p=0037) diacircmetro diastoacutelico do ventriacuteculo esquerdo

(plt0001) diacircmetro do aacutetrio esquerdo (p=0025) potaacutessio seacuterico (p=0015)

colesterol total (plt0001) creatinina (plt0001) e a presenccedila de diabetes melito

(p=0034)

Os modelos de redes neurais com melhor previsibilidade foram obtidos pela

categorizaccedilatildeo do tempo de sobrevida inferior a 2 anos entre 2 anos e 6 anos

e superior a 6 anos

Nos pacientes com tempo de sobrevida observado superior a 6 anos a partir

da consulta inicial com intervalo de corte de 3 anos a estimativa feita com o

emprego da rede neural demonstrou sensibilidade 930 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade 764 ou 775 (dependendo da funccedilatildeo

de ativaccedilatildeo) valor preditivo negativo 974 (com ambas as funccedilotildees de

Resumo

ativaccedilatildeo) e valor preditivo positivo 536 ou 547 (dependendo da funccedilatildeo de

ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de 2 anos

obtivemos sensibilidade 898 (com ambas as funccedilotildees de ativaccedilatildeo)

especificidade 725 ou 765 valor preditivo positivo 863 ou 880 e valor

preditivo negativo 787 ou 796 (dependendo da funccedilatildeo de ativaccedilatildeo)

Nos pacientes com tempo de sobrevida observado inferior a 2 anos a partir da

data do iniacutecio dos sintomas com intervalo de corte de 1 ano a estimativa com

o emprego da rede neural demonstrou sensibilidade 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade de 625 ou 667 (dependendo da

funccedilatildeo de ativaccedilatildeo) valor preditivo positivo 820 ou 837 (dependendo da

funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo 714 ou 727 (dependendo da

funccedilatildeo de ativaccedilatildeo)

O erro da previsatildeo de sobrevida com o emprego da rede neural estimado com

o auxiacutelio da funccedilatildeo de perda variou de 44 meses ateacute 11 anos

Conclusotildees - O emprego da rede neural alimentada por variaacuteveis

selecionadas com o emprego de estatiacutestica de sobrevivecircncia tradicional pode

ser meacutetodo profiacutecuo na avaliaccedilatildeo prognoacutestica de pacientes com insuficiecircncia

cardiacuteaca

A previsibilidade de estimativa de sobrevida alcanccedilada com o uso de rede

neural foi menor nos pacientes com quadros cliacutenicos de menor tempo de

evoluccedilatildeo comparativamente aos pacientes com maior tempo de evoluccedilatildeo no

primeiro caso permitiria sugerir quadros mais instaacuteveis em relaccedilatildeo aos casos

mais estaacuteveis isto eacute aqueles com tempo de evoluccedilatildeo maior

Descritores insuficiecircncia cardiacuteaca cardiomiopatia assistecircncia ambulatorial

anaacutelise de sobrevivecircncia rede neural prognoacutestico

Abstract

Abstract

Marccedilula M Prognostic evaluation of patients with heart failure with the use

of artificial neural networks [thesis] Satildeo Paulo ldquoFaculdade de Medicina

Universidade de Satildeo Paulordquo 2018

Background ndash Identifying outpatients who need tertiary resources of a referral

cardiology hospital includes recognizing those at higher risk of unfavorable

prognosis Studies aimed at this objective may be accomplished with traditional

statistics Neural networks have been studied as a promising tool in the

assessment of patientsacute prognosis We hypothesized that the neural networks

developed with variables selected through traditional statistics might contribute

to the prognostic evaluation of patients with heart failure

Objectives ndash To evaluate the prognosis of patients with heart failure using

methods of survival statistics combined with the resources of artificial neural

networks

Design ndash Retrospective cohort study from a database of patients previously

diagnosed with heart failure identification of variables associated with

prognosis using traditional statistics development of a neural network

perceptron of multiple layers (Neuro XL Predictor - OLSOFT Software

Development) with these variables

Setting ndash outpatient clinic from an academic tertiary cardiology center

Participants ndash 2128 consecutive patients who received the diagnosis of heart

failure between July 2 2003 and July 2 2007

Outcomes ndash death for any cause

Data analysis ndash Statistical evaluation was performed for descriptive and

exploratory analysis and was followed by Kaplan Meier survival probability and

inferential analysis using the log-rank test and the Cox proportional hazards

model to identify the variables associated with prognosis Variables thus

selected were then input for the neural network in the different stages of

learning-training with the backpropagation algorithm The neural network was

developed in 5 phases phase 1 - learning training (n = 968 deaths with

complete information) phase 2 - evaluation and application (patients alive until

2012) phase 3 - comparison of the predicted versus the observed survival

Abstract

using the network (patients alive until 2012) phase 4 - re-tests for learning with

new outcomes (deaths in 2013 and 2014) phase 5 - assessment of network

learning in phase 4 (living and deceased patients)

The accuracy sensitivity specificity positive predictive value and negative

predictive value of the best models in the prediction of survival obtained with the

neural network were evaluated taking into account the two activation functions

(hyperbolic tangent and zero-based log sigmoid) and the cut-off intervals

defined by clinical criteria of reasonableness of expected survival time and the

estimated estimate by the network The estimation of predictability and error

was also evaluated using the loss function

Results ndash Statistical analysis (n = 2128 patients) revealed the following

variables associated with prognosis age (p lt0001) body mass index (p

lt0001) diastolic blood pressure (p lt0001) heart failure etiology (P lt0001)

functional class (p lt0001) interventricular septum thickness (p = 0037) left

ventricular diastolic diameter (p lt0001) left atrial diameter (p = 0025) serum

potassium level total cholesterol (p lt0001) serum creatinine level (p lt0001)

and the presence of diabetes mellitus (p = 0034)

The models of neural networks with better predictability were obtained with the

categorization of the survival time of less than 2 years between 2 and 6 years

and over 6 years

In patients with a survival time of more than 6 years from the initial consultation

with a cut-off interval of 3 years (or 1095 days) the estimate using the neural

network showed sensitivity 930 (with both activation functions) specificity of

764 or 775 (depending on the activation function) negative predictive

value 974 (with both activation functions) and positive predictive value 536

or 547 (depending on the function of activation)

In patients with a survival time of 2 to 6 years from the onset of symptoms with

a cut-off interval of 2 years (or 730 days) we obtained 898 sensitivity (with

both activation functions) specificity 725 or 765 positive predictive value

863 or 880 and negative predictive value 787 or 796 (depending on

the activation function)

In patients with a survival time of less than 2 years from the onset of symptoms

with a cut-off interval of 1 year (or 365 days) the estimate using the neural

Abstract

network showed a sensitivity of 872 (with both activation functions)

specificity of 625 or 667 (depending on the activation function) positive

predictive value 820 or 837 (depending on the activation function) and

negative predictive value 714 or 727 (depending on the activation

function)

The error of survival prediction with the use of the estimated neural network with

the aid of the function of absolute loss ranged from 44 months to 11 years

Conclusions ndash The use of selected variables input in the neural network with

the use aid of traditional survival statistics may be a useful method for the

prognostic evaluation of patients with heart failure Estimates were less

accurate in patients with a shorter duration of symptoms relative to those with

symptoms for a long time in the first case it would suggest more unstable

disease relative to those with more stable disease namely with symptoms for a

long time

Descriptors heart failure cardiomyopathy ambulatory care survival analysis

neural networks prognosis

1 Introduccedilatildeo

Introduccedilatildeo 2

A atuaccedilatildeo em ambulatoacuterio meacutedico cardioloacutegico com alto volume de

atendimentos a pacientes do Sistema Uacutenico de Sauacutede (SUS) em hospital

acadecircmico de referecircncia terciaacuterio (940048 consultas de 1988 a 2017) traz agrave

atividade cotidiana a responsabilidade de avaliar e distinguir pacientes com

maior necessidade cliacutenica de receber tratamento que utilize as competecircncias e

a tecnologia disponiacuteveis em hospital de referecircncia recursos que tecircm entre

suas caracteriacutesticas o fato de serem limitados

Portanto eacute necessaacuterio continuamente estudar e aprimorar a avaliaccedilatildeo

cliacutenica para orientar a terapecircutica no longo prazo em recursos da comunidade

ou em centros de atenccedilatildeo terciaacuteria Esta responsabilidade diz respeito

tambeacutem aos pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca atendidos em

ambulatoacuterio cardioloacutegico de hospital acadecircmico de referecircncia

O conhecimento da probabilidade de sobrevida no longo prazo como

meacutetodo de avaliaccedilatildeo do prognoacutestico eacute de interesse para essa orientaccedilatildeo a

menor sobrevida seria indicador de maior gravidade da condiccedilatildeo A sobrevida

pode ser avaliada por diferentes meacutetodos (Oliveira et al 2016) Decorre

tambeacutem a identificaccedilatildeo de variaacuteveis associadas com a sobrevida (Marccedilula et

al 2011)

A probabilidade de sobrevida foi avaliada previamente em casuiacutestica no

proacuteprio Serviccedilo (Freitas et al 2005) em 1220 pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca sintomaacutetica tratados entre 1991 e 2000 e foi estimada

apoacutes um ano de acompanhamento aproximadamente em 60 o que revalida

dados publicados de sobrevida estimada entre 40 e 70 (Mady et al 1994

Pereira Barretto et al 1998 Carlo et al 2014 Bocchi et al 2017)

A etiologia cardiopatia da doenccedila de Chagas foi o fator mais relevante

associado com a mortalidade (risco relativo 297) quando comparada com

cardiomiopatia dilatada idiopaacutetica (risco relativo 227) cardiopatia isquecircmica

(risco relativo 253) cardiopatia hipertensiva (risco relativo 273) aleacutem de

outras variaacuteveis como diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma (risco relativo 116) e fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(risco relativo 095) na ventriculografia por radioisoacutetopo (Freitas et al 2005) A

Introduccedilatildeo 3

observaccedilatildeo do pior prognoacutestico dos pacientes com insuficiecircncia cardiacuteaca por

doenccedila de Chagas se harmoniza com dados publicados em outras

investigaccedilotildees (Espinosa et al 1985 Mady et al 1994 Bestetti et al 1997

Bestetti Daniel 2016 Pereira-Barretto et al 1998 Carlo et al 2014 Rassi et

al 2010 Bocchi 2012 2013 2017) que nas formas mais severas da doenccedila

revelaram mortalidade de 80 a 100 em um ano de seguimento (Mady et al

1994 Theodoropoulos et al 2008)

Uma questatildeo intrincada nesse estudo (Freitas et al 2005) realizado

em condiccedilotildees que a literatura denomina ldquovida realrdquo (ldquoreal life conditionsrdquo em

oposiccedilatildeo a ldquoprotocol conditionsrdquo situaccedilatildeo de variaacuteveis controladas) foi lidar

com dados faltantes e objeto de pesquisa especiacutefica (Paes 2007)

Aleacutem do tratamento medicamentoso os processos de transformaccedilatildeo

inerentes agrave praacutetica cliacutenica abrangem caracteriacutesticas dos pacientes inclusive no

acesso agraves oportunidades de tratamento progresso na experiecircncia cliacutenica seja

em ferramentas diagnoacutesticas seja na terapecircutica com a natural consequecircncia

na sobrevida em longo prazo (Pitt et al 1999 2003 Bocchi et al 2008 Issa et

al 2010 Bestetti et al 2011 Carlo et al 2014) Portanto a necessidade de

reavaliaccedilatildeo perioacutedica do prognoacutestico dos pacientes eacute inerente agrave praacutetica meacutedica

Aleacutem dos recursos metodoloacutegicos da estatiacutestica de sobrevivecircncia a

experiecircncia preacutevia com pesquisadores de estatiacutestica estimulou a associaccedilatildeo de

meacutetodos estatiacutesticos pelo uso de redes neurais (Ogava 2007) Aleacutem disso

uma experiecircncia pioneira em nosso meio foi conduzida haacute duas deacutecadas com

casuiacutestica pequena (95 pacientes) fora do ambiente do Sistema Uacutenico de

Sauacutede (Ortiz et al 1995a) De fato o uso de redes neurais artificiais na anaacutelise

de dados cliacutenicos de pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca foi

apresentado como um meacutetodo que deve ser investigado (Braunwald 2008)

As redes neurais artificiais tecircm sido progressivamente utilizadas na

praacutetica cliacutenica (Lisboa Taktak 2006) e a potencial contribuiccedilatildeo da aplicaccedilatildeo

da rede neural no diagnoacutestico e prognoacutestico de vaacuterias doenccedilas inclusive tem

se tornado objeto de interesse e investigaccedilatildeo na aacuterea da Cardiologia (Lisboa

2002)

Rede neural artificial foi conceituada como ldquoestrutura de

processamento de informaccedilatildeo distribuiacuteda em paralelo e constituiacuteda por

Introduccedilatildeo 4

elementos de processamento ligados por canais de sinal unidirecionais

denominados conexotildees em que cada elemento de processamento possui uma

uacutenica conexatildeo de saiacuteda que se ramifica em tantas quantas as conexotildees

colaterais desejadasrdquo (Hecht-Nielsen 1989) Entre as caracteriacutesticas potenciais

da rede neural haacute o caraacuteter adaptativo treinaacutevel capaz de armazenar e

processar informaccedilotildees por associaccedilatildeo e adquirir conhecimento pela

experiecircncia por meio de exemplos ou da proacutepria aplicaccedilatildeo (Sanchez 2009)

A arquitetura de rede neural mais utilizada e estudada eacute a do tipo

perceptron de muacuteltiplas camadas (Cross Harrison e Kennedy 1995) e o tipo de

treinamento mais frequente utiliza o algoritmo de treinamento supervisionado

ou de retropropagaccedilatildeo do erro (backpropagation) (Scott 1993 Cross et al

1995 Papik et al 1998) Estas redes neurais tecircm por caracteriacutestica a

propagaccedilatildeo positiva (feedforward) ou na mesma direccedilatildeo do erro partindo da

camada de entrada rumo agrave camada de saiacuteda e agrave retropropagaccedilatildeo do erro

(backward) partindo da camada de saiacuteda ateacute a camada de entrada (Castro LN

1998 Sanchez 2009) O algoritmo backpropagation fundamenta-se numa

regra de aprendizado que corrige os erros durante todo o aprendizado e

treinamento da rede neural em todas as camadas partindo da saiacuteda ateacute a

entrada (Haykin 1994)

O processo de aprendizado da rede neural eacute gradual interativo e

iterativo de ajuste dos pesos sinaacutepticos de forma a adequar a rede a um

conjunto de exemplos adaptar o seu comportamento ao longo do tempo e

aperfeiccediloar a resposta a ser obtida (Ambrosio 2002 Castro FCC 2016) Por

sua caracteriacutestica de aprendizado e treinamento a rede neural permite a

melhoria contiacutenua de seu desempenho a partir de exemplos e tem sido

aplicada na aacuterea meacutedica no estudo de diferentes condiccedilotildees (Baxt 1991 1995

1996 Astion Wilding 1992 Widing et al 1994 Tourassi et al 1995 Fogel et

al 1995 Ahmed 2005 Sinha et al 2007 Bartosch-Haumlrlid et al 2008 Silva et

al 2008 Das et al 2008 Ogulata et al 2009)

Estudos que integram anaacutelise estatiacutestica como fundamento para

alimentaccedilatildeo de rede neural satildeo escassos (Ogava 2007)

Em pacientes com insuficiecircncia cardiacuteaca a comparaccedilatildeo entre vaacuterios

meacutetodos computacionais entre eles a rede neural a partir de informaccedilotildees da

Introduccedilatildeo 5

etiologia severidade e evoluccedilatildeo da doenccedila evidenciou melhor desempenho

dos sistemas de suporte (Guidi et al 2014) Por outro lado estudo de

casuiacutestica nacional publicada haacute duas deacutecadas avaliou o prognoacutestico de 95

pacientes com insuficiecircncia cardiacuteaca e fraccedilatildeo de ejeccedilatildeo reduzida em

seguimento de doze meses esta baseou-se em paracircmetros ecocardiograacuteficos

e na idade estimou a acuraacutecia sensibilidade especificidade valor preditivo

positivo e valor negativo respectivamente 67 67 68 28 92 por

anaacutelise discriminatoacuteria linear enquanto pelos valores correspondentes agrave rede

neural artificial foram estimados em 90 71 93 63 e 95 (Ortiz et al

1995b)

Recentes publicaccedilotildees apontaram para o potencial uso da rede neural

no universo da inteligecircncia artificial (neurocomputing machine learning deep

learning) (Krittanawrong et al 2017 Miller e Brown 2018) usando o algoritmo

de aprendizado supervisionado (backpropagation) na anaacutelise de amplas bases

de dados para melhor precisatildeo cardiovascular (Krittanawong et al 2017) Aleacutem

disso a rede neural foi utilizada na prediccedilatildeo da mortalidade em pacientes

submetidos a teste de esforccedilo cardiopulmonar (Myers et al 2014) como

tambeacutem em ampla metanaacutelise que avaliou a eficaacutecia do tratamento em

pacientes com diagnoacutestico de insuficiecircncia cardiacuteaca nos uacuteltimos trinta anos

(Burnet et al 2017)

Como meacutetodo a rede neural artificial tem vantagens e desvantagens

quando comparada aos sistemas de computaccedilatildeo convencionais ou sistemas

baseados em algoritmos (Papik et al 1998)

Entre as vantagens foram citadas a efetividade do meacutetodo na modelagem natildeo

linear de fenocircmenos bioloacutegicos com grande nuacutemero de dados precisatildeo para

inferecircncia preditiva e ajuda na tomada de decisatildeo meacutedica facilidade de

disseminaccedilatildeo do conhecimento pelo meacutetodo (Lisboa et al 2006) capacidade

de utilizar informaccedilotildees incompletas aprendizado por meio de exemplos e

exposiccedilatildeo de padrotildees agrave rede neural (Sanchez 2009)

Tendo em vista a missatildeo assistencial no atendimento de pacientes com

diagnoacutestico de insuficiecircncia cardiacuteaca recebidos para avaliaccedilatildeo diagnoacutestico e

orientaccedilatildeo de tratamento em unidade ambulatorial de hospital de referecircncia

voltado para pacientes do Sistema Uacutenico de Sauacutede situaccedilatildeo na qual se

Introduccedilatildeo 6

esmera a aplicaccedilatildeo mais judiciosa possiacutevel dos recursos instalados requer-se

a atualizaccedilatildeo constante dos dados prognoacutesticos para a melhor orientaccedilatildeo

Estudos satildeo necessaacuterios para reunir recursos de teacutecnicas estatiacutesticas

tradicionais como tambeacutem para empregar redes neurais e sua potencial

capacidade de aprendizado possibilitando mudanccedilas nas casuiacutesticas

brasileiras lastreadas no tempo

Destarte planejamos o presente estudo para avaliar o emprego da

estatiacutestica tradicional como etapa de seleccedilatildeo de variaacuteveis para a aplicaccedilatildeo da

rede neural artificial na avaliaccedilatildeo prognoacutestica de pacientes para esmerar na

distinccedilatildeo de pacientes de prognoacutestico menos favoraacutevel e com maior

necessidade cliacutenica de tratamentos que utilizem as competecircncias e a

tecnologia geralmente disponiacuteveis apenas em serviccedilos meacutedicos de referecircncia

2 Objetivos

Objetivos 8

21 Objetivos Primaacuterios

Avaliar o prognoacutestico de pacientes com diagnoacutestico de insuficiecircncia

cardiacuteaca pelo emprego de meacutetodos da estatiacutestica de sobrevivecircncia associada

com a rede neural artificial

22 Objetivos Secundaacuterios

Estimar a contribuiccedilatildeo dos dados de exame cliacutenico e laboratorial

obtidos na avaliaccedilatildeo inicial dos pacientes

Estimar o impacto dos dados faltantes na anaacutelise

3 Meacutetodos

Meacutetodos 10

31 Delineamento do estudo

Estudo observacional tipo transversal (coorte retrospectiva) a partir de

base de dados administrativa e assistencial que receberam o diagnoacutestico de

insuficiecircncia cardiacuteaca na Unidade Cliacutenica de Ambulatoacuterio Geral do Instituto do

Coraccedilatildeo e foram acompanhados ateacute o desfecho (oacutebito por qualquer causa) ou

ateacute a data do uacuteltimo contato

Dados da mortalidade foram obtidos por meio de consulta a registros

hospitalares contato telefocircnico consulta ao Programa de Aprimoramento das

Informaccedilotildees de Mortalidade no Municiacutepio de Satildeo Paulo (PRO-AIM) ou agrave

Fundaccedilatildeo Sistema Estadual de Anaacutelise de Dados (SEADE) (Figura 1)

32 Avaliaccedilatildeo cliacutenica

O exame cliacutenico e a avaliaccedilatildeo laboratorial dos pacientes seguiram a

rotina assistencial da Unidade Os pacientes cerca de 50 encaminhados ao

sistema CROSS (Central de Regulaccedilatildeo de Oferta de Serviccedilos de Sauacutede

Secretaria de Estado da Sauacutede Satildeo Paulo) foram avaliados por meio de

exame cliacutenico incluindo a histoacuteria cliacutenica e o exame fiacutesico eletrocardiograma

em repouso e a radiografia de toacuterax aleacutem de revisatildeo de testes

complementares eventualmente trazidos pelos pacientes A avaliaccedilatildeo

laboratorial complementar no Serviccedilo foi indicada de acordo com a

necessidade cliacutenica dos pacientes dentro da rotina assistencial e a

disponibilidade operacional institucional incluindo avaliaccedilatildeo metaboacutelica

laboratorial ecocardiografia ou outros testes

O tratamento foi recomendado de acordo com a rotina institucional

conforme necessidade cliacutenica e toleracircncia dos pacientes de acordo com a

orientaccedilatildeo do meacutedico responsaacutevel pelo atendimento do paciente aleacutem da

Meacutetodos 11

disponibilidade na dispensaccedilatildeo por farmaacutecia do sistema puacuteblico de atenccedilatildeo

farmacecircutica

33 Criteacuterios diagnoacutesticos

O diagnoacutestico de insuficiecircncia cardiacuteaca foi feito com base nos criteacuterios

de Framingham definido pela presenccedila simultacircnea de no miacutenimo dois

criteacuterios maiores ou um criteacuterio maior e dois menores (McKee et al 1971) Satildeo

criteacuterios maiores dispneia paroxiacutestica noturna turgecircncia jugular crepitaccedilotildees

pulmonares cardiomegalia na radiografia do toacuterax edema agudo de pulmatildeo

terceira bulha cardiacuteaca aumento da pressatildeo venosa central (gt16 cm aacutegua no

aacutetrio direito) refluxo hepatojugular perda de peso maior 45 kg em cinco dias

em resposta ao tratamento Os criteacuterios menores incluem edema de tornozelo

bilateral tosse noturna dispneia aos esforccedilos habituais hepatomegalia

derrame pleural taquicardia (gt120 batimentos por minuto) diminuiccedilatildeo da

capacidade funcional em um terccedilo da maacutexima registrada previamente (Hunt et

al 2001 2005)

O diagnoacutestico etioloacutegico foi feito de acordo com criteacuterios previamente

publicados (Maron et al 2006) Os diagnoacutesticos etioloacutegicos foram revisados

individualmente para este estudo

Os diagnoacutesticos foram categorizados segundo a Classificaccedilatildeo

Internacional de Doenccedilas 10a revisatildeo (World Health Organization 2010)

34 Criteacuterios de inclusatildeo

Foram incluiacutedos no estudo portadores de insuficiecircncia cardiacuteaca em

diferentes classes funcionais da New York Heart Association (New York Heart

Association 1964 Remme et al 2001)

Meacutetodos 12

35 Criteacuterios de exclusatildeo

Foram excluiacutedos do estudo os pacientes com angina instaacutevel infarto do

miocaacuterdio haacute menos de seis meses doenccedila valvar histoacuteria de cirurgia ou

infecccedilatildeo aguda nos trinta dias anteriores agrave consulta meacutedica

36 Casuiacutestica

Foram estudados 2128 pacientes consecutivos de ambos os sexos

com idade acima de 18 anos que depois do exame cliacutenico receberam o

diagnoacutestico de insuficiecircncia cardiacuteaca de diferentes etiologias no periacuteodo de 2

de julho de 2003 a 2 de julho de 2007

No Serviccedilo foram realizadas 113185 consultas ambulatoriais no

periacuteodo de estudo Portanto a casuiacutestica representa 18 do total de consultas

atendidas que receberam o diagnoacutestico de insuficiecircncia cardiacuteaca

37 Variaacuteveis estudadas

371 Demograacuteficas

Idade sexo etnia

Meacutetodos 13

372 Cliacutenicas

Duraccedilatildeo dos sintomas etiologia da insuficiecircncia cardiacuteaca classe

funcional peso altura iacutendice de massa corpoacuterea frequecircncia cardiacuteaca pressatildeo

arterial sistoacutelica pressatildeo arterial diastoacutelica e comorbidades (presenccedila de

hipertensatildeo arterial tabagismo diabete melito etilismo)

373 Eletrocardiograacuteficas

Ritmo cardiacuteaco

374 Ecocardiograacuteficas

Diacircmetro do aacutetrio esquerdo diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro sistoacutelico do ventriacuteculo esquerdo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo espessura diastoacutelica do septo interventricular e espessura diastoacutelica

da parede posterior do ventriacuteculo esquerdo

375 Laboratoriais

Taxa de hemoglobina taxa de leucoacutecitos taxa de linfoacutecitos taxa de

glicose em jejum creatinina seacuterica soacutedio seacuterico potaacutessio seacuterico colesterol

total lipoproteiacutena de alta densidade (HDL-colesterol) lipoproteiacutena de baixa

densidade (LDL-colesterol) e trigliceacuterides seacuterico

Meacutetodos 14

376 Medicamentos em uso na consulta inicial

Inibidores da enzima conversora da angiotensina (captopril enalapril) e

bloqueadores dos receptores da angiotensina II (losartana) bloqueadores

adreneacutergicos (carvedilol metoprolol propranolol e atenolol) diureacuteticos

(furosemida hidroclorotiazida espironolactona) digital (digoxina)

antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) anticoagulante oral

(varfarina) estatina (sinvastatina) vasodilatadores (hidralazina e mononitrato

de isossorbida) bloqueadores dos canais de caacutelcio (anlodipina) antiarriacutetmico

(amiodarona) nuacutemero de medicamentos em uso

38 Mortalidade ndash foi considerado desfecho o oacutebito por qualquer causa

39 Anaacutelise dos dados

Foi realizada em duas etapas a) anaacutelise estatiacutestica (n=2128

pacientes) para identificar as variaacuteveis associadas agrave sobrevida cujo tempo de

seguimento ou de sobrevida observado foi o intervalo entre a data da consulta

inicial ou a data do iniacutecio dos sintomas ateacute o uacuteltimo contato com o paciente ou a

data do oacutebito b) aplicaccedilatildeo da rede neural para estimar a sobrevida (n=968

pacientes)

A escolha pela teacutecnica da anaacutelise de sobrevida foi decorrente de sua

caracteriacutestica para identificar e selecionar as variaacuteveis mais importantes na

sobrevida dos pacientes como tambeacutem pelo pressuposto que a presenccedila de

pacientes censurados ou com perda de seguimento ao longo do tempo

representam todos os pacientes sujeitos ao risco de terem o evento de

interesse naquele momento (Bustamante-Teixeira et al 2002)

Meacutetodos 15

391 Anaacutelise estatiacutestica

A anaacutelise estatiacutestica foi realizada nas seguintes etapas anaacutelise

descritiva anaacutelise exploratoacuteria e estimativa da influecircncia das variaacuteveis na

sobrevida

3911 Anaacutelise descritiva e exploratoacuteria

Foram avaliadas as frequecircncias e distribuiccedilotildees das variaacuteveis

demograacuteficas cliacutenicas de exames complementares e de medicaccedilatildeo (tabela 1)

A probabilidade de sobrevida foi avaliada para cada variaacutevel pelo

meacutetodo de Kaplan-Meier (Kaplan Meier 1958) As variaacuteveis foram

categorizadas de acordo com criteacuterios cliacutenicos ou com base nos valores de

referecircncia quando pertinente Dados faltantes foram reunidos em uma

categoria As curvas de probabilidade de sobrevida foram comparadas com o

teste log-rank (Peto 1972) e os valores-p obtidos e informados As variaacuteveis

com plt010 foram selecionadas para a anaacutelise inferencial

Foram selecionadas para a anaacutelise inferencial todas as variaacuteveis com

plt010 e algumas variaacuteveis com pgt010 pela relevacircncia cliacutenica evidenciada em

estudos anteriores (Zugck et al 2001 Acanfora et al 2001 Anand et al

2004 Huehnergarth et al 2005 Maraldi et al 2006 Nieminen et al 2008

Marccedilula et al 2015)

3912 Anaacutelise inferencial

Foi adotado modelo de regressatildeo semiparameacutetrico de riscos

proporcionais de Cox (Cox 1972) para estimar a influecircncia de cada variaacutevel

associada com a probabilidade de sobrevida A comparaccedilatildeo da qualidade dos

Meacutetodos 16

ajustes do modelo foi feita pelo teste de razatildeo de verossimilhanccedila nas

seguintes fases

a) ajuste de modelo univariado tendo como variaacuteveis independentes a

idade e cada uma das variaacuteveis demograacuteficas e cliacutenicas separadamente

Foram selecionadas as variaacuteveis com valores de p lt 010 para a sequecircncia da

anaacutelise

b) as variaacuteveis selecionadas e a idade foram submetidas ao ajuste do

modelo multivariado Nesta fase para cada variaacutevel analisada e sem

informaccedilatildeo foi definida uma categoria de variaacutevel faltante As variaacuteveis com

valor de p gt 005 foram retiradas sequencialmente do modelo Tambeacutem foi

retirada do modelo a variaacutevel em que somente a categoria variaacutevel faltante

apresentou valor de p lt 005 Sendo assim permaneceram para a terceira fase

do modelo as variaacuteveis com valores de p lt 005 e a variaacutevel idade

c) na terceira fase para teste de seguranccedila do modelo com a

finalidade de avaliar se as variaacuteveis previamente retiradas do modelo

contribuiriam ou natildeo de modo significativo para a estimaccedilatildeo da sobrevida

cada uma das variaacuteveis previamente retiradas do modelo na fase inicial foi

reintroduzida no modelo multivariado com as variaacuteveis que na segunda fase

alcanccedilaram valor de p lt 005 Se fosse encontrado p lt 005 esta variaacutevel

permaneceria no modelo

d) as variaacuteveis assim selecionadas foram as variaacuteveis de entrada para

a rede neural artificial

392 Rede neural

Os testes da rede neural foram realizados pelo emprego do programa

Neuro XL Predictor (OLSOFT Software Development) que utiliza a rede neural

perceptron de muacuteltiplas camadas

A rede neural tipo perceptron de muacuteltiplas camadas compreendeu uma

camada de entrada camadas intermediaacuterias (ou ocultas) e uma camada de

Meacutetodos 17

saiacuteda (figura 2) Cada neurocircnio de qualquer das camadas da rede se conectou

a todos os neurocircnios da camada seguinte e o fluxo da informaccedilatildeo foi em uma

uacutenica direccedilatildeo (rede feedforward) da esquerda para a direita ou da camada de

entrada para a camada de saiacuteda (Figura 2a) O treinamento da rede foi feito

pelo emprego do algoritmo de treinamento supervisionado ou de

retropropagaccedilatildeo (backpropagation) que retropropaga o erro (backward) da

informaccedilatildeo da camada de saiacuteda para a camada de entrada (Figura 2b)

A funccedilatildeo de ativaccedilatildeo ou de transferecircncia da rede neural foi uma funccedilatildeo

natildeo linear (Figura 3) Entre as funccedilotildees de natildeo linearidade de ativaccedilatildeo da rede

neural foram testadas a funccedilatildeo zero based log sigmoid (Buskard et al 1994

Lundin et al 1999 Grossi 2006) e a funccedilatildeo tangente hiperboacutelica (Buskard et

al1994 Frize et al 2000 Ennett et al 2001 2004 Grossi 2006) a cada um

dos neurocircnios da rede neural camada a camada

A aplicaccedilatildeo da rede neural foi feita em trecircs etapas aprendizado-

treinamento previsatildeo e agrupamento aleatoacuterio

3921 Escolha da arquitetura da rede neural

De iniacutecio foi avaliada a arquitetura mais adequada para o aprendizado-

treinamento da rede neural mediante realizaccedilatildeo de testes com ateacute 20 camadas

intermediaacuterias de acordo com o ajuste de estimativas Foram investigados

a) nuacutemero de ciclos ndash A definiccedilatildeo do nuacutemero maacuteximo de ciclos ou

iteraccedilotildees para o aprendizado-treinamento da rede neural foi ajustada apoacutes

testes variando o paracircmetro em 30000 20000 e 10000 ciclos mantendo fixos

todos os demais paracircmetros da rede neural (Tabela 91)

b) erro delta ndash A definiccedilatildeo do valor do erro delta para o aprendizado-

treinamento da rede foi estipulado apoacutes testes variando o paracircmetro em

00001 00010 e 00020 do erro delta mantendo fixos todos os demais

paracircmetros envolvidos da rede neural inclusive o nuacutemero maacuteximo de ciclos em

30000 ciclos (tabela 91)

Meacutetodos 18

O nuacutemero maacuteximo de ciclos definido para o aprendizado-treinamento da rede

foi de 30000 etapas ou o valor do erro delta de 00001

c) os pesos sinaacutepticos iniciais ndash A determinaccedilatildeo dos pesos

(ponderaccedilatildeo da contribuiccedilatildeo da variaacutevel na estimaccedilatildeo) das conexotildees

sinaacutepticas foi definida pela proacutepria rede na execuccedilatildeo repetida do algoritmo de

aprendizado-treinamento A partir do peso sinaacuteptico inicial de 03 previamente

definido foi modulado a cada conexatildeo seguindo regra de aprendizado pela

aplicaccedilatildeo do algoritmo de treinamento supervisionado (backpropagation) para

ajustar o erro da variaacutevel de saiacuteda De maneira iterativa a variaacutevel de saiacuteda

estimada na rede foi comparada com a variaacutevel de saiacuteda observada resultando

num sinal de erro que foi retropropagado pela rede para permitir o ajuste dos

pesos (Figura 2b) Esses ciclos foram repetidos ateacute que a rede atribuiu para

cada variaacutevel de entrada uma variaacutevel de saiacuteda com valores estimados de

sobrevida consistentes com os valores observados

d) taxa de aprendizado ndash O paracircmetro denominado taxa de

aprendizado influencia o aprendizado da rede (Sanchez 2009) e foi fixado no

valor limite de 03 para o ajuste limitado da curva de aprendizado-treinamento

da rede neural

e) termo de momentum ndash O paracircmetro da rede neural denominado

termo de momentum interveacutem no aprendizado por aumentar a taxa de

aprendizado (Sanchez 2009) como moderador e foi fixado no valor limite de

03 para o ajuste da curva de aprendizado-treinamento da rede neural

Para definir a abordagem mais adequada para a imputaccedilatildeo nos valores

faltantes foram adotados trecircs criteacuterios distintos para avaliar a mais apropriada

previsatildeo de sobrevida da rede neural

a) valores de referecircncia normais para as variaacuteveis faltantes (Frize et

al 2001 Ennett et al 2001) ndash iacutendice de massa corpoacuterea (World Health

Organization 1995) pressatildeo arterial diastoacutelica (James et al 2014) espessura

diastoacutelica do septo intraventricular diacircmetro diastoacutelico do ventriacuteculo esquerdo

diacircmetro do aacutetrio esquerdo (Lang et al 2005) potaacutessio seacuterico colesterol total e

creatinina seacuterica (rotina laboratorial institucional) (Tabela 8)

b) valor superior da normalidade (rotina laboratorial institucional) para

as taxas de colesterol total e creatinina seacuterica (Tabela 8)

Meacutetodos 19

c) valor da mediana das variaacuteveis disponiacuteveis para imputaccedilatildeo nos

valores faltantes (Frize et al 2001 Ennett et al 2001) (Tabela 8)

3922 Aprendizado-treinamento da rede neural

Para definir o mais apropriado tipo de treinamento para a previsatildeo da

sobrevida da rede neural duas teacutecnicas foram avaliadas

a) utilizando amostragem aleatoacuteria ndash trecircs amostras aleatoacuterias de um

terccedilo da casuiacutestica (n=968) foram constituiacutedas para aprendizado-treinamento

validaccedilatildeo e ajuste e aplicaccedilatildeo

b) utilizando a casuiacutestica do estudo (n=968) em cinco fases ndash

aprendizado- treinamento e definiccedilatildeo da rede neural com base nos oacutebitos

identificados ateacute 2012 aplicaccedilatildeo para estimativa de sobrevida ateacute 2012

comparaccedilatildeo de previsotildees com base nos oacutebitos verificados em 2013 reensaios

com oacutebitos identificados ateacute 2014 comparaccedilatildeo da previsatildeo para pacientes que

faleceram em 2013 e 2014 (Figura 4)

Na primeira fase com a finalidade de iniciar o aprendizado-treinamento

da rede neural foi avaliada a amostra dos pacientes com oacutebitos ocorridos ateacute

2012 e informaccedilotildees completas (dados falantes imputados segundo as

abordagens mencionadas) Foram realizados testes com base nas variaacuteveis

indicadas tanto pela anaacutelise estatiacutestica quanto pela relevacircncia cliacutenica tendo

como funccedilatildeo de ativaccedilatildeo zero based log sigmoid e tangente hiperboacutelica (Figura

3)

O tempo de sobrevida observado ateacute o desfecho oacutebito foi estimado a

partir da data do iniacutecio dos sintomas e a partir da data da primeira consulta no

ambulatoacuterio do hospital Com base no tempo meacutedio de seguimento o tempo de

sobrevida observado foi explorado e categorizado com base na experiecircncia

cliacutenica nas variaacuteveis prognoacutesticas referidas na literatura (Cowie et al 2000

Dries et al 2000 Lewis et al 2003 Rauchhaus et al 2003 Freitas et al

2005 Pocock et al 2006 Rassi Jr et al 2007 McManus et al 2009) para

identificar os pacientes com prognoacutestico menos favoraacutevel e obter a melhor

Meacutetodos 20

estimativa da rede (Tabelas 9 91) Variaacuteveis de relevacircncia cliacutenica foram

empregadas (Tabelas 9 e 91)

O erro da estimativa do tempo de sobrevida ateacute o oacutebito nesta fase foi

avaliado por meio do emprego da expressatildeo

erro da previsatildeo =| [(sobrevida prevista ndash sobrevida observada ateacute o oacutebito) x 100 ] |

sobrevida observada ateacute o oacutebito

em que

erro da previsatildeo () ndash erro relativo da previsatildeo da sobrevida com o emprego

da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ateacute o oacutebito ndash tempo de sobrevida dos pacientes ateacute o

oacutebito

Na segunda fase com a finalidade de se obter a previsatildeo da sobrevida

para os sobreviventes ateacute dezembro de 2012 foram realizados nove testes

(Tabela 10) Esta fase avaliou os pacientes com variaacuteveis completas e

incompletas para os modelos de dados da rede neural com respostas inferiores

a 36 Foi calculado o erro relativo da estimativa de oacutebito por meio do

emprego da expressatildeo

erro hipoteacutetico de previsatildeo = | [(sobrevida prevista ndash sobrevida observada) x 100] |

sobrevida observada

em que

erro hipoteacutetico de previsatildeo () ndash erro de estimativa de previsatildeo de sobrevida

com o emprego da rede

sobrevida prevista ndash tempo de sobrevida previsto com o emprego da rede

sobrevida observada ndash sobrevida observada com base na data do uacuteltimo

contato dos sobreviventes

Na terceira fase foram comparadas as previsotildees com o emprego de

modelos de redes neurais para os sobreviventes ateacute 2012 e que faleceram em

Meacutetodos 21

2013 (Tabela 11) Esta fase comparou o modelo de rede ou os modelos de

dados da rede com respostas inferiores a 41 (Tabelas 12 13 14 15 16 17)

Na quarta fase foram realizados novos testes de aprendizado-treinamento da

rede neural incorporando as atualizaccedilotildees de mortalidade de 2013 (reensaio 1 -

Tabela 18) e 2014 (reensaio 2 - Tabela 19) Esta fase de aprendizado-

treinamento considerou os melhores modelos de rede neural para previsatildeo da

sobrevida

Na quinta fase foram comparados os resultados de previsatildeo da

sobrevida inicial da rede neural a partir dos oacutebitos ocorridos ateacute 2012 com os

reensaios 1 (Tabelas 20 21) e 2 (Tabelas 22 23) atualizando mortalidade

respectivamente de 2013 e 2014

3923 Avaliaccedilatildeo dos melhores modelos de rede neural

A avaliaccedilatildeo dos paracircmetros de variabilidade entre os modelos de rede

neural bem como a sensibilidade especificidade acuraacutecia valor preditivo

positivo valor preditivo negativo (Tabela 24) e a funccedilatildeo de perda (Tabela 25)

dos modelos de dados da rede neural foram calculados

a) Dispersatildeo ou variabilidade dos modelos de rede neural ndash os desvios-

padratildeo em torno da meacutedia geral do erro de previsatildeo da sobrevida dos modelos

de rede neural foram calculados e comparadas as homogeneidades entre os

modelos de rede neural no aprendizado (vivos ateacute 2012) e na previsatildeo

(falecidos em 2013 e 2014) (Tabelas 12 13 14 15 16 17 20 21 22 23)

b) Sensibilidade especificidade acuraacutecia valor preditivo positivo e

valor preditivo negativo dos modelos de rede neural ndash a probabilidade de

previsatildeo para os melhores modelos da rede neural foi calculada para os

intervalos de tempo ou de corte (Martinez et al 2003) em 6 meses 1 ano 2

anos e 3 anos As previsotildees obtidas a partir do emprego da rede neural foram

categorizadas em (Tabela 24)

b1) verdadeiro positivo (VP) ndash previsto o oacutebito que ocorreu

b2) verdadeiro negativo (VN) ndash prevista a sobrevivecircncia que se confirmou

Meacutetodos 22

b3) falso positivo (FP) ndash previsatildeo de sobrevida e ocorreu o oacutebito

b4) falso negativo (FN) ndash previsatildeo de oacutebito que natildeo ocorreu

b5) sensibilidade ndash previsatildeo acertada de oacutebito pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VP (VP + FN)

b6) especificidade ndash previsatildeo acertada de sobrevida pela rede O caacutelculo foi

feito por meio do emprego da expressatildeo VN (VN + FP)

b7) acuraacutecia ndash precisatildeo na estimativa de sobrevida O caacutelculo foi feito por meio

do emprego da expressatildeo (VP + VN) (VP + FP + VN + FN)

b8) valor preditivo positivo ndash previsatildeo de oacutebito estimado pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VP (VP + FP)

b9) valor preditivo negativo ndash previsatildeo de sobrevida pela rede e que de fato

ocorreu O caacutelculo foi feito por meio do emprego da expressatildeo VN (VN + FN)

c) Funccedilatildeo de perda dos modelos de rede neural ndash o desempenho preditivo da

rede neural foi avaliado por meio do emprego da funccedilatildeo de perda aparente

para a variaacutevel contiacutenua tempo de sobrevida (Yuan 2008) que leva em

consideraccedilatildeo a diferenccedila entre a sobrevida prevista pelo emprego da rede

neural e a sobrevida observada em cada caso O resultado foi demonstrado

pela perda meacutedia estimada ou a meacutedia aritmeacutetica simples em valores

absolutos e expresso em dias (Santos 2013) (Tabela 25)

310 Aspectos eacuteticos

O protocolo do estudo foi aprovado pela Comissatildeo de Eacutetica para

Anaacutelise de Projetos de Pesquisa do Hospital das Cliacutenicas da Faculdade de

Medicina da Universidade de Satildeo Paulo (CAAE 34706714100000068)

4 Resultados

Resultados 24

41 Anaacutelise estatiacutestica

Os resultados foram obtidos pela anaacutelise estatiacutestica descritiva e

exploratoacuteria e pela anaacutelise inferencial para o ajuste do modelo estatiacutestico

411 Anaacutelise descritiva e exploratoacuteria

A idade dos pacientes variou de 18 anos a 94 anos (meacutedia 577

desvio- padratildeo 131) 1362 (64) homens e 766 (36) mulheres 1325 (62)

pacientes tinham idade entre 41 anos e 65 anos e 603 (28) pacientes tinham

idade superior a 65 anos A etnia branca foi observada em 343 (16) dos

pacientes e o sobrepeso foi identificado em 697 (33) pacientes A fraccedilatildeo de

ejeccedilatildeo do ventriacuteculo esquerdo foi inferior a 45 em 1476 (69) pacientes As

etiologias predominantes foram as cardiopatias hipertensiva e isquecircmica em

1443 (678) pacientes e a doenccedila de Chagas ocorreu em 333 (16)

pacientes A cardiopatia dilatada e a alcooacutelica ocorreram respectivamente em

206 (10) pacientes e 146 (7) pacientes Na qualidade de pacientes que

procuraram atendimento a condiccedilatildeo funcional era tal que permitia o acesso agrave

consulta deambulando Dos pacientes em tratamento 967 (45) faziam uso da

associaccedilatildeo de trecircs ou quatro medicamentos

Outras caracteriacutesticas cliacutenicas laboratoriais eletrocardiograacuteficas e

ecocardiograacuteficas satildeo apresentadas na tabela 1 A frequecircncia de dados

faltantes eacute apresentada nas tabelas 23 e 4 para cada variaacutevel

Foram identificados 968 (455) oacutebitos ateacute dezembro de 2012

Somaram-se 83 (39) oacutebitos verificados em 2013 e 50 (23) oacutebitos

verificados em 2014 O total de oacutebitos foi 1101 (517)

A curva da probabilidade de sobrevida geral da casuiacutestica eacute

apresentada na figura 5 O tempo meacutedio de acompanhamento dos pacientes foi

596 meses desvio- padratildeo 418 meses (variaccedilatildeo de um dia a 137 meses) e

Resultados 25

aos cinco anos de evoluccedilatildeo 68 dos pacientes da casuiacutestica estavam vivos

Tomando em consideraccedilatildeo a etiologia da insuficiecircncia cardiacuteaca no tempo

meacutedio de acompanhamento 71 dos portadores de cardiopatia hipertensiva

69 dos portadores de cardiopatia dilatada 66 dos portadores de cardiopatia

alcooacutelica 55 dos portadores de cardiopatia isquecircmica e 50 dos portadores

de cardiopatia da doenccedila de Chagas estavam vivos

Nas curvas de probabilidade de sobrevida relativas a cada variaacutevel

estudada os valores faltantes foram agrupados em uma categoria A

comparaccedilatildeo entre as curvas de sobrevida foi feita para as variaacuteveis

categorizadas em faixas de valores de acordo com os valores de referecircncia e

com a categorizaccedilatildeo individual do dado faltante para cada variaacutevel avaliada

(Figuras 6 a 51)

A comparaccedilatildeo entre as curvas de sobrevida revelou diferenccedila

estatisticamente significante (valor - p lt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash idade (plt0001 figura 7)

b) cliacutenicas ndash etiologia da insuficiecircncia cardiacuteaca (plt0001 figura 6) peso

(plt0001 figura 10) altura (p=0048 figura 11) iacutendice de massa corpoacuterea

(plt0001 figura 12) pressatildeo arterial sistoacutelica (plt0001 figura 13) pressatildeo

arterial diastoacutelica (plt0001 figura 14) classe funcional (plt0001 figura 15)

c) ecocardiograacuteficas ndash diacircmetro do aacutetrio esquerdo (plt0001 figura 22)

diacircmetro diastoacutelico do ventriacuteculo esquerdo (plt0001 figura 23) diacircmetro

sistoacutelico do ventriacuteculo esquerdo (plt0001 figura 24) fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo (plt0001 figura 25) espessura diastoacutelica do septo

interventricular (plt0001 figura 26) e espessura diastoacutelica da parede posterior

do ventriacuteculo esquerdo (plt0001 figura 27)

d) laboratoriais ndash hemoglobina seacuterica (plt0001 figura 29) taxa de glicose

seacuterica em jejum (plt0001 figura 30) taxa de creatinina seacuterica (plt0001 figura

31) taxa de soacutedio seacuterico (plt0001 figura 32) taxa de potaacutessio seacuterico (plt0001

figura 33) taxa de colesterol total (plt0001 figura 34) taxa de HDL-colesterol

(plt0001 figura 35) taxa de LDL-colesterol (plt0001 figura 36) e taxa de

trigliceacuterides (plt0001 figura 37)

Resultados 26

A comparaccedilatildeo entre as curvas de sobrevida natildeo revelou diferenccedila

estatisticamente significante (valor-p gt 005) para as seguintes variaacuteveis

a) demograacuteficas ndash sexo (p=0025 figura 8) etnia (p=027 figura 9)

b) cliacutenicas ndash frequecircncia cardiacuteaca (p=062 figura 16) duraccedilatildeo dos sintomas

(p=068 figura 17) e o antecedente de hipertensatildeo arterial (p=0049 figura 18)

tabagismo (p=074 figura 19) diabetes melito (p=0024 figura 20) e etilismo

(p=0024 figura 21)

c) eletrocardiograacuteficas ndash ritmo cardiacuteaco (p=00051 figura 28)

d) laboratoriais ndash taxa de leucoacutecitos (plt0048 figura 38) taxa de linfoacutecitos

(p=0011 figura 39)

e) medicamentos em uso na consulta inicial ndash inibidores da enzima conversora

da angiotensina (captopril enalapril) e bloqueadores dos receptores da

angiotensina II (losartana) (p=091 figura 40) bloqueadores adreneacutergicos

(carvedilol metoprolol propranolol e atenolol) (p=0042 figura 41) diureacuteticos

(furosemida hidroclorotiazida (p=00032 figura 42) espironolactona (p=032

figura 43) digoxina (p=0077 figura 44) antiagregante plaquetaacuterio (aacutecido

acetilsaliciacutelico) (p=055 figura 45) anticoagulante oral (varfarina) (p=043

figura 46) estatina (sinvastatina) (p=007 figura 47) vasodilatadores

(hidralazina e mononitrato de isossorbida) (p=058 figura 48) bloqueador dos

canais de caacutelcio (anlodipina) (p=077 figura 49) antiarriacutetmico (amiodarona)

(p=051 figura 50) nuacutemero de medicamentos em uso (p=014 figura 51)

De 33 variaacuteveis reunidas inicialmente para a sequecircncia de anaacutelise pelo

emprego do modelo de riscos proporcionais de Cox avaliamos os valores

disponiacuteveis de todas as variaacuteveis cliacutenicas laboratoriais ecocardiograacuteficas

(Tabela 2) bem como dos medicamentos agrupados por classe farmacoloacutegica

(Tabela 3) e do nuacutemero de medicamentos em uso na consulta inicial (Tabela

4)

Resultados 27

412 Anaacutelise inferencial

Para a etapa seguinte de anaacutelise inferencial as variaacuteveis foram

selecionadas com base no valor p lt 010 ou pela especial relevacircncia cliacutenica

(Tabela 2) que discrimina as variaacuteveis com p lt 0001 mais etnia diabetes

melito frequecircncia cardiacuteaca hipertensatildeo arterial etilismo tabagismo ritmo

cardiacuteaco espessura diastoacutelica do septo interventricular espessura diastoacutelica da

parede posterior glicemia de jejum hemoglobina potaacutessio seacuterico leucoacutecitos

linfoacutecitos lipoproteiacutena de alta (HDL-colesterol) e baixa (LDL-colesterol)

densidade trigliceacuterides nuacutemero de medicamentos em uso na consulta inicial e

data do iniacutecio dos sintomas

Nesta primeira etapa da anaacutelise apenas as variaacuteveis com dados

vaacutelidos foram utilizadas no modelo ou seja a categoria individual de dado

faltante para cada variaacutevel natildeo foi utilizada (Tabela 2) Na segunda etapa a

categoria dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis

natildeo associadas com o prognoacutestico (Tabela 5) Na terceira etapa as variaacuteveis

natildeo significativas foram reintroduzidas testadas uma a uma no modelo e

tiveram sua significacircncia recalculada para confirmar que natildeo estariacuteamos

perdendo a relevacircncia cliacutenica (Tabela 6)

Os niacuteveis descritivos (valor-p) para as 32 variaacuteveis foram obtidos pelo

teste de razatildeo de verossimilhanccedila para os modelos ajustados com cada

variaacutevel separadamente controlando idade definindo a influecircncia de cada

variaacutevel na probabilidade de sobrevivecircncia (Tabela 2)

A variaacutevel iniacutecio dos sintomas foi dicotomizada em um periacuteodo inferior a

doze meses e superior ou igual a doze meses mas natildeo se revelou significativa

(valor p=068) para o prognoacutestico e foi retirada do modelo

As variaacuteveis com valor-p lt 010 ou relevacircncia cliacutenica foram

selecionadas para a segunda etapa da anaacutelise inferencial (Tabela 2)

Apoacutes novo ajuste sequencial do modelo e considerando o valor-p gt

005 obtido do teste de razatildeo de verossimilhanccedila as variaacuteveis hipertensatildeo

Resultados 28

arterial sistecircmica hemoglobina seacuterica glicemia de jejum fraccedilatildeo de ejeccedilatildeo do

ventriacuteculo esquerdo frequecircncia cardiacuteaca sexo soacutedio seacuterico taxa de

leucoacutecitos trigliceacuterides diacircmetro sistoacutelico do ventriacuteculo esquerdo e taxa de

linfoacutecitos natildeo revelaram diferenccedila significativa para a sobrevida e foram

retiradas do modelo (Tabela 5)

Entre as variaacuteveis com valor-plt005 a saber idade iacutendice de massa

corpoacuterea pressatildeo arterial sistoacutelica pressatildeo arterial diastoacutelica etiologia da

insuficiecircncia cardiacuteaca classe funcional espessura do septo interventricular

diacircmetro diastoacutelico do ventriacuteculo esquerdo diacircmetro do aacutetrio esquerdo

potaacutessio seacuterico colesterol total e creatinina observou-se que para a variaacutevel

pressatildeo arterial sistecircmica somente a categoria de dados faltantes revelou

significacircncia para a sobrevida e por este motivo foi retirada do modelo

Para reavaliar o ajuste do modelo as variaacuteveis retiradas do primeiro

ajuste do modelo multivariado em razatildeo de valor-pgt005 foram reintroduzidas

uma a uma no modelo e sua significacircncia foi calculada com base no teste da

razatildeo de verossimilhanccedila A variaacutevel iniacutecio dos sintomas foi dicotomizada em

um periacuteodo inferior a doze meses e superior ou igual a doze meses mas natildeo

se revelou significativa (valor-p=078) para o prognoacutestico e foi retirada do

modelo A variaacutevel antecedente pessoal de diabetes melito foi a uacutenica que se

revelou com importacircncia para a sobrevida (Tabela 6)

Assim foram selecionadas as variaacuteveis idade iacutendice de massa

corpoacuterea pressatildeo arterial diastoacutelica etiologia da insuficiecircncia cardiacuteaca classe

funcional espessura do septo interventricular diacircmetro diastoacutelico do ventriacuteculo

esquerdo diacircmetro do aacutetrio esquerdo potaacutessio seacuterico colesterol total

creatinina e a presenccedila de diabetes melito como as variaacuteveis relacionadas com

a sobrevida (Tabela 7) e selecionadas para a alimentaccedilatildeo da rede neural

Resultados 29

42 Rede neural

421 Escolha da arquitetura da rede neural

Os resultados da rede neural sugeriram que a arquitetura da rede

neural com cinco camadas intermediaacuterias 30000 ciclos e erro delta de 00001

revelou-se a mais adequada (Tabela 91)

Os dados que observamos permitem sugerir que natildeo houve diferenccedila

entre os dois tipos de funccedilatildeo de ativaccedilatildeo de natildeo linearidade que foram

utilizados ndash zero based log sigmoid e tangente hiperboacutelica ndash para a previsatildeo da

sobrevida pela rede neural (Tabela 9 e 91)

Entre as diferentes abordagens utilizadas para a imputaccedilatildeo nos valores

faltantes ndash valor da normalidade valor superior da normalidade valor da

mediana ndash observamos que a rede neural natildeo revelou resultado adequado na

previsatildeo da sobrevida (Tabela 9 e 91)

As 12 variaacuteveis selecionadas para o aprendizado-treinamento da rede

neural foram submetidas agrave interaccedilatildeo muacutetua nas cinco camadas para o ajuste

da rede

422 Aprendizado-treinamento da rede neural

Os resultados que definiram o tipo de treinamento mais apropriado

para a previsatildeo da sobrevida da rede neural foram obtidos pela teacutecnica da

amostragem aleatoacuteria e pela teacutecnica da utilizaccedilatildeo da casuiacutestica do estudo em

cinco fases

Resultados 30

4221 Amostragem aleatoacuteria

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em 322 pacientes selecionados aleatoriamente No

segundo terccedilo de pacientes (n = 322) o erro relativo da previsatildeo de sobrevida

da rede neural foi de 33685 Se comparada com a porcentagem de erro da

previsatildeo da rede neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do

tempo de sobrevida observado para os mesmos 322 pacientes o erro de

previsatildeo da rede foi de 36388

No teste realizado no terceiro terccedilo (n=324) dos pacientes agrupados

aleatoriamente o erro relativo da previsatildeo de sobrevida da rede neural foi

54419 Se comparado com a porcentagem de erro da previsatildeo da rede

neural sem agrupamento aleatoacuterio e sem categorizaccedilatildeo do tempo de

sobrevida o erro de previsatildeo foi 61880

Em siacutentese pelos testes da rede neural com agrupamento aleatoacuterio o

aprendizado-treinamento da rede neural natildeo foi apropriado

4222 Fases do estudo da casuiacutestica

Foram realizados testes para o aprendizado-treinamento da rede

neural (n=968 pacientes) em cinco fases

42221 Primeira fase ndash aprendizado-treinamento da rede neural

Para efeito de teste foi considerada a amostra dos pacientes com

oacutebitos ocorridos ateacute 2012 e a rede foi tambeacutem alimentada com outras variaacuteveis

que natildeo as 12 selecionadas pela anaacutelise estatiacutestica

Resultados 31

As variaacuteveis sexo fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo de 25 e

55 creatinina seacuterica nos valores de 13 e 26 mgdL colesterol total nos

valores de 200 mgdL e 239 mgdL diacircmetro diastoacutelico do ventriacuteculo esquerdo

nos valores de 60 mm e 75 mm e a associaccedilatildeo das variaacuteveis colesterol total

nos valores de 200 mgdL e 239 mgdL e diacircmetro diastoacutelico do ventriacuteculo

esquerdo nos valores de 60 mm e 75 mm foram consideradas para o

aprendizado-treinamento da rede por serem variaacuteveis significativas no

prognoacutestico de alguns estudos (Gradman et al 1989 Dries et al 2000 Senni

et al 2001 Lee DS et al 2003 Levy et al 2006 Pocock et al 2006

Abraham et al 2008 Anand et al 2008 Roger et al 2013 Mahmood et al

2014 Kenchaiah et al 2015) portanto limitadoras para os testes da rede

neural (Tabelas 9 e 91) Natildeo houve melhora da capacidade de previsatildeo da

sobrevida pela rede (Tabelas 9 e 91)

O tempo de sobrevida observado foi trabalhado sem categorizaccedilatildeo e

com a classificaccedilatildeo em seis categorias do tempo de seguimento tomando

tambeacutem como base o seu tempo meacutedio ateacute 2 anos entre 1 ano e 6 anos entre

2 anos e 6 anos entre 15 ano e 85 anos acima de 2 anos e acima de 6 anos

Os resultados da modelagem da rede neural tomando em consideraccedilatildeo

o tempo de sobrevida observado estrateacutegia para imputaccedilatildeo no caso de dados

faltantes criteacuterios para variaacuteveis cliacutenicas funccedilatildeo de transferecircncia ou de

ativaccedilatildeo e informaccedilatildeo da data inicial disponiacutevel para estimar a sobrevida (data

do iniacutecio dos sintomas ou a data primeira consulta) estatildeo apresentados nas

tabelas 9 e 91

Os resultados obtidos foram

a) quando avaliadas diferentes estrateacutegias ndash o erro de previsatildeo da

sobrevida variou entre 201 (rede neural 4) e 102308 (rede neural 12)

dependendo da data disponiacutevel para estimar a sobrevida da funccedilatildeo de

transferecircncia dos valores de imputaccedilatildeo para os dados faltantes e das variaacuteveis

clinicamente relevantes (Tabelas 9 e 91) Portanto os resultados foram

inadequados para prever a sobrevida

b) quando avaliadas diferentes categorizaccedilotildees do tempo de sobrevida

observado ndash o erro de previsatildeo da sobrevida variou entre 3199 (rede neural

13) e 880 (rede neural 14) para a estrateacutegia um de imputaccedilatildeo para os dados

Resultados 32

faltantes funccedilatildeo de transferecircncia zero based log sigmoid a partir da data da

primeira consulta e diferentes variaacuteveis cliacutenicas significativas (Tabela 9) Os

resultados foram inadequados para prever a sobrevida exceto para a

categorizaccedilatildeo do tempo de evoluccedilatildeo entre 2 anos e 6 anos sem nenhuma

variaacutevel cliacutenica (3199 rede neural 13)

Pela categorizaccedilatildeo do tempo de sobrevida observado entre 1 ano e 6

anos a inclusatildeo de variaacuteveis cliacutenicas significativas com a funccedilatildeo de

transferecircncia zero based log sigmoid a partir da data da primeira consulta e

valores de imputaccedilatildeo para os dados faltantes baseados na estrateacutegia 1 (Tabela

9) fez o erro de estimativa variar entre 5185 (rede neural 15) e 7068 (rede

neural 17) Os resultados foram considerados inadequados para prever a

sobrevida

c) o resultado de previsatildeo da sobrevida variou entre o limite maacuteximo de

4801 (rede neural 24) e miacutenimo de 1137 (rede neural 26) quando as

categorizaccedilotildees do tempo de sobrevida observado tomaram como referecircncia o

tempo meacutedio de seguimento dos pacientes (49 anos) dependendo da data

disponiacutevel para estimar a sobrevida e da funccedilatildeo de transferecircncia (Tabela 9) Os

resultados foram considerados mais adequados para prever a sobrevida

d) a inclusatildeo da etiologia na categorizaccedilatildeo do tempo de sobrevida

observado entre 2 anos e 6 anos resultou numa previsatildeo da rede neural entre

2191 (rede neural 42) a 2952 (rede neural 40) (Tabelas 9 e 91) O

resultado foi considerado mais adequado para prever a sobrevida para a

cardiopatia da doenccedila de Chagas (2191 rede neural 42) e natildeo acrescentou

capacidade estimativa para as outras etiologias

O teste com vaacuterias categorizaccedilotildees do tempo de sobrevida observado

revelou que os melhores resultados de previsatildeo da sobrevida foram obtidos

pelo modelo de rede definida por tempo de sobrevida observado acima de 6

anos a partir da data da primeira consulta com estimativa de sobrevida de

1277 (funccedilatildeo de ativaccedilatildeo ndash tangente hiperboacutelica rede neural 24) ou 1137

(funccedilatildeo de ativaccedilatildeo ndash zero based log sigmoid rede neural 26) e com tempo

de sobrevida observado entre 2 anos e 6 anos a partir da data do iniacutecio dos

sintomas com estimativa de sobrevida de 2054 (funccedilatildeo de ativaccedilatildeo ndash

Resultados 33

tangente hiperboacutelica rede neural 22) ou 2260 (funccedilatildeo de ativaccedilatildeo ndash zero

based log sigmoid rede neural 20) (Tabelas 9 e 91)

Os resultados dos testes que definiram os melhores modelos de dados

da rede neural em estimar a sobrevida estatildeo representados na tabela 10

42222 Segunda fase ndash avaliaccedilatildeo e aplicaccedilatildeo da rede neural para estimar

a sobrevida

Nos pacientes sobreviventes ateacute dezembro de 2012 os resultados de

previsatildeo da sobrevida satildeo apresentados na tabela 11

Os erros de previsatildeo pelo emprego da rede neural foram superiores

aos obtidos na previsatildeo da primeira fase Ainda assim foram adequados para

prever a sobrevida principalmente no modelo de rede com tempo de sobrevida

observada superior a 6 anos

Os melhores modelos de previsatildeo da sobrevida foram aqueles com

tempo de sobrevida observado superior a 6 anos e que consideraram como

data disponiacutevel para estimar a sobrevida a data da primeira consulta tanto para

tangente hiperboacutelica (2071) quanto para funccedilatildeo zero based log sigmoide

(2150)

Os melhores resultados da rede neural observados nesta fase

coincidiram com os melhores resultados revelados pela rede neural na primeira

fase do aprendizado da rede

42223 Terceira fase ndash comparaccedilatildeo dos modelos de dados da rede

neural

Os resultados da previsatildeo de sobrevida sugeridos pela rede neural

estatildeo apresentados na tabela 12 o erro de estimativa da rede variou de acordo

com o modelo de dados da rede neural A comparaccedilatildeo dos erros (previsto pela

rede neural versus observado na evoluccedilatildeo) para cada paciente estaacute

Resultados 34

representada nas tabelas 13 14 15 16 e 17 (estimativas individuais) Os

resultados obtidos foram

a) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n = 19 sobreviventes) da rede comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 3562 (desvio-

padratildeo 2498) para 4755 (desvio-padratildeo 1384) com homogeneidade dos

erros de previsatildeo maior (menor desvio-padratildeo)

Poreacutem individualmente os erros de previsatildeo da comparaccedilatildeo com o

real foram superiores a 44 em 7368 (14 pacientes) do total de pacientes da

amostra e inferiores a 40 em 2632 (5 pacientes) do total de pacientes para

este modelo de dados da rede neural (Tabela 13)

b) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data de iniacutecio dos sintomas e funccedilatildeo zero based log sigmoid ndash a

meacutedia dos erros de previsatildeo (n = 2 sobreviventes) comparada com a meacutedia

dos erros de previsatildeo dos falecidos em 2013 aumentou de 1155 para

4037 com discreta diferenccedila na homogeneidade dos erros de previsatildeo

respectivamente desvios-padratildeo 1249 e 1365 Para os dois pacientes deste

modelo de dados da rede neural os resultados de 5002 e 3072 de

sobrevida natildeo permitiram avaliar da precisatildeo da rede neural (Tabela 14)

c) modelo com tempo de sobrevida observado entre 2 anos e 6 anos a

partir da data do iniacutecio dos sintomas e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

dos erros de previsatildeo (n=2 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 4095 (desvio-padratildeo

1237) para 5614 (desvio-padratildeo 001) com homogeneidade dos erros de

previsatildeo maior (desvio-padratildeo menor) Para os dois pacientes deste modelo de

dados da rede neural os resultados de previsatildeo da sobrevida de 5615 e

5614 natildeo permitiram avaliar a precisatildeo da rede neural (Tabela 15)

d) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia dos

erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros de

previsatildeo dos falecidos em 2013 diminuiu de 2120 (desvio-padratildeo 1396)

para 1880 (desvio-padratildeo 1239) com a dispersatildeo em torno da meacutedia do

Resultados 35

erro de previsatildeo mais homogecircneo (desvio-padratildeo menor) Os resultados

individuais para este modelo de dados da rede neural dos erros de previsatildeo

da comparaccedilatildeo com o real variaram de 069 a 387 Os resultados

superiores a 26 de erro previsatildeo da sobrevida foram observados em 10

pacientes (2778) do total de pacientes da amostra e foram inferiores a 25

em 26 pacientes (7222 ) Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 11 (Tabela 16)

e) modelo com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

dos erros de previsatildeo (n=36 sobreviventes) comparada com a meacutedia dos erros

de previsatildeo dos falecidos em 2013 aumentou de 1848 (desvio-padratildeo

1354) para 1948 (desvio-padratildeo 1167) com maior homogeneidade (menor

desvio-padratildeo) Os resultados individuais dos erros de previsatildeo da comparaccedilatildeo

com o real variaram de 095 a 4588 Os resultados superiores a 26 de

erro de previsatildeo da sobrevida foram observados em 13 pacientes (3611) e

inferiores a 25 em 23 pacientes (6389) do total de pacientes para este

modelo de dados da rede Em 13 pacientes (3611) o erro de previsatildeo da

sobrevida da rede neural foi inferior a 13 (Tabela 17)

A anaacutelise dos resultados de previsatildeo da sobrevida pela rede neural

sugere que os modelos de redes neurais com tempo de sobrevida observada

superior a seis anos considerando a data da primeira consulta tanto para a

funccedilatildeo tangente hiperboacutelica quanto para a funccedilatildeo zero based log sigmoid

apresentaram maior precisatildeo na estimativa da sobrevida

42224 Quarta fase ndash reensaios dos modelos de dados da rede neural

Foram incorporados para aprendizado-treinamento dos modelos de

dados de rede neural 44 pacientes com dados completos dos 83 pacientes que

vieram a falecer em 2013 (reensaio 1 ndash Tabela 18) e 30 pacientes com dados

completos dos 50 pacientes que faleceram em 2014 (reensaio 2 ndash Tabela 19)

Os resultados obtidos foram

Resultados 36

a) reensaio incorporando os oacutebitos ateacute 2013 - os testes de reensaio

realizados em 145 pacientes com oacutebito e informaccedilotildees completas (101 falecidos

em 2012 e 44 em 2013) e a estimativa de sobrevida da rede neural em 269

pacientes (186 falecidos em 2012 e 83 pacientes em 2013) Foi realizado o

reensaio para os melhores modelos de dados da rede neural para previsatildeo da

sobrevida

a1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo de

sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1376 quando comparado com a previsatildeo inicial sem esse dado (1277)

(Tabela 18) A meacutedia geral dos erros reais de previsatildeo da sobrevida pela rede

diminuiu de 2120 (desvio-padratildeo 1396) para 848 (desvio-padratildeo 961)

apoacutes o reensaio 1 (Tabela 20) A homogeneidade dos erros de previsatildeo foi

maior (menor desvio-padratildeo)

a2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2013 (n = 36 pacientes) aumentou para

1230 quando comparado com o resultado de previsatildeo inicial sem esses

dados (1137) (Tabela 18) A meacutedia geral dos erros reais de previsatildeo da

sobrevida pela rede neural diminuiu de 1848 (desvio-padratildeo 1410) para

1124 (desvio-padratildeo 851) apoacutes o reensaio 1 (Tabela 21) A homogeneidade

dos erros de previsatildeo foi maior (menor desvio-padratildeo)

b) reensaio incorporando os oacutebitos ateacute 2014 - Os testes de reensaio

realizados em 175 pacientes com oacutebito identificado e informaccedilotildees completas

(145 pacientes falecidos 2012 e 30 em 2014) A previsatildeo da estimativa de

sobrevida da rede neural foi realizada em 319 pacientes (269 pacientes

falecidos em 2012 e 50 em 2013) Foi realizado o reensaio para os melhores

modelos de dados da rede neural para previsatildeo da sobrevida

b1) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash o erro de previsatildeo da

sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1733 quando comparado com o resultado de previsatildeo inicial sem esse dado

Resultados 37

(1277) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 2120 (desvio-padratildeo 1396) para 910 (desvio-

padratildeo 961) apoacutes o reensaio 2 (Tabela 22) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

b2) modelo com tempo de sobrevida observado superior a 6 anos a partir da

data da primeira consulta e funccedilatildeo zero based log sigmoid ndash o erro de previsatildeo

da sobrevida ao incorporar os oacutebitos de 2014 (n = 36 pacientes) aumentou para

1488 quando comparado com o resultado de previsatildeo inicial sem esse dado

(1137) (Tabela 19) A meacutedia geral dos erros reais de previsatildeo da sobrevida

real pela rede diminuiu de 1848 (desvio-padratildeo 1410) para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 (Tabela 23) A homogeneidade dos erros de

previsatildeo foi maior (menor desvio-padratildeo)

42225 Quinta fase ndash comparaccedilatildeo dos modelos de previsatildeo da rede

neural

Foram comparadas as meacutedias dos erros de previsatildeo da sobrevida (n =

36 pacientes) pela rede neural sem a incorporaccedilatildeo dos oacutebitos de 2013 e 2014

com a incorporaccedilatildeo dos oacutebitos de 2013 e 2014 Os resultados obtidos foram

a) modelo de rede com tempo de sobrevida observado acima de 6 anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica ndash a meacutedia

geral (n= 36 pacientes) dos erros sem a incorporaccedilatildeo dos oacutebitos de 2013 e

2014 de previsatildeo da sobrevida pela rede comparados com os resultados apoacutes

os reensaios incorporando os oacutebitos de 2013 e 2014 diminuiu

respectivamente de 2120 (desvio-padratildeo 1396) para a 848 (desvio-

padratildeo 961) e 910 (desvio-padratildeo 787) A homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 2 foi maior (menor desvio-

padratildeo)

Os resultados individuais das meacutedias dos erros de previsatildeo da

sobrevida foram inferiores a 10 em 75 (27 pacientes) e superiores a 15

em 25 (9 pacientes) do total de pacientes para o reensaio 1 (Tabela 22)

Resultados 38

Para o reensaio 2 os erros de previsatildeo da sobrevida pela rede neural foram

inferiores a 10 em 7222 (26 pacientes) e superiores ou iguais a 15 em

2778 (10 pacientes) do total de pacientes (Tabela 22)

b) modelo de rede com tempo de sobrevida observado superior a 6 anos a

partir da data da primeira consulta e funccedilatildeo zero based log sigmoid ndash a meacutedia

geral (n = 36 pacientes) dos erros de previsatildeo da sobrevida pela rede sem a

incorporaccedilatildeo dos oacutebitos de 2013 e 2014 comparados com os resultados apoacutes

o reensaio 1 incorporando os oacutebitos diminuiu de 1848 (desvio-padratildeo

1410) para 1124 (desvio-padratildeo 851) e aumentou para 1263 (desvio-

padratildeo 1127) apoacutes o reensaio 2 com maior homogeneidade dos erros de

previsatildeo para o modelo de dados do reensaio 1 (menor desvio-padratildeo) (Tabela

23) Os resultados individuais das meacutedias dos erros de previsatildeo da sobrevida

incorporando os oacutebitos de 2013 e 2014 foram inferiores ou iguais a 10 em

6111 (22 pacientes) e superiores a 15 em 3889 (14 pacientes) do total

de pacientes para o reensaio 2 (Tabela 23)

Em siacutentese os resultados obtidos pelos testes para os dois melhores

modelos de dados da rede neural sugerem que

a) houve aprendizado satisfatoacuterio da rede neural pela atualizaccedilatildeo dos

dados de mortalidade de anos subsequentes

b) a acuraacutecia das meacutedias dos erros de previsatildeo da sobrevida apoacutes a

incorporaccedilatildeo dos oacutebitos ocorridos em 2013 e 2014 foi melhor quando

comparada com as meacutedias de previsatildeo da rede neural para os sobreviventes

ateacute 2012

c) os resultados das meacutedias gerais dos erros de previsatildeo da sobrevida

foram satisfatoacuterios mas inferiores a 13 apoacutes a incorporaccedilatildeo dos oacutebitos de

2013 e 2014

d) o modelo de dados com limite de sobrevida superior a seis anos a

partir da data da primeira consulta e funccedilatildeo tangente hiperboacutelica teve a melhor

precisatildeo da rede neural na previsatildeo da sobrevida com erro inferior a 10

e) a precisatildeo da previsatildeo da sobrevida quando avaliada caso a caso

apoacutes a incorporaccedilatildeo dos oacutebitos ocorridos em 2013 permite resultados

satisfatoacuterios (erro de previsatildeo lt 5) em 16 casos mas tambeacutem incorre em

Resultados 39

erros de previsatildeo insatisfatoacuterios (gt30) em dois casos num total de 36 casos

para este modelo de rede

f) a categorizaccedilatildeo do tempo de sobrevida observado eacute importante para

o aprendizado-treinamento da rede neural na previsatildeo da sobrevida

43 Avaliaccedilatildeo dos melhores modelos da rede neural

Os resultados do desempenho dos melhores modelos de rede neural

para a previsatildeo da sobrevida foram avaliados

431 Sensibilidade especificidade acuraacutecia valor preditivo positivo

valor preditivo negativo da rede neural

Para os seis melhores modelos de rede neural os resultados

evidenciaram sensibilidade que variou entre 930 e 872 especificidade

entre 775 e 667 acuraacutecia entre 852 e 789 valor preditivo positivo

que variou entre 880 e 536 e valor preditivo negativo entre 974 e 714

(Tabela 23)

Os resultados obtidos pelos melhores modelos de dados avaliados

permitem a seguinte siacutentese

a) no modelo de rede neural com tempo de sobrevida observado

superior a 6 anos a partir da data da consulta inicial com intervalo de corte de

trecircs anos (1095 dias) a sensibilidade foi de 93 (com ambas as funccedilotildees de

ativaccedilatildeo) especificidade de 775 (funccedilatildeo tangente hiperboacutelica) e 764

(funccedilatildeo zero based log sigmoid) acuraacutecia da rede foi satisfatoacuteria de 81 ou

802 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo negativo alto de

974 (com ambas as funccedilotildees de ativaccedilatildeo) e valor preditivo positivo baixo de

547 ou 536 (dependendo da funccedilatildeo de ativaccedilatildeo)

Resultados 40

b) no modelo de rede neural com tempo de sobrevida observado entre

2 anos e 6 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de dois anos (730 dias) a sensibilidade foi de 898 (com ambas as funccedilotildees

de ativaccedilatildeo) especificidade de 765 (funccedilatildeo zero based log sigmoid) e 725

(funccedilatildeo tangente hiperboacutelica) acuraacutecia da rede foi satisfatoacuteria de 839 e

852 (dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo alto de 88

ou 863 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo alto

de 796 ou 787 (dependendo da funccedilatildeo de ativaccedilatildeo)

c) no modelo de rede neural com tempo de sobrevida observado

inferior a 2 anos a partir da data do iniacutecio dos sintomas com intervalo de corte

de um ano (365 dias) a sensibilidade foi razoaacutevel de 872 (com ambas as

funccedilotildees de ativaccedilatildeo) especificidade inadequada de 667 e 625

(dependendo da funccedilatildeo de ativaccedilatildeo) acuraacutecia satisfatoacuteria de 803 e 789

(dependendo da funccedilatildeo de ativaccedilatildeo) valor preditivo positivo razoaacutevel de 837

e 820 (dependendo da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo

de 7275 e 714 (dependendo da funccedilatildeo de ativaccedilatildeo)

d) os resultados foram insatisfatoacuterios nas estimativas por tempo de

seguimento observado superior a 6 anos a partir da data do iniacutecio dos

sintomas com intervalo de corte de dois anos independentemente da funccedilatildeo

de ativaccedilatildeo bem como no tempo de sobrevida observado inferior a 2 anos a

partir da data do iniacutecio dos sintomas com intervalo de corte de seis meses

independentemente da funccedilatildeo de ativaccedilatildeo Nos modelos com tempo de

seguimento observado entre 2 anos e 6 anos com intervalo de corte de um

ano independentemente da funccedilatildeo de ativaccedilatildeo tanto para a data do iniacutecio dos

sintomas quanto para a data da consulta inicial os resultados foram

insatisfatoacuterios (Tabela 24)

432 Funccedilatildeo de perda da rede neural

O erro ou perda meacutedia estimada da sobrevida para os melhores

modelos de rede neural (Tabela 25) revelou

Resultados 41

a) o erro meacutedio de previsatildeo da sobrevida variou de 12695 dias a

38931 dias

b) os menores erros de previsatildeo (12695 dias e 13307 dias) foram

obtidos pelo modelo de rede neural com tempo de sobrevida inferior a 2 anos e

o tempo estimado desde a data de iniacutecio dos sintomas

c) os segundos menores erros de previsatildeo (23161 dias e 25906 dias)

foram alcanccedilados pelo modelo de rede neural com tempo de sobrevida entre 2

anos e 6 anos e o tempo estimado desde a data de iniacutecio dos sintomas

d) os piores erros de estimativa foram (29388 dias 33255 dias e

38931 dias) para tempo de sobrevida superior a 6 anos e tempo de sobrevida

entre 2 anos e 6 anos com informaccedilatildeo da data da primeira consulta

Os melhores resultados da funccedilatildeo de perda foram obtidos pelos

modelos de rede neural com o menor nuacutemero de pacientes (tamanho da

amostra = 47) e com informaccedilatildeo da data do iniacutecio dos sintomas

A avaliaccedilatildeo pelo emprego da funccedilatildeo de perda revelou a estimativa da

rede neural que pode alcanccedilar erros de 44 meses ateacute 11 anos para mais ou

para menos

5 Discussatildeo

Discussatildeo 43

A casuiacutestica estudada tem caracteriacutesticas de interesse para a

interpretaccedilatildeo dos achados e potenciais implicaccedilotildees cliacutenicas dos resultados

obtidos

51 Consideraccedilotildees sobre as caracteriacutesticas cliacutenicas dos pacientes

Trata-se de casuiacutestica ambulatorial diversa de casuiacutesticas de

publicaccedilotildees de nosso meio que avaliaram pacientes hospitalizados (Bestetti et

al 1997 Pereira Barretto et al 1998 Carlo et al 2014 Albuquerque et al

2015) Tambeacutem eacute digno de nota o fato de ser hospital acadecircmico de referecircncia

terciaacuteria que integra a rede do Sistema Uacutenico de Sauacutede (SUS) incluindo entre

suas responsabilidades institucionais identificar pacientes com insuficiecircncia

cardiacuteaca de prognoacutestico mais reservado com necessidade de tratamentos

complexos

511 Casuiacutestica

A casuiacutestica (n=2128) pode ser estimada grande comparada com

outras que avaliaram incidecircncia e fatores desencadeantes (n=903) (Pereira

Barretto et al 1998) sobrevida (n= 104) (Mady et al 1994) prognoacutestico

(n=1220 - Freitas et al 2004 ou n=944 - Nadruz et al 2018) fatores preditores

de mortalidade (n=56) (Bestetti et al 1994) modelo cliacutenico de prediccedilatildeo

ambulatorial de sobrevida (n=268) (Aaronson et al 1997) impacto de

comorbidades na estratificaccedilatildeo prognoacutestica ambulatorial (n=807) (Senni et al

2006) de pacientes com insuficiecircncia cardiacuteaca Poreacutem dada a natureza

generalizada sob ponto de vista cardioloacutegico de certa forma aberta do Serviccedilo

lidamos com pacientes que recebem o diagnoacutestico cliacutenico sem restriccedilotildees

quanto a casuiacutesticas apenas de homens (Mady et al 1994) etiologia da

doenccedila de Chagas (Bestetti et al 1994) ou isquecircmica (Lewis et al 2003) ou

Discussatildeo 44

fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo inferior ou igual a 40 (Gradman et

al1989)

512 Idade

A meacutedia da idade na casuiacutestica (577 anos desvio-padratildeo 131) foi de

pacientes com idade inferior a 65 anos (71) agrave semelhanccedila de outros estudos

que verificaram meacutedias de idade entre 517 anos (desvio- padratildeo 83) e 59

anos (desvio- padratildeo 14 anos) (Bestetti et al 1997 Freitas et al 2005 Silva et

al 2007 Nadruz et al 2018) embora haja casuiacutesticas publicadas com meacutedia

de idade superior a 61 anos (Roger et al 2004 Rohde et al 2005 Moutinho

et al 2008 Shah et al 2017) e outra com meacutedia de idade de 48 anos desvio-

padratildeo 12 anos (Nunes et al 2008)

Portanto nossa casuiacutestica identificou no periacuteodo de estudo pacientes

adoecidos em fase potencialmente produtiva da vida com suas eventuais

implicaccedilotildees familiares econocircmicas e sociais

513 Sexo

A frequecircncia de homens em relaccedilatildeo a mulheres predominou (64) na

casuiacutestica assim como em outros estudos (Likoff et al 1987 Bestetti et al

1997 Lewis et al 2003 Freitas et al 2005 Rassi et al 2006 Ahmed et al

2006a Theodoropoulos et al 2007 Nunes et al 2008 Marcula et al 2011

Carlo et al 2014 Gheorghiade et al 2013 Abdul-Rahim et al 2016 Nadruz

et al 2018)

Por outro lado haacute estudos em que o sexo feminino foi mais frequente

(Mahmood et al 2014 Gradman et al 1989 MacIntyre et al 2000 Roger et

al 2004 Ahmed et al 2006b Fonarow et al 2007b Moutinho et al 2008

Gerber et al 2015 Albuquerque et al 2015)

Discussatildeo 45

Por conseguinte ainda que a frequecircncia de homens predomine na casuiacutestica

as mulheres compotildeem contingente relevante (Ponikowski et al 2016)

514 Antecedentes

Na nossa casuiacutestica a maioria dos pacientes foi de natildeo diabeacuteticos

(70) e entre aqueles com diagnoacutestico de diabete melito (23) houve 18

insulino - independentes Pacientes com antecedentes de hipertensatildeo arterial

foram prevalentes (72) na casuiacutestica Tais caracteriacutesticas reiteram a

importacircncia epidemioloacutegica da hipertensatildeo arterial em relaccedilatildeo tambeacutem agrave

insuficiecircncia cardiacuteaca

515 Etiologia

A distribuiccedilatildeo da etiologia revisada em cada paciente tem

caracteriacutesticas proacuteprias quanto agrave frequecircncia das cardiopatias hipertensiva

(43) isquecircmica (25) cardiopatia da doenccedila de Chagas (16) cardiopatia

dilatada idiopaacutetica (10) e alcooacutelica (7)

Em outras casuiacutesticas brasileiras houve predomiacutenio de cardiomiopatia

dilatada idiopaacutetica (282 a 372) (Freitas et al 2005 Silva et al 2007) e

isquecircmica (21 a 33) (Pereira Barretto et al 1998 Albuquerque et al 2015

Nadruz et al 2018)

Em casuiacutestica de outros paiacuteses houve diferenccedila na distribuiccedilatildeo

etioloacutegica nas amostras estudadas com a maior frequecircncia de cardiomiopatia

dilatada idiopaacutetica (Keogh et al 1990) ou a etiologia isquecircmica (Senni et al

1999 Levy et al 2006 Abraham et al 2008)

Por isso esta casuiacutestica permite a interessante possibilidade de

avaliaccedilatildeo comparativa de diferentes etiologias da insuficiecircncia cardiacuteaca

Discussatildeo 46

516 Iacutendice de massa corpoacuterea

A meacutedia do iacutendice de massa corpoacuterea foi baixa (269 kgm2 desvio-

padratildeo 57) o valor inferior a 25 kgm2 e o superior a 30 kgm2 ocorreram

respectivamente em 31 e 18 dos pacientes Portanto extremos de massa

corpoacuterea que podem se associar ao prognoacutestico natildeo foram frequentes (Anker

et al 1997 2003 Kenchaiah et al 2002 Veloso et al 2005 Okoshi et al

2017)

517 Frequecircncia cardiacuteaca

A meacutedia da frequecircncia cardiacuteaca foi 8078 (desvio-padratildeo 1597)

batimentos por minuto e os extremos superior a cem batimentos por minuto e

inferiores a 60 batimentos por minuto ocorreram respectivamente em 7 e

3 dos pacientes com insuficiecircncia cardiacuteaca Tais dados podem ser uacuteteis

tambeacutem para o planejamento terapecircutico (Swedberg et al 2010) uma vez

que a frequecircncia cardiacuteaca elevada eacute um fator de risco (Kannel 1987 Pocock et

al 2006 Boumlhm et al 2010) e um preditor de mortalidade (Ariel et al 2005)

518 Pressatildeo arterial sistoacutelica e diastoacutelica

O valor meacutedio da pressatildeo arterial sistoacutelica foi de 1375 mm Hg com

desvio-padratildeo 288 mm Hg e o valor meacutedio da pressatildeo arterial diastoacutelica de 88

mm Hg com desvio-padratildeo 171 mm Hg o que natildeo deixa de ser digno de nota

em relaccedilatildeo ao antecedente de hipertensatildeo arterial frequente

Discussatildeo 47

Pressatildeo arterial sistoacutelica superior a 130 mm Hg (46 dos pacientes) foi

frequente e inferior a 100 mm Hg mais rara (4) por outro lado pressatildeo

arterial diastoacutelica superior a 90 mm Hg e inferior a 80 mm Hg foram

observadas respectivamente em 30 e 21 dos pacientes Em amostra

ambulatorial os extremos de pressatildeo arterial que podem ter significado

prognoacutestico (Vasan et al 2001 Lewis et al 2003 Lee DS et al 2003 Klein et

al 2005 Pocock et al 2006) natildeo foram frequentes

519 Classe funcional

Como casuiacutestica ambulatorial a maior parte dos pacientes (65) da

casuiacutestica estava na classe funcional II ou III da New York Heart Association

enquanto 28 na classe funcional I e IV em igual porcentagem demonstrando

que a maioria dos pacientes se encontrava em condiccedilatildeo estaacutevel de modo a

permitir a orientaccedilatildeo terapecircutica apropriada

5110 Tempo decorrido ateacute o desfecho

Um singularidade desta casuiacutestica satildeo as informaccedilotildees de desfechos no

longo prazo pois a casuiacutestica de 2003 a 2007 teve as informaccedilotildees de

desfechos recuperadas ateacute 2014 com tempo meacutedio de seguimento de 596

meses (desvio-padratildeo 418 meses) O tempo de observaccedilatildeo de outras

casuiacutesticas brasileiras publicadas variou de 1 ano a 64 anos (Bestetti et al

1994 Mady et al 1994 Pereira Barretto et al 1998 Freitas et al 2005 Carlo

et al 2014)

Discussatildeo 48

5111 Variaacuteveis ecocardiograacuteficas

Quanto agraves variaacuteveis ecocardiograacuteficas identificamos o diacircmetro do

aacutetrio esquerdo o diacircmetro diastoacutelico do ventriacuteculo esquerdo e a espessura do

septo interventricular associados agrave mortalidade Esse achado vai ao encontro

de publicaccedilotildees anteriores que relacionaram a dimensatildeo do aacutetrio esquerdo

(Hsiao Chiou 2013) e a dimensatildeo diastoacutelica do ventriacuteculo esquerdo com

prognoacutestico de mortalidade (Freitas et al 2005)

Reiteramos o achado da natildeo associaccedilatildeo entre o diacircmetro sistoacutelico de

ventriacuteculo esquerdo e o prognoacutestico de sobrevida o que vai de encontro a

outros estudos que observaram fraca associaccedilatildeo do diacircmetro sistoacutelico de

ventriacuteculo esquerdo com sobrevida em pacientes com diagnoacutestico de

insuficiecircncia cardiacuteaca (Cowie et al 2000) Por outro lado a associaccedilatildeo da

espessura do septo interventricular com a mortalidade foi um achado curioso

A distribuiccedilatildeo da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo reflete as

caracteriacutesticas de casuiacutestica ambulatorial e observamos que os valores

observados natildeo foram associados com o prognoacutestico o que vai de encontro a

outros estudos (Cohn et al 1986 19871988 Gradman et al 1989 Lewis et

al 2003 Pfeffer et al 2003 Freitas et al 2005 Pocock et al 2006 Rassi et

al 2007 Lupoacuten et al 2017)

Natildeo deixa de ser de interesse a restriccedilatildeo ao uso da fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo na estratificaccedilatildeo da insuficiecircncia cardiacuteaca em algumas

circunstacircncias ndash no caso de idosos e hospitalizados ndash (Shah et al 2017) e o

conceito que a fraccedilatildeo de ejeccedilatildeo natildeo seja um marcador acurado de risco de

pacientes apoacutes internaccedilatildeo hospitalar (Steinberg Fang 2017) Talvez este fato

esteja relacionado ao fato de que nas formas mais avanccediladas da doenccedila tanto

os diacircmetros ventriculares quanto a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

atenuem sua associaccedilatildeo com a sobrevida (Veloso et al 2005) Possivelmente

nesta casuiacutestica o mesmo se aplique uma vez que a variaacutevel fraccedilatildeo de ejeccedilatildeo

do ventriacuteculo esquerdo natildeo se revelou associada ao prognoacutestico de sobrevida

Discussatildeo 49

5112 Variaacuteveis laboratoriais

Entre as variaacuteveis laboratoriais identificamos agrave semelhanccedila de outros

estudos a taxa de potaacutessio seacuterico (Ahmed et al 2007 Bielecka-Dabrowa et

al 2012) a taxa de creatinina seacuterica (Silverberg et al 2000 Vardeny et al

2012 Zanaad et al 2013 Damman et al 2014 Pimentel et al 2014

Palazzuoli et al 2016) e a taxa de colesterol (Volpato et al 2001a Horwich et

al 2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006) associadas ao prognoacutestico

Por outro lado verificamos que a dosagem seacuterica de soacutedio natildeo foi

associada ao prognoacutestico o que vai de encontro a outros estudos que

correlacionaram a concentraccedilatildeo mais baixa de soacutedio seacuterico agrave severidade da

insuficiecircncia cardiacuteaca (Klein et al 2005) e como preditor de mortalidade (Lee

WH Packer 1986 Lee DS et al 2003 Milo-Cotter et al 2008 Abraham et al

2008 Waikar et al 2009 Kajimoto et al 2016)

Reproduzimos neste estudo a observaccedilatildeo de natildeo associaccedilatildeo da

dosagem seacuterica de hemoglobina com o prognoacutestico Uma possiacutevel explicaccedilatildeo

estaria relacionada agrave baixa prevalecircncia da anemia (11 de pacientes com

hemoglobina seacuterica inferior a 12 gdl) quando comparada com a prevalecircncia

tanto em pacientes ambulatoriais de 426 (Go et al 2006) a 556

(Silverberg et al 2000) quanto em pacientes hospitalizados de 17

(Ezekowitz et al 2003) a 45 (Maraldi et al 2006) Entretanto os resultados

que observamos vatildeo de encontro a outros autores (Ezekowitz et al 2003

Anand et al 2004 Maraldi et al 2006 Levy et al 2006 Tang Katz 2008

Kyriakou Kiff 2016) que associaram a anemia com prognoacutestico

Talvez a explicaccedilatildeo para nossa observaccedilatildeo que vai ao encontro de

estudos (Anand et al 2005 Abebe et al 2017) e da afirmaccedilatildeo de Inder S

Anand seja a presenccedila de anemia como marcador de risco natildeo como preditor

de mortalidade (Anand 2008)

Discussatildeo 50

As taxas seacutericas de leucoacutecitos e de linfoacutecitos foram outras variaacuteveis

laboratoriais avaliadas em nossa casuiacutestica que natildeo foram associadas com o

prognoacutestico de sobrevida o que vai de encontro a outros estudos que

associaram valores baixos de linfoacutecitos ndash mas natildeo agrave dosagem seacuterica de

leucoacutecitos ndash com mortalidade (Acanfora et al 2001 Huehnergarth et al 2005

Charach et al 2011 Uthamalingam et al 2011 Marcula et al 2015)

5113 Medicamentos em uso

Verificamos a subutilizaccedilatildeo do tratamento medicamentoso

recomendado (Bocchi et al 2009 2012 Ponikowski et al 2016) para os

pacientes com insuficiecircncia cardiacuteaca com fraccedilatildeo de ejeccedilatildeo reduzida Fatores

de aderecircncia ao tratamento medicamentoso recomendado tecircm sido

reconhecidos como desafios no tratamento de pacientes (Chizzola et al 1996

Pereira-Barretto et al 2001) A preocupaccedilatildeo com a subutilizaccedilatildeo do

tratamento medicamentoso por diferentes motivos tem existido em nosso

meio haacute vinte e dois anos Poreacutem esperar-se-ia que fosse menor hoje do que

a observada em nossa casuiacutestica Tal verificaccedilatildeo tambeacutem foi feita em outros

paiacuteses em duas grandes coortes com respectivamente 105388 pacientes

(53 55856 pacientes em uso de inibidores da enzima de conversatildeo da

angiotensina ou bloqueadores do receptor da angiotensina e 48 50586

pacientes em uso de betabloqueadores) do Registro ADHERE (Acute

Descompensated Heart Failure National Registry) (Gheorghiade Filippatos

2005) e em 6505 pacientes (56 3643 pacientes em uso de 50 da dose

alvo de betabloqueador) do estudo SHIFT (Systolic Heart Failure tratment with

the inhibitor Ivabradine Trial) (Swedberg et al 2010)

Curiosamente verificamos que o nuacutemero de medicamentos em uso da

maneira como foi analisado natildeo foi associado ao prognoacutestico

Discussatildeo 51

5114 Mortalidade

A mortalidade geral por todas as causas em nossa casuiacutestica foi alta

(60) nos onze anos de seguimento ambulatorial em consonacircncia a outras

experiecircncias da literatura (Roger et al 2004 Barker et al 2006) foi superior

nos pacientes do sexo masculino e nos idosos (acima de 65 anos) e

comparaacutevel agrave casuiacutestica estrangeira com meacutedia de oito anos de

acompanhamento cuja mortalidade foi similarmente alta (678) e mais

frequente (54) nos pacientes acima de 80 anos (Gerber et al 2015)

Os dados de evoluccedilatildeo tardia satildeo uma peculiaridade relevante desta

casuiacutestica De fato observaccedilotildees dilatadas no tempo satildeo uacuteteis para divisar a

evoluccedilatildeo de doenccedilas

52 Consideraccedilotildees sobre a anaacutelise estatiacutestica

Estimamos a probabilidade de sobrevida em relaccedilatildeo agraves caracteriacutesticas

demograacuteficas cliacutenicas e laboratoriais escolhidas dentre 45 variaacuteveis reduzidas

para 33 em funccedilatildeo de redundacircncia de informaccedilatildeo impliacutecita na variaacutevel Eacute de

interesse observar a influecircncia de cada variaacutevel obtida no exame de rotina no

decorrer de quase uma deacutecada de acompanhamento

Eacute oportuno enfatizar o tratamento dos dados faltantes quase inerentes

a este estudo da aacuterea de epidemiologia cliacutenica em condiccedilotildees da vida real (real

life conditions) sempre um desafio cientiacutefico e estatiacutestico pois haacute os limites do

controle possiacutevel na atividade cotidiana que dissipa controles estritos atinentes

a protocolos (protocol conditions)

Em estudo anterior foi submetida a teste a hipoacutetese de ordenar os

dados faltantes para cada variaacutevel em uma categoria atenuando a perda de

participantes com informaccedilatildeo na modelagem estatiacutestica e consequentemente

com perda da estimativa tambeacutem para os participantes com dado faltante

(Paes 2007 Assunccedilatildeo 2012) Tivemos a oportunidade de nos apoiarmos

Discussatildeo 52

nesse meacutetodo amenizando assim o escape de potenciais resultados

relevantes pela perda da informaccedilatildeo sem comprometer a confiabilidade do

resultado obtido (Nunes 2009 Nunes 2011 Kaambwa et al 2012) pela

necessidade de enfrentar a realidade praacutetica de dados faltantes (Little et al

2012 Ware et al 2012)

Em relaccedilatildeo agraves variaacuteveis demograacuteficas e cliacutenicas a idade se revelou

significativa (plt0001) agrave similitude da observaccedilatildeo de outros autores (Klein et

al 2005 Abraham et al 2008) e a probabilidade de sobrevida foi

significativamente menor em relaccedilatildeo aos pacientes com mais de 65 anos de

idade observaccedilatildeo condizente com estudos preacutevios (MacIntyre et al 2000

Lewis et al 2003 Roger et al 2004 2013 Barker et al 2006 Pocock et al

2006) nos pacientes com iacutendice de massa corpoacuterea inferior a 25 kgm2

acordes com outras experiecircncias (Horwich et al 2001 Davos et al 2003

Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) nos pacientes

com doenccedila de Chagas concordante com observaccedilotildees feitas no decorrer de

deacutecadas (Freitas et al 2002 2005 Nunes et al 2008 2013 Issa et al 2010

Rassi et al 2010 Bocchi et al 2017 Nadruz et al 2018) Tambeacutem foi menor

a probabilidade de sobrevida para pacientes em classe funcional III e IV da

New York Heart Association de acordo com as observaccedilotildees em estudos

preacutevios (Pocock et al2006 Theodoropoulos et al 2008) e em pacientes com

histoacuteria de diabetes melito sem o uso de insulina ou com o uso de insulina

conforme estudos anteriores de outros pesquisadores (Pfeffer et al 2003

Pocock et al 2006)

Por outro lado pacientes com pressatildeo arterial diastoacutelica superior a 90

mm Hg demonstraram maior probabilidade de sobrevida tendecircncia tambeacutem

observada por outros autores (Poole-Wilson et al 2003 Kalantar-Zadeh et al

2004 Pocock et al 2006)

Entre os dados de exames complementares verificamos menor

probabilidade de sobrevida nos doentes com espessura do septo

interventricular superior a 12 mm no diacircmetro diastoacutelico do ventriacuteculo esquerdo

superior a 75 mm no diacircmetro do aacutetrio esquerdo (Hsiao Chiou 2013) superior

ou igual a 40 mm na dosagem seacuterica do potaacutessio superior a 50 mEqL de

Discussatildeo 53

acordo com observaccedilotildees de outros autores (Rossignol et al 2011) Na

dosagem seacuterica de colesterol total inferior a 200 mgdl concorde com outros

pesquisadores (Krumholz et al 1994 Volpato et al 2001b Horwich et al

2002 2008 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004 Afsarmanesh

et al 2006 Christ et al 2006 Kjekshus et al 2007) e na dosagem seacuterica da

creatinina superior a 26mgdL achados em harmonia com outras experiecircncias

(Dries et al 2000 Fonarow et al 2005 Vardeny et al 2012 Damman et al

2014 Pimentel et al 2014 Kang et al 2018)

Reproduzimos neste estudo a observaccedilatildeo da relaccedilatildeo inversa entre a

elevaccedilatildeo de algumas variaacuteveis cliacutenicas e laboratoriais e a melhor probabilidade

de sobrevida significativamente maior que confirmaram os resultados de

outros estudos para a pressatildeo arterial diastoacutelica (Horwich et al 2001 Kalantar-

Zadeh et al 2004) iacutendice de massa corpoacuterea (Horwich et al 2001 Davos et

al 2003 Pocock et al 2006 Fonarrow et al 2007a Doehner 2014) e

dosagem de colesterol total (Krumholz et al 1994 Volpato et al 2001a

Horwich et al 2002 Rauchhaus et al 2003 Kalantar-Zadeh et al 2004

Afsarmanesh et al 2006 Christ et al 2006 Kjekshus et al 2007 Horwich et

al 2008)

Na maioria dos pacientes (86 dos pacientes) observamos que a

dosagem de hemoglobina seacuterica foi superior a 12 mgdl e estes evoluiacuteram com

melhor sobrevida ao longo do tempo o que vai de encontro ao observado

(Silverberg et al 2000)

Reiteramos a relaccedilatildeo inversa entre a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo

esquerdo e a mortalidade concordante com estudos preacutevios (Senni Redfield

2001) poreacutem a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo foi associada com o

prognoacutestico apenas na anaacutelise univariada o que vai de encontro a observaccedilotildees

preacutevias de outros estudos (Cohn et al 1988 Gradman et al 1989 Cintron et

al 1993 Lewis et al 2003 Freitas et al 2005 Pocock et al 2006) mas natildeo

se manteve como variaacutevel significante na anaacutelise subsequente

A nossa casuiacutestica caracterizou-se pela baixa utilizaccedilatildeo do tratamento

medicamentoso recomendado apesar dos avanccedilos observados nos uacuteltimos

Discussatildeo 54

trinta anos (Sacks et al 2014 McMurray et al 2014) que comprovaram a

reduccedilatildeo na fraccedilatildeo de ejeccedilatildeo e de mortalidade (Burnett et al 2017)

Reproduzimos que 14 e 49 dos pacientes respectivamente natildeo

fizeram uso dos inibidores da enzima de conversatildeo da angiotensina ou do

bloqueador do receptor da angiotensina e do antagonista da aldosterona e

mais da metade dos pacientes (55) natildeo fizeram uso de betabloqueador

apesar da importacircncia do seu uso contra o deleteacuterio efeito da ativaccedilatildeo do

sistema nervoso simpaacutetico (Khan 2015) e da reduccedilatildeo de 34 na mortalidade

nos pacientes com etiologia isquecircmica (Hjalmarson et al 2000) bem como a

reduccedilatildeo de 35 na mortalidade em pacientes com insuficiecircncia cardiacuteaca

(Packer et al 2001) Sendo assim nossos resultados se aproximam das

tendecircncias observadas em estudos recentes em que 83 dos pacientes

fizeram uso de betabloqueador 16 de inibidores da enzima de conversatildeo

56 de bloqueadores do receptor da angiotensina e 21 com antagonistas

da aldosterona (Shah et al 2017 Steinberg et al 2017)

Verificamos mortalidade em cinco anos de 32 e em onze anos de

60 semelhante agraves observaccedilotildees de estudos nacionais (Godoy et al 2011

Kaufman et al 2015) e internacionais (Roger et al 2004 Barker et al 2006

McMurray et al 2014 Sacks et al 2014 Gerber et al 2015) Ainda que

elevada e necessitando de reduccedilatildeo foi menor do que o observado no

Framingham Heart Study com mortalidade superior a 50 decorridos cinco

anos do diagnoacutestico de insuficiecircncia cardiacuteaca (Kenchaiah Vasan 2015)

Selecionamos assim as variaacuteveis para a avaliaccedilatildeo prognoacutestica pelo modelo

de riscos proporcionais de Cox

Para a construccedilatildeo do modelo de riscos proporcionais de Cox houve

um cuidado adicional para identificar variaacuteveis associadas com o prognoacutestico

Na primeira etapa contribuiacuteram apenas os dados vaacutelidos cujo interesse foi

comparar grupos e identificar diferenccedilas A partir da segunda etapa a categoria

dados faltantes foi incluiacuteda na anaacutelise e foram retiradas as variaacuteveis natildeo

significativas

A pressatildeo arterial sistoacutelica foi retirada do modelo pois na avaliaccedilatildeo da

significacircncia do seu efeito pelo teste de verossimilhanccedila somente a categoria

Discussatildeo 55

dos ldquodados faltantesrdquo foi relevante portanto foi eliminada como fator

prognoacutestico para a sobrevida

Na terceira etapa as variaacuteveis natildeo significativas foram reintroduzidas

testadas uma a uma no modelo e tiveram sua significacircncia recalculada para

confirmar que natildeo estariacuteamos perdendo a relevacircncia cliacutenica de alguma

variaacutevel O antecedente de diabetes revelou-se significante Assim

identificamos cuidadosamente as variaacuteveis associadas com o prognoacutestico

Uma variaacutevel que se revelou importante durante o estudo foi o tempo

decorrido desde o iniacutecio dos sintomas estimado a partir da anamnese dos

pacientes individualmente que informa de certo modo a evoluccedilatildeo da doenccedila

Eacute digno de nota que tal informaccedilatildeo baacutesica e fundamental estivesse ausente

em alta percentagem de pacientes (76) Nossa observaccedilatildeo reiterou a

importacircncia de um dado obteniacutevel na anamnese tanto na avaliaccedilatildeo da

probabilidade de sobrevida quanto nas estimativas da rede neural e que deve

sempre ser pesquisado nos pacientes

Apesar de estudos anteriores revelarem maior mortalidade associada agrave

taxa de soacutedio seacuterico (Klein et al 2005 Levy WC et al 2006 Abraham et al

2008) agrave concentraccedilatildeo de hemoglobina seacuterica (Levy WC et al 2006) agrave taxa

de trigliceacuterides (Freitas et al 2009) agrave fraccedilatildeo de lipoproteiacutena de baixa

densidade (Horwich et al 2008) agrave fraccedilatildeo de lipoproteiacutena de alta densidade

(Volpato et al 2001b) e ao valor da fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

(Levy WC et al 2006) em nossa casuiacutestica essas variaacuteveis natildeo foram

selecionadas pela anaacutelise estatiacutestica como fatores prognoacutesticos de sobrevida

Portanto natildeo foram eleitas como variaacuteveis preditoras de sobrevida para a rede

neural

A associaccedilatildeo sugerida entre a taxa de hemoglobina e o prognoacutestico

(Anand et al 2004 Ezekowitz et al 2003 Maraldi et al 2006 Tang et al

2008 Kyriakow et al 2016) como preditor de sobrevida (Levy WC et al

2006) e como marcador de risco (Anand et al 2005 2008 Abebe et al 2017)

natildeo foi reproduzida nos achados deste estudo Por outro lado diabetes melito

influiu negativamente no prognoacutestico Entre os dados ecocardiograacuteficos

tambeacutem observamos a associaccedilatildeo com o prognoacutestico do diacircmetro do aacutetrio

Discussatildeo 56

esquerdo (Hsiao Chiou 2013) do diacircmetro diastoacutelico do ventriacuteculo esquerdo

(Merlo et al 2011 Addetia et al 2015) e da espessura do septo

interventricular variaacuteveis selecionadas para a rede neural

Nas 12 variaacuteveis selecionadas como fator prognoacutestico na sobrevida os

dados faltantes foram inferiores a 31 iacutendice de massa corpoacuterea 18

pressatildeo arterial diastoacutelica 6 classe funcional segundo a New York Heart

Association diabetes melito 7 dosagem seacuterica de potaacutessio 5 dosagem

seacuterica de creatinina 3 dosagem seacuterica de colesterol total 30 espessura do

septo interventricular do ventriacuteculo esquerdo 37 diacircmetro diastoacutelico do

ventriacuteculo esquerdo 21 diacircmetro do aacutetrio esquerdo 22

53 Consideraccedilotildees sobre as estimativas feitas pelo emprego da rede

neural

Antes de avaliar os resultados obtidos pelo emprego da rede neural

cabem observaccedilotildees sobre questotildees metodoloacutegicas desenvolvidas na anaacutelise

531 Amostras aleatoacuterias

O emprego da rede neural pressupotildee as etapas de aprendizado-

treinamento e previsatildeo aleacutem de experimentar a melhor maneira de agrupar os

dados para que a rede neural aprenda e reconheccedila padrotildees a partir de

exemplos alcanccedilando melhor estimativa da sobrevida

O primeiro meacutetodo de aprendizado-treinamento utilizado foi ordenar a

casuiacutestica em trecircs grupos aleatoacuterios de forma que o aprendizado seria feito no

primeiro o treinamento no segundo e a aplicaccedilatildeo no terceiro grupo A

acuraacutecia da previsibilidade da rede nesta circunstacircncia foi muito baixa Tal

Discussatildeo 57

ocorreu provavelmente em razatildeo de agrupar valores de tempos de sobrevida

tempo decorrido do iniacutecio dos sintomas ou tempo decorrido da primeira

consulta tatildeo diacutespares entre os pacientes Portanto ordenar a nossa casuiacutestica

pelo meacutetodo de amostras aleatoacuterias natildeo foi adequado para melhorar a previsatildeo

da sobrevida pela rede neural

Tambeacutem merece menccedilatildeo o fato de que este estudo natildeo se dedicou agrave

comparaccedilatildeo entre a anaacutelise estatiacutestica tradicional e a rede neural mas por

utilizar o meacutetodo estatiacutestico como ferramenta para definiccedilatildeo das variaacuteveis

associadas ao prognoacutestico viabilizando a imputaccedilatildeo dessas variaacuteveis para

aprendizado e treinamento da rede neural

532 Data do iniacutecio dos sintomas

Com base na importacircncia cliacutenica da referecircncia da data em que o

paciente iniciou a percepccedilatildeo dos sintomas a ser obtida na avaliaccedilatildeo inicial foi

oportuno considerar a variaacutevel data do iniacutecio dos sintomas que

independentemente de outras variaacuteveis limitadoras da funccedilatildeo de ativaccedilatildeo ou

do tempo de sobrevida com ou sem categorizaccedilatildeo sugeriu os melhores

resultados de previsatildeo da sobrevida pela rede neural

Constatamos que a presenccedila da data do iniacutecio dos sintomas para o

aprendizado-treinamento da rede revelou resultados adequados de previsatildeo de

sobrevida entre 2054 e 2260 de erro de previsatildeo Poreacutem estes

resultados foram piores quando se realizou a previsatildeo da rede nos pacientes

em acompanhamento (vivos) com valores entre 3323 e 3933 Sendo

assim estudos adicionais seratildeo necessaacuterios com a data inicial da estimativa do

iniacutecio dos sintomas para melhor acuraacutecia de previsatildeo da sobrevida pela rede

neural e avaliaccedilatildeo prognoacutestica

Em siacutentese quando a informaccedilatildeo data do iniacutecio dos sintomas foi

utilizada como momento inicial da estimativa de sobrevida a acuraacutecia da rede

neural foi maior A observaccedilatildeo por tempo mais longo teria permitido apreciar a

natureza do quadro cliacutenico mais estaacutevel (periacuteodo menos sintomaacutetico) em

Discussatildeo 58

relaccedilatildeo agrave data da primeira consulta (em geral associada agrave piora de sintomas e

referecircncia a hospital terciaacuterio) Tal achado permite sugerir que os pacientes

com longa evoluccedilatildeo da doenccedila portanto mais estaacuteveis foram propensos a

uma previsatildeo mais acurada da rede neural do que pacientes com menor tempo

de evoluccedilatildeo entendidos como clinicamente mais instaacuteveis

533 Tempos de evoluccedilatildeo

Em razatildeo da disparidade de valores considerados tanto por nossa

praacutetica cliacutenica quanto por dados de estudos preacutevios (Likoff et al 1987 Bestetti

et al 1994 Mady et al 1994 Alla et al 2000 Freitas et al 2005 Franke et

al 2015) a verificaccedilatildeo de acuraacutecia da rede sugere que existam grupos de

melhor prognoacutestico (tempo mais longo de evoluccedilatildeo) e de prognoacutestico mais

reservado (tempo mais curto de evoluccedilatildeo) resultado clinicamente

fundamentado a nosso ver pois categoriza os tempos de evoluccedilatildeo dos

pacientes da casuiacutestica

A categorizaccedilatildeo da rede neural em trecircs modelos de rede com faixas de

tempos distintos revelou-se em nossa casuiacutestica como a mais apropriada para

melhorar a estimativa da sobrevida Tal observaccedilatildeo eacute concordante com o

resultado obtido na melhora da acuraacutecia da rede neural apoacutes a categorizaccedilatildeo

dos tempos de seguimento ou tempo de sobrevida observado Esse cuidado

preveniu que a rede neural dissipasse as estimativas em virtude da grande

diferenccedila entre os tempos de sobrevida

Confirma-se desse modo que as doenccedilas de mais longa evoluccedilatildeo satildeo mais

estaacuteveis e indicam quadro cliacutenico mais benigno do que os quadros de curta

evoluccedilatildeo mais instaacuteveis

Os melhores resultados da rede neural foram revelados pelos trecircs

modelos de redes neurais categorizadas por tempo de sobrevida inferior a dois

anos (ateacute 729 dias) entre dois anos e seis anos (730 a 2190 dias) e superior a

seis anos (acima de 2190 dias) que viabilizaram a mais satisfatoacuteria previsatildeo

da sobrevida pela rede neural

Discussatildeo 59

Para o aprendizado-treinamento da rede neural com sobrevida superior

a 2 anos a retirada do extremo inferior (menor do que dois anos) do tempo de

sobrevida observado permitiu melhor previsatildeo pela rede neural

Se o paciente tiver longo tempo de histoacuteria poderaacute significar fase

avanccedilada de evoluccedilatildeo mas tambeacutem indicaraacute quadro cliacutenico mais benigno e de

melhor prognoacutestico ndash isto talvez se relacione ao achado de pacientes embora

aguardando muito tempo em fila de transplante foram retirados dela Estes

pacientes com tempo de evoluccedilatildeo mais curto portanto mais instaacuteveis

clinicamente talvez sejam os mais beneficiados da anaacutelise pelo emprego de

marcadores adicionais como parte da avaliaccedilatildeo prognoacutestica Para eles as

dosagens das catecolaminas plasmaacuteticas da funccedilatildeo renal e do peptiacutedeo

natriureacutetico atrial bem como a inclusatildeo dos medicamentos em uso

contribuiriam para o estudo da acuraacutecia ou da estimativa prognoacutestica

Sendo assim o modelo de rede neural com o melhor resultado de

previsatildeo da sobrevida ndash erro da rede inferior a 128 ndash ocorreu com os

pacientes com tempo de sobrevida observado superior a seis anos a partir da

data da primeira consulta independentemente da funccedilatildeo da ativaccedilatildeo Aleacutem

disso o segundo modelo de melhor acuraacutecia ndash erro da rede neural inferior a

23 ndash ocorreu para o tempo de sobrevida observado entre dois anos e seis

anos a partir da data do iniacutecio dos sintomas independentemente da funccedilatildeo de

ativaccedilatildeo utilizada pela rede neural

Por outro lado na fase de previsatildeo da rede neural o modelo com o

melhor resultado de previsatildeo da sobrevida ndash erro da rede inferior ou igual a

215 ndash ocorreu com os pacientes com tempo de sobrevida observado

superior a seis anos a partir da data da primeira consulta independentemente

da funccedilatildeo da ativaccedilatildeo em concordacircncia com o que sugeriu a rede neural na

fase de aprendizado-treinamento

Todavia para o segundo modelo a acuraacutecia da rede foi menos adequada ndash

erro da rede neural inferior a 394 ndash para o tempo de sobrevida observado

entre dois anos e seis anos a partir da data do iniacutecio dos sintomas

independentemente da funccedilatildeo de ativaccedilatildeo

Tambeacutem devemos tomar em consideraccedilatildeo que por razotildees

metodoloacutegicas a variaccedilatildeo dos tempos de seguimento dos pacientes foi fixada

Discussatildeo 60

e limitada ateacute 2012 para a anaacutelise de sobrevida e atualizada ateacute 2014 para a

rede neural

534 Variaacuteveis faltantes

Seguimos orientaccedilatildeo da literatura (Ennett et al 2001 Frize et al

2001) tanto para imputar valores normais para as informaccedilotildees faltantes como

pela necessidade deste preacute-requisito para o aprendizado da rede neural

(Ennett et al 2001 2008 Frize et al 2001) Para melhor avaliaccedilatildeo

exploramos para imputaccedilatildeo os valores de referecircncia da normalidade os

superiores da normalidade e os da mediana (Kaambwa et al 2012) Em face

dos resultados optamos por assumir os valores de referecircncia normais das

variaacuteveis faltantes

Tambeacutem devemos salientar que as variaacuteveis faltantes podem ou natildeo

associar-se com menor probabilidade de sobrevida

535 Variaacuteveis selecionadas pelo modelo de Cox versus variaacuteveis em

geral

Por vezes a pressuposta importacircncia cliacutenica reconhecida da variaacutevel

submetida a teste natildeo se traduziu em melhor previsibilidade da rede neural A

inclusatildeo da variaacutevel fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo natildeo melhorou a

previsatildeo de sobrevida pela rede neural Esta observaccedilatildeo vai ao encontro do

resultado do modelo de Cox que natildeo considerou a fraccedilatildeo de ejeccedilatildeo como

variaacutevel prognoacutestica

A categorizaccedilatildeo de variaacuteveis como idade sexo creatinina colesterol

total diacircmetro diastoacutelico do ventriacuteculo esquerdo ou outras variaacuteveis

consideradas de importacircncia cliacutenica natildeo melhoraram a previsatildeo de sobrevida

da rede neural

Discussatildeo 61

Portanto o criteacuterio de limitar caracteriacutesticas cliacutenicas isoladamente natildeo foi bom

previsor de prognoacutestico

O teste de previsatildeo do prognoacutestico com a rede neural isoladamente

natildeo revelou boa acuraacutecia a acuraacutecia melhorou quando foram empregadas as

variaacuteveis selecionadas a partir do modelo de riscos proporcionais de Cox

536 Funccedilotildees de transferecircncia

A acuraacutecia da rede neural sem a categorizaccedilatildeo do tempo de

sobrevida foi baixa independentemente da funccedilatildeo de transferecircncia ou de

ativaccedilatildeo sugerida na literatura (Buskard et al 1994 Lundin et al 1999 Frize

et al 2000 Ennett e col 2004 2008 Grossi 2006) Por outro lado quando o

tempo de sobrevida foi categorizado e a funccedilatildeo de transferecircncia zero based log

sigmoid foi adotada o resultado na previsatildeo da sobrevida melhorou

537 Treinamento excessivo (overfitting)

Pode resultar em aumento do erro de previsatildeo e menor acuraacutecia da

rede neural Identificar o momento apropriado de finalizar o treinamento da

rede neural eacute um dos detalhes metodoloacutegicos relevantes (Guimaratildees et al

2008) Prevenimos o treinamento excessivo da rede neural ao limitar o nuacutemero

maacuteximo de ciclos e o erro delta da rede neural por meio de testes adicionais

variando o nuacutemero de ciclos e o erro delta

538 Estudo em cinco fases

Discussatildeo 62

O meacutetodo que empregamos foi criterioso nas fases iniciais para

categorizar e selecionar os melhores modelos de dados para a previsatildeo da

sobrevida pela rede neural Destacamos a estimativa do erro hipoteacutetico

(sobrevida prevista subtraiacuteda da sobrevida observada e multiplicada por cem

dividida pela sobrevida observada) utilizada na fase 2 do aprendizado-

treinamento em que a rede neural superestimou o erro verdadeiro de previsatildeo

da sobrevida Nas fases 4 e 5 com novos dados de mortalidade observamos a

acuraacutecia da rede e dependendo do modelo melhorou ou se manteve em

valores menores que 13 de meacutedia do erro de previsatildeo da sobrevida

54 Avaliaccedilatildeo dos melhores modelos de rede neural

541 Sensibilidade especificidade valor preditivo positivo e valor

preditivo negativo

Observamos boa sensibilidade (93) para ambas as funccedilotildees de

ativaccedilatildeo e razoaacutevel especificidade (superior a 763) ndash com valores de 764

ou 775 ndash para o modelo com tempo de sobrevida observado superior a seis

anos a partir da data da consulta inicial com o intervalo de corte de 1095 dias

ou trecircs anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Da

mesma forma a acuraacutecia da rede neural foi boa com valores de 802 e 81

dependendo da funccedilatildeo de ativaccedilatildeo utilizada pela rede neural Para estes

modelos de rede neural o valor preditivo negativo foi adequado (974) jaacute que

na previsatildeo da rede neural em que o paciente estava vivo no intervalo de

tempo definido existiram 974 de chance de acerto da rede no prognoacutestico

de sobrevida e 26 de chance de o paciente ter morrido

Tambeacutem observamos boa sensibilidade (898) para ambas as

funccedilotildees de ativaccedilatildeo e razoaacutevel especificidade (superior a 73) ndash com valores

de 725 ou 765 ndash para o modelo com tempo de sobrevida observado entre

Discussatildeo 63

dois anos a seis anos a partir da data do iniacutecio dos sintomas para intervalo de

corte de 730 dias ou dois anos dependendo da funccedilatildeo de ativaccedilatildeo utilizada

pela rede neural Para estes modelos de rede a acuraacutecia foi boa com valores

de 852 e 839 dependendo da funccedilatildeo de ativaccedilatildeo e o valor preditivo

positivo foi adequado e variou entre 88 e 863 dependendo da funccedilatildeo de

ativaccedilatildeo jaacute que na previsatildeo da rede neural em que o paciente morreu no

intervalo de corte definido existiram 88 ou 863 de chance de acerto da

rede no prognoacutestico de sobrevida e respectivamente 12 ou 196 de

chance de o paciente estar vivo apesar de a rede ter sugerido o oposto

Observamos razoaacutevel sensibilidade (872) para ambas as funccedilotildees de

ativaccedilatildeo e inadequada especificidade (inferior a 667) ndash com valores de

665 ou 667 ndash para o modelo com tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de um

ano (365 dias) dependendo da funccedilatildeo de ativaccedilatildeo Para estes modelos a

acuraacutecia foi satisfatoacuteria entre 803 e 789 (dependendo da funccedilatildeo de

ativaccedilatildeo) valor preditivo positivo razoaacutevel entre 837 e 820 (dependendo

da funccedilatildeo de ativaccedilatildeo) e valor preditivo negativo baixo entre 7275 e 714

(dependendo da funccedilatildeo de ativaccedilatildeo)

Tambeacutem observamos os resultados insatisfatoacuterios nas estimativas com

o tempo de seguimento observado superior a seis anos a partir da data do

iniacutecio dos sintomas com intervalo de corte de dois anos independentemente

da funccedilatildeo de ativaccedilatildeo assim como no tempo de sobrevida observado inferior a

dois anos a partir da data do iniacutecio dos sintomas com intervalo de corte de

seis meses independentemente da funccedilatildeo de ativaccedilatildeo Da mesma maneira

modelos com tempo de seguimento observado entre dois anos e seis anos

com intervalo de corte de um ano independentemente da funccedilatildeo de ativaccedilatildeo

tanto para a data do iniacutecio dos sintomas quanto para a data da consulta inicial

os resultados foram insatisfatoacuterios

Em siacutentese os resultados dos melhores modelos de redes neurais

evidenciaram

a) boa sensibilidade razoaacutevel especificidade bom valor preditivo

negativo e inadequado valor preditivo positivo para o modelo de rede com

Discussatildeo 64

tempo de sobrevida observado e categorizado superior a seis anos a partir da

data da consulta inicial independentemente da funccedilatildeo de transferecircncia

b) boa sensibilidade inadequada especificidade e razoaacutevel valor

preditivo positivo e valor preditivo negativo para o modelo de rede com tempo

de sobrevida observado e categorizado entre dois anos e seis anos a partir da

data do iniacutecio dos sintomas independentemente da funccedilatildeo de transferecircncia

Poreacutem se considerarmos o mesmo modelo com a data da primeira consulta a

sensibilidade e o valor preditivo positivo foram razoaacuteveis enquanto a

especificidade e o valor preditivo negativo foram inadequados

542 Funccedilatildeo de perda

Para maior rigor metodoloacutegico e levando em consideraccedilatildeo que os

conceitos de sensibilidade e especificidade satildeo aplicaacuteveis principalmente para

variaacuteveis binaacuterias e natildeo para variaacuteveis contiacutenuas o desempenho preditivo da

rede neural foi avaliado pelo emprego da funccedilatildeo de perda para a variaacutevel

contiacutenua tempo de sobrevida (Yuan 2008)

Observamos que os resultados de previsatildeo da sobrevida obtidos pela

funccedilatildeo de perda foram satisfatoacuterios e com variaccedilotildees de desempenho preditivo

que podem alcanccedilar erros de 44 meses ateacute 11 anos para mais ou para

menos para os modelos de rede neurais avaliados Tendo em vista o

pressuposto de que para a funccedilatildeo de perda quanto menor o erro da rede

neural melhor a previsatildeo de sobrevida da rede neural ou quanto maior o erro

da rede neural menor a previsatildeo de sobrevida (Santos 2013)

Cabe salientar que os quatro melhores resultados da funccedilatildeo de perda

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado respectivamente inferior a dois anos (126 dias 95 dias e 13307

dias) e entre dois anos e seis anos (23161 dias e 25906 dias) ambos com

data do iniacutecio dos sintomas independentemente da funccedilatildeo de ativaccedilatildeo

utilizada pelo modelo de rede neural Na sequecircncia os melhores resultados

Discussatildeo 65

foram obtidos para os modelos de rede neural com tempo de sobrevida

observado acima de seis anos (29388 dias e 33255 dias) a partir da data da

primeira consulta independentemente da funccedilatildeo de ativaccedilatildeo e entre dois anos

e seis anos (38931 dias) a partir da data da primeira consulta para a funccedilatildeo

zero based log sigmoid utilizada pela rede neural

Os resultados permitem sugerir que a informaccedilatildeo data do iniacutecio dos

sintomas seja importante para a estimativa dos modelos de rede neural com

sobrevida inferior a seis anos independentemente do tamanho da amostra

543 Sensibilidade e especificidade versus funccedilatildeo de perda

O desempenho preditivo oposto obtido entre os resultados da funccedilatildeo

de perda e os resultados da sensibilidade e especificidade para os modelos de

redes neurais - os modelos de rede neural com as melhores estimativas pela

funccedilatildeo de perda foram os modelos de rede com as piores estimativas pela

sensibilidade e especificidade Eacute de se destacar que a melhor estimativa de

sobrevida obtida pela funccedilatildeo de perda para os modelos de rede neural foi

observada no modelo de rede com o menor nuacutemero de pacientes (n=47)

poreacutem com a informaccedilatildeo data do iniacutecio dos sintomas Tal verificaccedilatildeo reforccedila a

importacircncia da data do iniacutecio dos sintomas para a acuraacutecia da rede neural

55 Implicaccedilotildees cliacutenicas

Haacute na literatura meacutedica corrente o empenho no desenvolvimento de

ferramentas de inteligecircncia artificial como meacutetodo de avaliaccedilatildeo cliacutenica

(Braunwald 2008) Apesar disso natildeo identificamos na literatura trabalhos que

conciliassem as duas teacutecnicas ndash anaacutelise de sobrevida com rede neural ndash para a

previsatildeo da sobrevida em pacientes com insuficiecircncia cardiacuteaca o que

permitiria a hipoacutetese de originalidade para as observaccedilotildees deste trabalho

Discussatildeo 66

Eacute digno de ecircnfase termos identificado que a data do iniacutecio dos

sintomas obtida na anamnese eacute uma ferramenta de estimativa diagnoacutestica

principalmente associada a outras variaacuteveis do exame cliacutenico Suscita-se a

indagaccedilatildeo de esta variaacutevel estar subvalorizada por alguma razatildeo na medida

em que estaacute ausente dos registros cliacutenicos como informaccedilatildeo nuclear ateacute por

sua compreensiacutevel ldquoimprecisatildeordquo bioloacutegica Apesar dessa potencial inexatidatildeo

revelou-se variaacutevel relevante Portanto o empenho em obter com a precisatildeo

possiacutevel a data do iniacutecio dos sintomas pode ser reiterado uacutetil para a avaliaccedilatildeo

de pacientes

Finalizando nossos resultados sugeriram a possibilidade do uso da

rede neural artificial como uma ferramenta suplementar para a orientaccedilatildeo dos

pacientes com insuficiecircncia cardiacuteaca desde que a rede neural seja modelada

pelo tempo de sobrevida observado entre dois anos e seis anos inferior a dois

anos e superior a seis anos e com base em variaacuteveis preditivas de sobrevida

estimadas por meacutetodo estatiacutestico tradicional

Novos estudos em outras casuiacutesticas e serviccedilos podem adicionar experiecircncia

ampliar e aprofundar os resultados ora apresentados

56 Limitaccedilotildees do estudo

Entre as limitaccedilotildees deste trabalho citamos o caraacuteter uni-institucional

retrospectivo o nuacutemero limitado de variaacuteveis a presenccedila de dados faltantes a

ausecircncia de controle da uniformidade de tratamento medicamentoso com suas

particularidades entre elas a aderecircncia a tratamento e a mortalidade avaliada

no Estado de Satildeo Paulo Por outro lado atenuam-se as limitaccedilotildees por se tratar

de estudo em real life conditions no contexto de um Serviccedilo Meacutedico com

grande responsabilidade assistencial no acircmbito de hospital acadecircmico

6 Conclusotildees

Conclusotildees 68

A probabilidade de sobrevida geral desta casuiacutestica de insuficiecircncia

cardiacuteaca de diferentes etiologias no longo prazo foi 68 em cinco anos e 40

em onze anos

A influecircncia dos dados faltantes no prognoacutestico variou conforme a

natureza das variaacuteveis

O emprego de redes neurais categorizadas por tempo de sobrevida

dos pacientes a partir de variaacuteveis identificadas significantes em anaacutelise

estatiacutestica tradicional pode contribuir para identificar pacientes com

insuficiecircncia cardiacuteaca com prognoacutestico potencialmente mais reservado de

modo a contribuir para melhor orientaccedilatildeo da sequecircncia do tratamento na rede

de atenccedilatildeo meacutedica primaacuteria ou secundaacuteria ou em hospital de referecircncia em

nosso caso especiacutefico seria identificar os pacientes que pela condiccedilatildeo cliacutenica

mais grave demandariam recursos tecnoloacutegicos e intervenccedilotildees complexas para

seu tratamento O tempo de evoluccedilatildeo da insuficiecircncia cardiacuteaca obtida pelo

auxiacutelio da histoacuteria cliacutenica modulada pelas demais variaacuteveis cliacutenicas e

laboratoriais contribuiu para a avaliaccedilatildeo prognoacutestica quadros cliacutenicos de

evoluccedilatildeo mais longa podem sugerir pacientes com doenccedila mais estaacutevel

enquanto que tal avaliaccedilatildeo torna-se mais limitada no caso de quadro cliacutenico de

evoluccedilatildeo mais breve

7 Anexos

Anexos 70

Figura 1 - Delineamento do estudo de 2128 pacientes ambulatoriais com diagnoacutestico de insuficiecircncia cardiacuteaca

Dados de 2128 pacientes

consecutivos entre 2003 e 2007 com

diagnoacutestico de insuficiecircncia

cardiacuteaca

variaacuteveis selecionadas para a

rede neural

variaacuteveis demograacuteficas cliacutenicas laboratoriais eletrocardiograacutefica ecocardiograacuteficas medicaccedilotildees

variaacuteveis selecionadas para o modelo de regressatildeo

de riscos proporcionais de Cox

variaacuteveis com maior influecircncia para a

sobrevida

968 pacientes selecionados para a

rede neural (oacutebitos ateacute 2012)

pacientes elegiacuteveis para treinamento da

rede neural

pacientes elegiacuteveis para previsatildeo da

rede neural

modelos de rede neural

para previsatildeo

da sobrevida

Anexos 71

v1

v2

v3

vn 1 2 3 4 5

FONTE adaptado de Fernando J Von Zuben e Romis R F Attux Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubenia353_1s07toacutepico5_07pdf Figura 2 - Arquitetura da rede neural Perceptron de Muacuteltiplas Camadas em que f representa a funccedilatildeo de ativaccedilatildeo ou de transferecircncia natildeo linear definida para o aprendizado-treinamento da rede neural

Variaacuteveis de

entrada

sumf

Variaacutevel de saiacuteda

saiacuteda

Cinco camadas intermediaacuterias de neurocircnios ou unidades

computacionais

Anexos 72

y0

w0

y1 w1 xn

yn wn

Em que

n n-eacutesima variaacutevel de entrada (iteraccedilatildeo)

y0 y1 variaacuteveis de entrada

yn i-eacutesima variaacutevel de entrada

w0 w1 pesos sinaacutepticos ajustaacuteveis

wn peso sinaacuteptico ajustaacutevel conectando a entrada da unidade

agrave saiacuteda da unidade na iteraccedilatildeo n

xn i-eacutesima variaacutevel de saiacuteda da unidade na iteraccedilatildeo n

sum funccedilatildeo de soma

f funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

FONTE adaptado de Neural Networks and Learning Machines por Simon Hayken 1999 Figura 2a Representaccedilatildeo funcional de um neurocircnio da rede neural perceptron de muacuteltiplas camadas

sum f

Anexos 73

Em que propagaccedilatildeo da informaccedilatildeo

retro-propagaccedilatildeo do erro da informaccedilatildeo

FONTE adaptado de Leandro Nunes de Castro Silva 1998 Disponiacutevel em ftpftpdca feeunicampbrpubdocsvonzubentheseslnunes_mestindicepdf Figura 2b Representaccedilatildeo das duas fases de direccedilotildees de propagaccedilatildeo da informaccedilatildeo pelo algoriacutetmo de aprendizado supervisionado ou de retropropagaccedilatildeo do erro ou backpropagation da rede neural perceptron de multiplas camadas e permite o ajuste dos pesos sinaacutepticos

Anexos 74

Figura 3 - Representaccedilatildeo graacutefica da funccedilatildeo tangente hiperboacutelica e da funccedilatildeo log sigmoid Ambas satildeo funccedilotildees natildeo lineares de transferecircncia ou de ativaccedilatildeo poreacutem a funccedilatildeo logiacutestica zero based log sigmoid assume o intervalo de variaccedilatildeo entre 0 e 1 e a funccedilatildeo tangente hiperboacutelica preserva a forma sigmoidal e assume valores positivos e negativos (intervalo de variaccedilatildeo entre -1 e 1)

Figura 4 - Representaccedilatildeo esquemaacutetica das cinco fases da rede neural que compreenderam o aprendizadotreinamento da rede a previsatildeo da rede neural a comparaccedilatildeo dos melhores modelos de previsatildeo da rede neural os reensaios da rede neural incorporando os pacientes que faleceram em 2013 e 2014 e nova comparaccedilatildeo dos melhores modelos reensaiados

Anexos 75

Figura 5 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

com insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das abscissas indicam o

nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da

consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 76

Figura 6 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos pacientes

de acordo com a etiologia da insuficiecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 77

Figura 7 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128

pacientes de acordo com sua idade Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 78

Figura 8 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o sexo Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 79

Figura 9 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a etnia Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 80

Figura 10 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o peso Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 81

Figura 11 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a altura Os nuacutemeros sob o eixo das abscissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 82

Figura 12 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o iacutendice de massa corpoacuterea (IMC) Os nuacutemeros sob o

eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 83

Figura 13 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial sistoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 84

Figura 14 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a pressatildeo arterial diastoacutelica Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 85

Figura 15 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a classe funcional da New York Heart Association

Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco

no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 86

Figura 16 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a frequecircncia cardiacuteaca Os nuacutemeros sob o eixo das

abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de

observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do

oacutebito

Anexos 87

Figura 17 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com a data do iniacutecio dos sintomas

Anexos 88

Figura 18 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com antecedente de hipertensatildeo arterial Os nuacutemeros sob

o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do

tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida

ou data do oacutebito

Anexos 89

Figura 19 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de tabagismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 90

Figura 20 - Probabilidade de sobrevida estimada (Kaplan-Meier) para os 2128 pacientes de acordo com o antecedente de diabetes melito Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo decorrido da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 91

Figura 21 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o antecedente de etilismo Os nuacutemeros sob o eixo

das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo

de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data

do oacutebito

Anexos 92

Figura 22 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro do aacutetrio esquerdo no ecocardiograma Os

nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no

decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima

informaccedilatildeo obtida ou data do oacutebito

Anexos 93

Figura 23 - Probabilidade da sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro diastoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 94

Figura 24 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com o diacircmetro sistoacutelico do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 95

Figura 25 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 96

Figura 26 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica do septo interventricular no

ecocardiograma Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de

pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta

inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 97

Figura 27 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128

pacientes de acordo com a espessura diastoacutelica da parede posterior do

ventriacuteculo esquerdo no ecocardiograma Os nuacutemeros sob o eixo das abcissas

indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo

a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 98

Figura 28 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com o riacutetmo cardiacuteaco Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 99

Figura 29 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de hemoglobina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 100

Figura 30 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a glicemia de jejum Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 101

Figura 31 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de creatinina Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 102

Figura 32 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de soacutedio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 103

Figura 33 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de potaacutessio seacuterico Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 104

Figura 34 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de colesterol total Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 105

Figura 35 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de HDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 106

Figura 36 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de LDL-colesterol Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 107

Figura 37 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de trigliceacuterides Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 108

Figura 38 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de leucoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 109

Figura 39 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes de acordo com a taxa de linfoacutecitos Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 110

Figura 40 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de inibidor de enzima conversora da angiotensina (captopril enalapril) ou de bloqueador dos receptores da angiotensina II (losartana) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 111

Figura 41 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de beta-bloqueadores na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 112

Figura 42 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de diureacuteticos (furosemida hidroclorotiazida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 113

Figura 43 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de espironolactona na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 114

Figura 44 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de digoxina na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 115

Figura 45 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiagregante plaquetaacuterio (aacutecido acetilsaliciacutelico) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 116

Figura 46 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de anticoagulante oral (varfarina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 117

Figura 47 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de estatina (sinvastatina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 118

Figura 48 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de vasodilatador (hidralazina e mononitrato de isossorbida) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 119

Figura 49 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2148 pacientes quanto ao uso de bloqueador dos canais de caacutelcio (anlodipina) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 120

Figura 50 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao uso de antiarriacutetmico (amiodarona) na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 121

Figura 51 - Probabilidade de sobrevida estimada (Kaplan-Meier) dos 2128 pacientes quanto ao nuacutemero de medicamentos em uso na consulta inicial Os nuacutemeros sob o eixo das abscissas indicam o nuacutemero de pacientes em risco no decorrer do tempo de observaccedilatildeo a partir da consulta inicial ateacute a uacuteltima informaccedilatildeo obtida ou data do oacutebito

Anexos 122

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Idade (anos) 58 lt 0001

lt 40 200(9) 65

41-65 1325(62) 69

gt65 603(28) 51

Sexo 0025

Masculino 1362(64) 61

Feminino 766(36) 67

Grupo eacutetnico 027

Branca 343(16) 62

Natildeo-branca 131(6) 59

Dado faltante 1654(78) 65

Peso (kg) 694 lt 0001

lt 63 594(28) 57

631 - 749 562(26) 63

gt 75 614(29) 73

Dado faltante 358(17) 58

Altura (cm) 163 0048

lt 159 569(27) 64

159-166 546(26) 65

gt 167 628(30) 65

Dado faltante 385(18) 57

Iacutendice de massa corporal (kgm2)sect 26 lt0001

lt 25 660(31) 56

25-30 697(33) 69

gt 30 378(18) 59

Dado faltante 393(18) 74

Pressatildeo arterial sistoacutelica (mm Hg) 130 lt0001

lt 100 94(4) 38

100-130 927(44) 60

gt130 980(46) 57

Dado faltante 127(6) 69

Anexos 123

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana Sobrevida

em 5 anos ()

Valor-pŦ

Pressatildeo arterial diastoacutelica (mm Hg) 90 lt0001

lt 80 447(21) 51

80-90 905(43) 66

gt90 646(30) 73

Dado faltante 130(6) 57

Frequecircncia cardiacuteaca (batimentosmin) 80 062

lt 60 68(3) 57

60-100 1586(75) 63

gt100 144(7) 62

Dado faltante 330(16) 60

Duraccedilatildeo dos sintomas (meses) 119 068

lt 12 261(12) 60

gt 12 247(12) 59

Dado faltante 1620 (76) 63

Histoacuteria meacutedica

Hipertensatildeo arterial 1538(72) 65 0049

Normotenso 492(23) 56

Dado faltante 98(5) 65

Consumo de aacutelcool Leve 100(5) 69 084

Moderado 37(2) 65

Intenso 86(4)

Indeterminado 84(4) 69

Ex-etilista 297(14)

Natildeo etilista 1076(51) 62

Dado faltante 448(21)

Fumante lt 20 cigarros 111(5) 60 074

gt 20 cigarros 104(5)

Indeterminado 190(9) 62

Ex-fumante 626(29) 65

Natildeo fumante 859(40) 64

Dado faltante 238(11)

Anexos 124

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Diabetes mellitus 0024

Insulino dependente 99(5) 64

Natildeo insulino dependente 389(18) 59

Natildeo diabeacutetico 1481(70) 65

Dado faltante 159(7) 64

Etiologia da Insuficiecircncia Cardiacuteaca 0001

Cardiomiopatia da Doenccedila de Chagas 333(16) 50

Cardiomiopatia hipertensiva 920(43) 71

Cardiomiopatia isquecircmica 523(25) 55

Cardiomiopatia dilatada 206(10) 69

Cardiomiopatia alcooacutelica 146(7) 66

Classe funcional NYHApara 0001

I 300(14) 72

II 805(38) 64

III 575(27) 56

IV 302(14) 50

Dado faltante 146(7) 59

Ritmo cardiacuteaco no eletrocardiograma 00051

Fibrilaccedilatildeo atrial 294(14) 56

Ritmo sinusal 1561(73) 65

Ritmo de marca-passo 38(2) 68

Outro 7(0) 66

Dado faltante 228(11) 62

Espessura do septo interventricular (mm) 9 lt0001

lt 8 206(10) 57

8-12 1385(65) 68

gt12 109(5) 63

Dado faltante 428(20) 54

Espessura da parede posterior do ventriacuteculo esquerdo (mm) 9 lt0001

lt 8 206(10) 63

8-12 1428(67) 66

gt12 63(3) 54 Dado faltante 431(20) 62

Anexos 125

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos ()

Valor-pŦ

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) 64 lt0001

lt 60 514(24) 74

60-75 938(44) 65

gt 75 224(11) 56

Dado faltante 452(21) 53

Diacircmetro sistoacutelico do ventriacuteculo esquerdo (mm) 56 lt0001

lt 40 110(5) 79

40-55 462(22) 72

gt 55 612(29) 59

Dado faltante 944(44) 60

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo () 31 lt0001

lt 35 1027(48) 60

35-45 449(21) 69

45-55 220(10) 72

gt 55 59(3) 82

Dado faltante 373(18) 53

Diacircmetro do aacutetrio esquerdo (mm) 46 lt0001

lt 40 295(14) 78

gt 40 1375(65) 63

Dado faltante 458(22) 53

Creatinina seacuterica (mgdL) 11 lt0001

lt 13 1469(69) 68

13-26 535(25) 51

gt 26 51(2) 28

Dado faltante 73(3) 53

Soacutedio seacuterico (mEqL) 139 lt0001

lt 136 170(8) 49

gt 136 1852(87) 66

Dado faltante 106(5) 54

Anexos 126

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

Potaacutessio seacuterico (mEqL) 46 lt0001

lt 35 31(1) 60

35-50 1646(77) 66

gt 50 345(16) 54

Dado faltante 106(5) 53

Hemoglobina (gdL) 142 lt0001

lt 10 41(2) 43

10-12 190(9) 53

gt 12 1826(86) 65

Dado faltante 71(3) 66

Leucoacutecitos (mm3) 7300 0048

lt 4000 45(2) 33

4000-11000 1791(84) 63

gt 11000 142(7) 56

Dado faltante 150(7) 62

Linfoacutecitos (mm3) 1919 0011

lt 900 14(1) 34

900-3400 301(14) 65

gt 3400 7(0) 71

Dado faltante 1806(85) 62

Colesterol total (mgdL) 188 lt0001

lt 200 881(41) 65

200-240 394(19) 75

gt 240 209(10) 74

Dado faltante 644(30) 53

Trigliceacuterides (mgdL) 112 lt0001

lt 150 1011(48) 65

150-300 397(19) 74

gt 300 71(3) 80

Dado faltante 649(30) 53

Anexos 127

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida

em 5 anos () Valor-p

Ŧ

HDL - colesterol (mgdL)Ħ 43 lt0001

lt 40 560(26) 68

40-60 681(32) 71

gt 60 207(10) 54

Dado faltante 680(32) 69

LDL- colesterol (mgdL)Ħ 116 lt0001

lt 100 471(22) 60

100-129 451(21) 68

gt 129 521(24) 53

Dado faltante 685(32) 72

Glicose de jejum (mgdL) 100 lt0001

lt 100 843(40) 65

100-126 571(27) 66

gt 126 345(16) 68

Dado faltante 369(17) 53

IECABRAeuro (captopril enalapril losartana)

Com medicaccedilatildeo 1564(73) 62 091

Sem medicaccedilatildeo 302(14) 62

Dado faltante 262(12)

Diureacuteticos (hidroclorotiazida e furosemida)

com medicaccedilatildeo 1548(73) 62 00032

sem medicaccedilatildeo 318(15) 71

Dado faltante 262(12) 66

Antagonista do receptor da aldosterona (espironolactona)

Com medicaccedilatildeo 832(39) 60 032

Sem medicaccedilatildeo 1034(49) 63

Dado faltante 262(12) 65

Digital (digoxina)

com medicaccedilatildeo 1013(48) 62 0077

sem medicaccedilatildeo 853(40) 66

Dado faltante 262(12) 65

Anticoagulante oral (varfarina)

Com medicaccedilatildeo 134(6) 56 043

Sem medicaccedilatildeo 1732(81) 63

Dado faltante 262(12) 65

Anexos 128

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Antiagregante plaquetaacuterio (aspirina) com medicaccedilatildeo 639(30) 60 055

sem medicaccedilatildeo 1227(58) 63

Dado faltante 262(12) 65

Estatina (sinvastatina)

Com medicaccedilatildeo 153(7) 75 007

Sem medicaccedilatildeo 1712(80) 60

Dado faltante 262(12) 63

Bloqueador dos canais de caacutelcio (anlodipina)

com medicaccedilatildeo 42(2) 69 077

sem medicaccedilatildeo 1824(86) 60

Dado faltante 262(12) 62

Vasodilator direto (hidralazina mononitrato de isossorbida)

Com medicaccedilatildeo 63(3) 63 058

Sem medicaccedilatildeo 1802(85) 62

Dado faltante 263(12) 62

Bloqueador adreneacutergico (carvedilol metoprolol atenolol propanolol) com medicaccedilatildeo 706(33) 66 0042

sem medicaccedilatildeo 1160(55) 60

Dado faltante 262(12) 65

Antiarriacutetmico (amiodarona)

Com medicaccedilatildeo 80(4) 54 051

Sem medicaccedilatildeo 1786(84) 62

Dado faltante 262(12) 65

Nuacutemero de medicamentos em uso Φ

1 118(6)

2 272(13)

3 471(22)

4 496(23)

5 349(16)

6 127(6)

7 26(1)

8 2(0)

9 1(0)

Dado faltante 266(12)

Anexos 129

Tabela 1 - Caracteriacutesticas demograacuteficas e cliacutenicas (2128 pacientes)

Variaacuteveis n() Mediana

Sobrevida em 5 anos

() Valor-p

Ŧ Variaacuteveis

Nuacutemero de drogas agrupadas em uso ζ 014

lt 3 861(40) 65

gt 3 1001(47) 65

Dado faltante 266(12) 60

sect Peso em kgaltura2

para Classe funcional da New York Heart Association (NYHA) I- nenhuma limitaccedilatildeo II- limitaccedilatildeo a moderados esforccedilos III- limitaccedilatildeo a esforccedilos habituais IV- limitaccedilatildeo em repouso

Ħ HDL- colesterol ou fraccedilatildeo lipoproteica de alta densidade do colesterol LDL- colesterol ou fraccedilatildeo lipoproteica de baixa densidade do colesterol

euro IECA - inibidores da enzima de conversatildeo da angiotensina BRA - bloqueadores dos receptores da angiotensina I

Φ Nuacutemero de medicaccedilotildees em uso pelo paciente e respectivas porcentagens

ζ Nuacutemero de medicaccedilotildees agrupadas em uso pelo paciente e respectivas porcentagens

Ŧ Valor-p (log rank)

Anexos 130

Tabela 2 ndash Variaacuteveis estudas quanto agrave probabilidade de sobrevida (etapa 1)

Variaacutevel Valor-p Valores disponiacuteveis

n

Dados omissos

()

Idade

plt0001 2128 -

Etnia p =0789 474 78

Sexo plt0001 2128 -

Iacutendice de massa corpoacuterea plt0001 1735 19

Pressatildeo Arterial Sistoacutelica plt0001 2001 6

Pressatildeo Arterial Diastoacutelica plt0001 1998 6

Frequecircncia Cardiacuteaca p =0446 1798 16

Etiologia da Insuficiecircncia Cardiacuteaca plt0001 2128 -

Classe Funcional plt0001 1982 7

Hipertensatildeo Arterial plt0001 2030 5

Etilismo p =0602 1680 21

Tabagismo p =0117 1890 11

Diabetes p =0135 1969 7

Ritmo cardiacuteaco p =0105 1893 11

Espessura do septo interventricular p =0083 1332 37

Espessura da parede posterior do ventriacuteculo esquerdo

p =0477 1258 41

Diacircmetro diastoacutelico do ventriacuteculo esquerdo

plt0001 1676 21

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

plt0001 1184 44

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

plt0001 1755 18

Diacircmetro do aacutetrio esquerdo plt0001 1670 22

Soacutedio seacuterico plt0001 2022 5

Potaacutessio seacuterico p =0002 2022 5

Hemoglobina seacuterica p =0008 2057 3

Taxa de leucoacutecitos p =0018 1978 7

Taxa de linfoacutecitos p =0037 322 85

Colesterol total p =0001 1484 30

Trigliceacuterides p =0015 1479 30

HDL - colesterol p =0280 1448 32

LDL - colesterol p =0119 1443 32

Glicemia de jejum p =0051 1759 17

Creatinina seacuterica plt0001 2055 3

Nuacutemero de medicamentos em uso p =0134 1864 12

Iniacutecio dos sintomas p =0564 510 76

valor - p foi resultante do teste da razatildeo de verossimilhanccedilas para cada uma das variaacuteveis os valores

- p inferiores a 10 tornaram a caracteriacutestica correspondente elegiacutevel para inclusatildeo na na segunda etapa do modelo nuacutemero de informaccedilotildees disponiacuteveis para cada variaacutevel a variaacutevel idade mostrou-se significante (p lt 0001) e foi incluiacuteda em todos os ajustes do modelo por ser a sobrevida a resposta do modelo de Cox Em negrito estatildeo as variaacuteveis selecionadas para a etapa 2 do modelo de Cox

Anexos 131

Tabela 3 ndash Uso de tratamento medicamentoso

Medicamento em uso

Grupo Sim

n ()

Natildeo

n ()

Sem informaccedilatildeo

n ()

IECA BRA 1564(73) 302(14) 262(12)

Diureacuteticos 1548(73) 318(15) 262(12)

Espironolactona 832(39) 1034(49) 262(12)

Digoxina 1013(48) 853(40) 262(12)

Anticoagulante oral 134(6) 1732(81) 262(12)

Antiagregante plaquetaacuterio 639(30) 1227(58) 262(12)

Estatina 153(7) 1713(80) 262(12)

Bloqueador dos canais de caacutelcio

42(2) 1824(86) 262(12)

Vasodilatador direto 63(3) 1802(85) 263(12)

Bloqueador alfa-adreneacutergico ou beta-adreneacutergico

706(33) 1160(55) 262(12)

Antiarriacutetmico 80(4) 1786(84) 262(12)

IECA inibidores da enzima conversora da angiotensina (captopril enalapril) BRA bloqueadores dos receptores da angiotensina II (losartana) Diureacuteticos hidroclorotiazida ou furosemida Espironolactona diureacutetico poupador de potaacutessio e antagonista do receptor da aldosterona Anticoagulante oral varfarina Antiagregante plaquetaacuterio aacutecido acetilsaliciacutelico Estatina sinvastatina Bloqueador dos canais de caacutelcio anlodipina Vasodilatdor direto hidralazina e mononitrato diisossorbida Bloqueadores alfa adreneacutergico (carvedilol) e beta-adreneacutergico (metoprolol atenolol e propranolol) Antiarritmico amiodarona

Anexos 132

Tabela 4 - Nuacutemero de medicamentos em uso

Nuacutemero de medicamentos em uso pelos pacientes - n ()

1

n()

2

n()

3

n()

4

n()

5

n()

6

n()

7

n()

8

n()

9 n()

Sem Informaccedilatildeo

n()

118(6) 272(13) 471(22) 496(23) 349(16) 127 (6)

26(1) 2(0) 1(0) 266(12)

nuacutemero de medicamentos em uso pelo paciente entre os diferentes grupos de medicaccedilotildees

Tabela 5 - Variaacuteveis retiradas do modelo de Cox (etapa 2)

Variaacutevel Valor-p

Hipertensatildeo arterial sistecircmica 0790

Hemoglobina 0789

Glicemia de jejum 0751

Fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo

0702

Frequecircncia cardiacuteaca 0568

Sexo 0434

Soacutedio seacuterico 0428

Leucoacutecitos seacuterico 0165

Trigliceacuterides seacuterico 0144

Diacircmetro sistoacutelico do ventriacuteculo esquerdo

0111

Linfoacutecitos seacuterico 0082

apoacutes ajuste do modelo inicial e considerando o valor-p do teste de razatildeo de verossimilhanccedilas para cada uma das variaacuteveis foi realizado novo ajuste sequencial do modelo e as variaacuteveis com valor-p superiores a 5 foram eliminadas

Anexos 133

Tabela 6 - Reavaliaccedilatildeo das variaacuteveis inicialmente excluiacutedas da etapa 2 do modelo de Cox (etapa 3)

Variaacutevel Valor-p

Etnia 0650

Frequecircncia cardiacuteaca 0489

Etilismo 0702

Tabagismo 0536

Diabetes melito 0034

Espessura da parede posterior do ventriacuteculo esquerdo

0546

Ritmo cardiacuteaco 0137

HDL - colesterol 0710

LDL- colesterol 1000

Nuacutemero de medicamentos em uso 0696

Iniacutecio dos sintomas 0784

HDL-colesterol ou lipoproteiacutena de alta densidade LDL-colesterol ou lipoproteiacutena de baixa densidade Resultado do teste da razatildeo de verossimilhanccedila para todas as variaacuteveis Excluiacutedas no primeiro ajuste do modelo (etapa 1) e reavaliaccedilatildeo da importacircncia de cada uma das variaacuteveis apoacutes reintroduzi- las no modelo em conjunto com as variaacuteveis do segundo ajuste do modelo (etapa 2) sect Diabetes melito foi a uacutenica variaacutevel que permaneceu para o modelo final

Tabelas 7 - Variaacuteveis do modelo final de Cox selecionadas para a rede neural

Variaacutevel Valor-p

Idade (anos) lt0001

Iacutendice de massa corpoacuterea (kgm2) lt0001

Pressatildeo arterial diastoacutelica (mmHg) lt0001

Etiologia da insuficiecircncia cardiacuteaca lt0001

Classe funcional (NYHA)Δ lt0001

Espessura do septo interventricular (mm) 0037

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm) lt0001

Diacircmetro do aacutetrio esquerdo (mm) 0025

Potaacutessio seacuterico (mEqL) 0015

Colesterol total (mgdL) lt0001

Creatinina (mgdL) lt0001

Diabetes melito 0034

etiologias da insuficiecircncia cardiacuteaca hipertensiva isquecircmica dilatada alcooacutelica e Doenccedila de Chagas Δ classe funcional segundo a New York Heart Association valor - p do teste de razatildeo de verossimilhanccedila do ajuste final do modelo de Cox

Anexos 134

Tabela 8 - Valores de referecircncia para as variaacuteveis com dados faltantes

Variaacutevel Estrateacutegia

1 Estrateacutegia

2 Estrateacutegia

3

Iacutendice de massa corpoacuterea (kgm2) 25 25 26

Pressatildeo arterial diastoacutelica (mm Hg) 80 80 90 Espessura diastoacutelica do septo intraventricular (mm)

8 8 9

Diacircmetro diastoacutelico do ventriacuteculo esquerdo (mm)

60 60 64

Diacircmetro do aacutetrio esquerdo (mm) 40 40 46 Potaacutessio seacuterico (mEqL) 35 35 46 Colesterol total (mgdL) 160 200 188

Creatinina (mgdL) 09 13 11 Preacute-requisito para o aprendizado da rede neural estrateacutegias para a imputaccedilatildeo de valores nas informaccedilotildees faltantes valores de referecircncia da normalidade valores superiores da normalidade para as variaacuteveis colesterol total e creatinina seacuterica valores de referecircncia da mediana

Anexos 135

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado -treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 1 1

417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 2 2

417 968 Zero Based Log Sigmoid data da consulta 52618

sem limite 3 1

417 968 Tangente Hiperboacutelica data da consulta 70731

sem limite 4 1 Teste RN 1 118 240 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 20100

sem limite 5 1 Cardiopatia dilatada 36 70 Zero Based Log Sigmoid data da consulta 100275

sem limite 6 1 Cardiopatia hipertensiva 168 379 Zero Based Log Sigmoid data da consulta 88500

sem limite 7 1 Cardiopatia alcooacutelica 28 57 Zero Based Log Sigmoid data da consulta 81429

sem limite 8 1 Cardiopatia isquemica 106 263 Zero Based Log Sigmoid data da consulta 36109

sem limite 9 1 Cardiopatia doenccedila Chagas 8 188 Zero Based Log Sigmoid data da consulta 40044

sem limite 10 1 sexo 417 968 Zero Based Log Sigmoid data da consulta 57836

sem limite 11 1 sexo e FEλ 25 417 968 Zero Based Log Sigmoid data da consulta 73544

sem limite 12 1 sexo e FEλ 55 417 968 Zero Based Log Sigmoid data da consulta 102308

2 lt sobrevida lt 6 13 1

200 402 Zero Based Log Sigmoid data da consulta 3199

2 lt sobrevida lt 6 14 1 22 a 52 anos 121 206 Zero Based Log Sigmoid data da consulta 88000

1 lt sobrevida lt 6 15 1 22 a 52 anos 83 162 Zero Based Log Sigmoid data da consulta 5185

1 lt sobrevida lt 6 16 1 13 lt CrΦ

lt 26 72 184 Zero Based Log Sigmoid data da consulta 6200

1 lt sobrevida lt 6 17 1 200 lt TCΨ

lt 239 61 245 Zero Based Log Sigmoid data da consulta 7068

1 lt sobrevida lt 6 18 1 60 lt DDVEε lt 75 160 374 Zero Based Log Sigmoid data da consulta 6360

1 lt sobrevida lt 6 19 1 200ltTCΨlt239 e 60ltDDVE

εlt75 163 34 Zero Based Log Sigmoid data da consulta 5284

Anexos 136

Tabela 9 ndash Testes para definiccedilatildeo do modelo da rede neural (A) (fase 1)

Tempo de sobrevida observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizado- treinamento da rede ou

limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede neural

() Aprendizado

(TAA) Previsatildeo

(TAP)

2 lt sobrevida lt 6 20 1

50 98 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2260

2 lt sobrevida lt 6 21 1

200 402 Tangente Hiperboacutelica data da consulta 4801

2 lt sobrevida lt 6 22 1

50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

0 lt sobrevida lt 2 23 1

118 383 Tangente Hiperboacutelica data da consulta 42244

sobrevida gt 6 24 1

101 186 Tangente Hiperboacutelica data da consulta 1277

0 lt sobrevida lt 2 25 1

118 383 Zero Based Log Sigmoid data da consulta 52725

sobrevida gt 6 26 1

101 186 Zero Based Log Sigmoid data da consulta 1137

0 lt sobrevida lt 2 27 1

22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

sobrevida gt 6 28 1

46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

0 lt sobrevida lt 2 29 1

22 47 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 3381

sobrevida gt 6 30 1

46 93 Zero Based Log Sigmoid data do iniacutecio dos

sintomas 2413

15 lt sobrevida lt 85 31 1

317 632 Zero Based Log Sigmoid data da consulta 7478

sobrevida gt 2 32 1

298 584 Zero Based Log Sigmoid data da consulta 5660

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

λ valor de referecircncia para a fraccedilatildeo de ejeccedilatildeo do ventriacuteculo esquerdo (capacidade funcional) ao ecocardiograma

Φ valores de referecircncia para a dosagem da creatinina seacuterica Ψ valores de referecircncia para a dosagem seacuterica do colesterol total

ε valores de referecircncia para o diacircmetro diastoacutelico do ventriacuteculo esquerdo ao ecocardiograma

Anexos 137

Tabela 91 - Testes para definiccedilatildeo do modelo da rede neural (B) (fase 1)

Tempo de sobrevida

observado (anos)

Teste da rede

neural

Estrateacutegia para dado

faltante

Criteacuterio para aprendizadotreinamento da

rede ou limitador

Tamanho da amostra

Funccedilatildeo de transferecircncia ou funccedilatildeo de ativaccedilatildeo

Data inicial para

estimar a sobrevidaδ

Erro de previsatildeo da sobrevida pela rede

neural () Aprendizado

(TAA) Previsatildeo

(TAP)

sem limite 33 3 30000τ 00001

ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 52535

sem limite 34 1 20000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 55141

sem limite 35 1 10000τ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 54241

sem limite 36 1 00010 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 69427

sem limite 37 1 00020 ζ Teste RN 1 417 968 Zero Based Log Sigmoid data da consulta 70479

2 lt sobrevida lt 6 38 1 Cardiopatia dilatada 18 38 Zero Based Log Sigmoid data da consulta 2667

2 lt sobrevida lt 6 39 1 Cardiopatia hipertensiva 80 161 Zero Based Log Sigmoid data da consulta 2948

2 lt sobrevida lt 6 40 1 Cardiopatia alcooacutelica 18 29 Zero Based Log Sigmoid data da consulta 2952

2 lt sobrevida lt 6 41 1 Cardiopatia isquemica 48 101 Zero Based Log Sigmoid data da consulta 2705

2 lt sobrevida lt 6 42 1 Cardiopatia da doenccedila de Chagas

37 73 Zero Based Log Sigmoid data da consulta 2191

nuacutemero sequencial do teste realizado pela rede neural teste inicial da rede neural (teste RN 1) utilizado como referecircncia para o teste atual

δ data inicial disponiacutevel para a rede neural estimar a sobrevida

TAA tamanho da amostra de aprendizado da rede neural TAP tamanho da amostra de previsatildeo da rede neural

τ nuacutemero de ciclos maacuteximos ou iteraccedilotildees estipuladas para o aprendizado-treinamento da rede neural

ζ erro delta estipulado para o aprendizado-treinamento da rede neural

Anexos 138

Tabela 10 - Comparaccedilatildeo das redes neurais categorizadas pelo tempo de sobrevida observado seleccedilatildeo dos melhores modelos de rede neural

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

23 118 383 Tangente Hiperboacutelica data da consulta 42244

25 118 383 Zero Based Log

Sigmoid data da consulta 52725

27 22 47 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3529

29 22 47 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 3381

tempo de seguimento ou tempo de sobrevida observado inferior a 2 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

13 200 402 Zero Based Log

Sigmoid data da consulta 3199

21 200 402 Tangente Hiperboacutelica data da consulta 4801

20 50 98 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2260

22 50 98 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 2054

tempo de seguimento ou tempo de sobrevida observado entre 2 e 6 anos

Teste da rede

neural

Nuacutemero da amostra

Funccedilatildeo de transferecircncia ou

de ativaccedilatildeo

Tempo disponiacutevel para estimar a

sobrevida

Erro de previsatildeo da

rede neural

()

Aprendizado

Treinamento

Previsatildeo

24 101 186 Tangente Hiperboacutelica data da consulta 1277

26 101 186 Zero Based Log

Sigmoid data da consulta 1137

28 46 93 Tangente Hiperboacutelica data do iniacutecio dos

sintomas 3029

30 46 93 Zero Based Log

Sigmoid data do iniacutecio dos

sintomas 2413

tempo de seguimento ou tempo de sobrevida observado superior a 6 anos

em todos os testes das redes neurais foram utilizados valores normais para o dado

faltante

Anexos 139

Tabela 11 - Modelos de redes neurais para previsatildeo da sobrevida nos pacientes vivos ateacute 2012 (fase 2)

Aprendizado da rede neural (pacientes falecidos ateacute 2012)

Previsatildeo de sobrevida da rede neural

(pacientes vivos ateacute 2012)

Modelo de rede neural

TAA

Erro real da rede

neural ()

Sobrevida (tempo

decorrido)

Funccedilatildeo de

transferecircncia

Tempo de sobrevida observado

(anos)

Previsatildeo da rede neural

(PREV) λ

TAP

Sobrevida hipoteacutetica

Erro hipoteacutetico da rede neural

()

13 200 3199 (DO-DPC)Ψ zero based

log sigmoid 2 a 6 PREV01 300 (DUR-

DPC) Φ

3847

20 50 2260 (DO - DIS) ζ zero based

log sigmoid 2 a 6 PREV02 51 (DUR-DIS)

Φ

3933

22 50 2054 (DO - DIS) ζ tangente

hiperboacutelica 2 a 6 PREV03 51 (DUR-DIS)

Φ

3323

24 101 1277 (DO-DPC)Ψ tangente

hiperboacutelica superior a

6 PREV04 636 (DUR-

DPC) Φ

2071

26 101 1137 (DO-DPC)Ψ zero based

log sigmoid superior a

6 PREV05 636 (DUR-

DPC) Φ

2150

27 22 3529 (DO - DIS) ζ tangente

hiperboacutelica 0 a 2 PREV06 24 (DUR-DIS)

Φ

6372

29 22 3381 (DO - DIS) ζ zero based

log sigmoid 0 a 2 PREV07 24 (DUR-DIS)

Φ

8547

28 46 3029 (DO - DIS) ζ tangente

hiperboacutelica superior a

6 PREV08 199 (DUR-DIS)

Φ

4323

30 46 2413 (DO - DIS) ζ zero based

log sigmoid superior a

6 PREV09 199 (DUR-DIS)

Φ

4867

TAA tamanho da amostra para aprendizado da rede neural

TAP tamanho da amostra para a previsatildeo da rede neural

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da

rede neural com os pacientes falecidos ateacute 2012

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou do uacuteltimo contato com o

paciente e o dado disponiacutevel (data da primeira consulta ou data do iniacutecio dos sintomas)

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

ζ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Anexos 140

Tabela 12 - Modelos de redes neurais comparaacuteveis erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Modelo de rede neural

Previsatildeo da rede neural (PREV) λ

Nuacutemero de pacientes

para comparaccedilatildeo

Erro de previsatildeo hipoteacutetico de

sobrevida pela rede neural

(vivos ateacute 2012) ()

Erro de previsatildeo da sobrevida pela rede

neural real (falecidos em 2013)

()

13 PREV 01 19 3562 4755 20 PREV 02 2 1155 4037 22 PREV 03 2 4095 5614 24 PREV04 36 2120 1880 26 PREV 05 36 1848 1948

corresponde ao modelo de rede utilizada no aprendizado com os melhores resultados na previsatildeo da sobrevida λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 141

Tabela 13 - Modelo de rede neural 13 individual e comparaacutevel erro hipoteacutetico de

previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 13 (aprendizado falecidos ateacute 2012) e PREV01 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

13 200 (DOndashDPC)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira

consulta

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-

DPC) Φ

Sobrevida hipoteacutetica da rede neural

PREV 01λ

(vivos em 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural comparado

com erro real (falecidos em

2013) ()

127 1330 1258 543 3769 6663

180 1434 1797 2535 3526 4902

407 1302 1716 3179 3490 5083

675 2063 1795 1299 3630 5055

878 1736 1261 2734 3509 6405

1086 859 1265 4722 3429 6312

1194 1218 1798 4760 3532 4910

1341 1172 1794 5306 3297 4559

1685 1061 1803 6994 3259 4468

2204 950 1795 8899 2971 3957

2669 1997 1761 1182 2477 2891

2962 1357 1427 529 2659 4635

3687 1886 1255 3345 2499 5017

3837 1834 1221 3341 2451 2396

3838 1603 1792 1177 2356 3204

3855 1108 1794 6194 2640 7789

3862 1726 548 6825 2479 2780

3892 1745 1720 144 2382 4547

3997 1013 1255 3980 2302 4766

3562 DP2498

4755 DP1384

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro relativo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 142

Tabela 14 - Modelo de rede neural 20 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 20 (aprendizado falecidos ateacute 2012) e PREV02 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

20 50 (DO-DIS)Ψ zero based

log sigmoid 2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede neural PREV 02

λ

(vivos ateacute 2012)

(em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos ateacute 2012)

()

Sobrevida

real (falecidos em

2013)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1329 2310 2659 5002

3997 2008 1595 680 2302 3072

1155 DP 1249

4037 DP 1365

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural

para os pacientes vivos ateacute 2012

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede

comparada com a porcentagem do erro real de sobrevida dos pacientes que faleceram em 2013

Anexos 143

Tabela 15- Modelo de rede neural 22 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 22 (aprendizado falecidos ateacute 2012) e PREV03 (previsatildeo vivos ateacute 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

22 50 (DO- DIS) Ψ

tangente hiperboacutelica

2 a 6

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data do iniacutecio dos

sintomas

Nuacutemero do

caso

Sobrevida calculada -

VIVO (DUR-DPC)

Φ

Sobrevida hipoteacutetica da rede

neural PREV 03

λ

(vivos ateacute 2012) (em dias)

Erro de previsatildeo hipoteacutetico da rede

neural (vivos em 2012)

()

Sobrevida real (falecidos em

2013) (em dias)

Erro de previsatildeo da rede neural

comparado com erro real

(falecidos em 2013) ()

2962 1720 1166 3220 2659 5615

3997 2008 1010 4970 2302 5614

4095 DP 1237 5614 DP 001

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato

com o paciente e a data da primeira consulta

λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de

aprendizado da rede neural com os pacientes falecidos em 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro de previsatildeo da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 144

Tabela 16 ndash Modelo de rede neural 24 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 24 (aprendizado falecidos em 2012) e PREV04 (previsatildeo vivos em 2012)

Modelo de rede neural

δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

24 101 (DO-DPC) Ψ

tangente hiperboacutelica

superior a 6 anos

δ modelo de rede neural utilizada no aprendizado da rede

Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta

Nuacutemero do caso

Sobrevida calculada VIVO (DUR-DPC)

Φ

(em dias)

Sobrevida hipoteacutetica da rede neural PREV 04

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico da rede neural

(vivos ateacute 2012) ()

Sobrevida real

(falecidos em 2013) (em dias)

Erro da rede neural comparado com

erro real (falecidos em 2013)

()

115 3558 3495 176 3586 252

156 3552 3239 882 3630 1077

157 3615 3548 184 3705 259

267 3437 2302 3303 3755 387

442 2496 2445 206 3573 3157

475 3681 3527 418 3700 466

702 3281 2756 1600 3544 2223

848 3362 2628 2183 3474 2435

949 3108 3309 646 3339 09

1015 3410 2166 3648 3449 3719

1166 2931 3399 1597 3423 069

1269 2693 3183 1820 3461 802

1272 3277 3482 627 3343 417

1408 3346 2435 2721 3427 2893

1453 3281 3232 151 3473 69

1460 3285 4047 2319 3330 2152

1477 3480 2236 3574 3485 3583

1490 2902 3332 1480 3244 269

1511 2612 3052 1685 3423 1083

1513 2589 3239 2510 3399 471

1525 3425 2702 2110 3429 2118

1538 2963 4069 3734 3312 2286

1686 3059 3821 2492 3284 1635

1754 3214 2612 1873 3284 2045

2083 2938 2264 2293 2964 236

2477 2828 4067 4381 2973 3647

2481 2467 4062 6464 2780 461

2526 2559 3548 3865 2799 2676

2612 2626 3485 3271 2894 2041

2621 2534 2224 1224 2802 2063

2641 2915 3548 2171 2934 2091

2714 2737 3486 2738 2810 2407

2789 2726 3442 2628 2753 2504

2815 2938 3016 264 2943 246

2871 2884 2237 2242 2904 2295 3475 2514 3231 2852 2547 2685

2120 DP 1396

1880 DP 1239

Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da rimeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural meacutedia e desvio-padratildeo (DP) das

porcentagens do erro hipoteacutetico de previsatildeo da rede neural ara os pacientes vivos ateacute 2012 meacutedia desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013

Anexos 145

Tabela 17 - Modelo de rede neural 26 individual e comparaacutevel erro hipoteacutetico de previsatildeo da rede versus erro real observado (fase 3)

Para modelo RN 26 (aprendizado oacutebito em 2012) e PREV05 (previsatildeo vivos em 2012)

Modelo de rede

neural δ

Tamanho da amostra de aprendizado

Sobrevida (tempo

decorrido)

Funccedilatildeo de transferecircncia ou ativaccedilatildeo

Tempo de sobrevida observado

(anos)

26 101 (DO-DPC) Ψ

zero based log sigmoid

superior a 6 anos

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

115 3558

3902 966 3586 881

156 3552

2656 2522 3630 2682

157 3615

3408 573 3705 802

267 3437

2655 2275 3755 2929

442 2496

2514 074 3573 2963

475 3681

2694 2681 3700 2718

702 3281

2841 134 3544 1983

848 3362

3307 163 3474 480

949 3108

2318 2541 3339 3057

1015 3410

2189 358 3449 3653

1166 2931

4085 3937 3423 1934

1269 2693

2367 1221 3461 3162

1272 3277

2669 1854 3343 2015

1408 3346

3006 1015 3427 1228

1453 3281

2430 2595 3473 3004

1460 3285

4095 2465 3330 2297

1477 3480

2147 3832 3485 3841

1490 2902

2571 1142 3244 2076

1511 2612

2241 1419 3423 3452

1513 2589

3044 1757 3399 1044

1525 3425

2770 1913 3429 1922

1538 2963

3743 2631 3312 1300

1686 3059

2747 1021 3284 1636

1754 3214

2590 1940 3284 2112

2083 2938

2805 452 2964 536

2477 2828

3974 4052 2973 3366

2481 2467

4055 6439 2780 4588

2526 2559

3027 1828 2799 813

2612 2626

2090 2043 2894 2779

2621 2534 2947 1629 2802 517

2641 2915 2247 2293 2934 2343

2714 2737 2488 908 2810 1144

2789 2726 2727 003 2753 095

Anexos 146

Nuacutemero do

caso

Sobrevida calculada - VIVO

(DUR-DPC) Φ

Sobrevida hipoteacutetica da rede neural PREV 05

λ

(vivos em 2012) (em dias)

Erro hipoteacutetico de previsatildeo da rede neural

(vivos ateacute 2012) ()

Sobrevida real (falecidos em

2013) (em dias)

Erro da rede neural comparado com erro real (oacutebito em 2013)

()

2871 2884 2831 183 2904 251

3475 2514 2432 327 2547 452

1848 DP 1354

1948 DP 1167

δ modelo de rede neural utilizada no aprendizado da rede Ψ tempo decorrido calculado pela diferenccedila entre a data do oacutebito do paciente e a data da primeira consulta meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo (DP) das porcentagens do erro da rede comparada com a porcentagem do erro real dos pacientes que faleceram em 2013 Φ tempo decorrido calculado pela diferenccedila entre a data da uacuteltima revisatildeo ou uacuteltimo contato com o paciente e a data da primeira consulta λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associado ao modelo de aprendizado da rede neural com os pacientes falecidos em 2012

Anexos 147

Tabela 18 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2013 (Reensaio 1) fase 4

Modelo de rede neural 24 (falecidos ateacute 2012)

Modelo de rede neural 24 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1277

145

269

1376

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Modelo de rede neural 26 (falecidos ateacute 2012)

Modelo de rede neural 26 REENSAIO 1 (falecidos em 2013)

Tamanho da amostra

de aprendizado

(TAA)

Tamanho da amostra de

previsatildeo (TAP)

sect

Erro de previsatildeo

da rede neural

()

Tamanho da amostra de aprendizado

da rede (TAA)

Tamanho da amostra de

previsatildeo (TAP)

euro

Erro de previsatildeo

da rede neural

()

101

186

1137

145

269

1230

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a

falecer em 2013 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a

falecer em 2013

Anexos 148

Tabela 19 ndash Reensaio da rede neural com pacientes que vieram a falecer em 2014 (Reensaio 2) fase 4

Modelo de rede neural 24

(falecidos ateacute 2012)

Modelo de rede neural 24

Reensaio1 (falecidos em

2013)

Modelo de rede neural 24

Reensaio 2 (falecidos em

2014)

TAA TAP

sect

Erro de previsatildeo de sobrevida da rede neural

()

TAA TAeuro Erro de

previsatildeo real da rede neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida

da rede neural ()

101

186

1277

145

269

1376

175

319

1733

corresponde aos pacientes falecidos em 2012 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos ateacute 2012 e os pacientes que vieram a falecer em 2013 sem dados faltantes corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer em 2014 sem dados faltantes sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde agrave somatoacuteria do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer 2013 pound corresponde ao somatoacuterio do total de oacutebitos 2013 e o total de pacientes que vieram a falecer em 2014

Modelo de rede neural 26

(falecidos ateacute 2012)

Modelo de rede neural 26

Reensaio1 (falecidos em 2013)

Modelo de rede neural 26

Reensaio 2 (falecidos em 2014)

TAA TAP sect Erro de

previsatildeo de sobrevida da rede neural

()

TAA TAPeuro Erro de

previsatildeo real da rede

neural ()

TAA TAPpound Erro de

previsatildeo de sobrevida da

rede neural ()

101

186

1137

145

269

1230

175

319

1488

corresponde aos pacientes mortos em 2012 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2012 e os pacientes que vieram a falecer

em 2013 sem dados faltantes

corresponde ao somatoacuterio dos pacientes falecidos em 2013 e os pacientes que vieram a falecer

em 2014 sem dados faltantes

sect corresponde ao total de oacutebitos ateacute 2012 euro corresponde ao somatoacuterio do total de oacutebitos ateacute 2012 e o total de pacientes que vieram a falecer

em 2013

pound corresponde ao somatoacuterio do total de oacutebitos ateacute 2013 e o total de pacientes que vieram a falecer

em 2014

Anexos 149

Tabela 20 - Comparaccedilatildeo da previsatildeo de sobrevida entre o modelo inicial da rede neural 24 e reensaio 1 fase 4

PREV 04 λ (vivos em 2012)

REENSAIO 1 do modelo de rede neural 24 (falecidos em 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Erro de previsatildeo real rede neural ()

115 3586 3495 176 3709 344

156 3630 3239 882 3041 1623

157 3705 3548 184 3469 637

267 3755 2302 3303 3549 549

442 3573 2445 206 3568 013

475 3700 3527 418 3370 892

702 3544 2756 16 3727 515

848 3474 2628 2183 3547 211

949 3339 3309 646 3505 496

1015 3449 2166 3648 3637 544

1166 3423 3399 1597 3555 386

1269 3461 3183 182 3378 240

1272 3343 3482 627 3286 171

1408 3427 2435 2721 3403 070

1453 3473 3232 151 3458 044

1460 3330 4047 2319 4024 2083

1477 3485 2236 3574 3498 038

1490 3244 3332 148 3511 823

1511 3423 3052 1685 3225 579

1513 3399 3239 251 3564 484

1525 3429 2702 211 3527 284

1538 3312 4069 3734 3422 332

1686 3284 3821 2492 3304 060

1754 3284 2612 1873 3324 120

2083 2964 2264 2293 2501 1564

2477 2973 4067 4381 3026 155

2481 2780 4062 6464 2827 169

2526 2799 3548 3865 3264 1660

2612 2894 3485 3271 3989 3784

2621 2802 2224 1224 2545 917

2641 2934 3548 2171 2659 937

2714 2810 3486 2738 2329 1712

2789 2753 3442 2628 2490 955

2815 2943 3016 264 3200 873

2871 2904 2237 2242 3558 2253

3475 2547 3231 2852 3568 4008

2120 DP 1396

848 DP 961

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia e desvio-padratildeo

(DP) das porcentagens do erro real de previsatildeo do reensaio 1 para o modelo de rede neural 24

Anexos 150

Tabela 21 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 e reensaio 1 fase 4

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (oacutebitos 2013)

Nuacutemero do caso

Sobrevida real (em dias)

Sobrevida da rede neural (em

dias)

Erro de previsatildeo hipoteacutetico da rede

neural ()

Sobrevida da rede neural

(em dias)

Sobrevida da rede neural ()

115 3586 3902 966 3520 184

156 3630 2656 2522 2618 2787

157 3705 3408 573 3568 371

267 3755 2655 2275 3787 084

442 3573 2514 074 3326 691

475 3700 2694 2681 2654 2827

702 3544 2841 1340 3400 406

848 3474 3307 163 3467 020

949 3339 2318 2541 3418 236

1015 3449 2189 3580 3621 499

1166 3423 4085 3937 2635 2303

1269 3461 2367 1221 2628 2405

1272 3343 2669 1854 2688 1960

1408 3427 3006 1015 3269 460

1453 3473 2430 2595 2596 2524

1460 3330 4095 2465 2653 2033

1477 3485 2147 3832 3408 221

1490 3244 2571 1142 2711 1642

1511 3423 2241 1419 2617 2354

1513 3399 3044 1757 3340 175

1525 3429 2770 1913 3093 979

1538 3312 3743 2631 2651 1995

1686 3284 2747 1021 2665 1886

1754 3284 2590 1940 2798 1480

2083 2964 2805 452 2695 906

2477 2973 3974 4052 2622 1182

2481 2780 4055 6439 2873 334

2526 2799 3027 1828 2627 614

2612 2894 2090 2043 3243 1204

2621 2802 2947 1629 2645 562

2641 2934 2247 2293 2654 954

2714 2810 2488 908 2943 474

2789 2753 2727 003 2567 677

2815 2943 2663 935 2620 1096

2871 2904 2831 183 2550 1219

3475 2547 2432 327 2731 724

1848 DP 1410

1124 DP 851

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede neural para os pacientes vivos ateacute 2012 meacutedia das porcentagens e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo do reensaio 1 para o modelo de rede neural 26

Anexos 151

Tabela 22 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 24 reensaio 1 e reensaio 2 fase 5

PREV 04 λ

(vivos ateacute 2012) REENSAIO 1 do modelo de rede neural 24 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 24

(aprendizado 2013 e 2014)

Nuacutemero do

caso

Sobrevida real (em dias)

Sobrevida da rede neural

(em dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural ()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3495 176 3709 344 3241 963

156 3630 3239 882 3041 1623 2523 3049

157 3705 3548 184 3469 637 3513 518

267 3755 2302 3303 3549 549 3513 644

442 3573 2445 206 3568 013 2523 2938

475 3700 3527 418 3370 892 3442 698

702 3544 2756 16 3727 515 2968 1625

848 3474 2628 2183 3547 211 3616 408

949 3339 3309 646 3505 496 3513 521

1015 3449 2166 3648 3637 544 3508 171

1166 3423 3399 1597 3555 386 3363 175

1269 3461 3183 182 3378 240 3628 483

1272 3343 3482 627 3286 171 2867 1424

1408 3427 2435 2721 3403 070 3184 710

1453 3473 3232 151 3458 044 3572 284

1460 3330 4047 2319 4024 2083 3058 817

1477 3485 2236 3574 3498 038 3513 081

1490 3244 3332 148 3511 823 3370 388

1511 3423 3052 1685 3225 579 3096 955

1513 3399 3239 251 3564 484 3130 791

1525 3429 2702 211 3527 284 3518 261

1538 3312 4069 3734 3422 332 3347 106

1686 3284 3821 2492 3304 060 3141 435

1754 3284 2612 1873 3324 120 3014 822

2083 2964 2264 2293 2501 1564 3157 652

2477 2973 4067 4381 3026 155 2404 1913

2481 2780 4062 6464 2827 169 2697 300

2526 2799 3548 3865 3264 1660 2524 983

2612 2894 3485 3271 3989 3784 3183 999

2621 2802 2224 1224 2545 917 3447 2303

2641 2934 3548 2171 2659 937 3334 1365

2714 2810 3486 2738 2329 1712 2523 1020

2789 2753 3442 2628 2490 955 2404 1267

2815 2943 3016 264 3200 873 2208 2497

2871 2904 2237 2242 3558 2253 2871 113

3475 2547 3231 2852 3568 4008 2524 092

2120

DP 1396

848

DP 961

910

DP 787

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-

-padratildeo das porcentagens (DP) do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1

(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) do erro hipoteacutetico de previsatildeo da rede neural para

os pacientes do reensaio 2 (oacutebitos incorporados ateacute 2014) λ PREV modelo de previsatildeo da rede neural para os

pacientes vivos associado ao modelo de aprendizado da rede

Anexos 152

Tabela 23 - Comparaccedilatildeo da previsatildeo da sobrevida entre o modelo inicial da rede neural 26 o reensaio 1 e o reensaio 2 fase 5

PREV 05 λ (vivos ateacute 2012)

REENSAIO 1 do modelo de rede neural 26 (aprendizado

2013)

REENSAIO 2 do modelo de rede neural 26 (aprendizado

2013 e 2014)

Nuacutemero do

caso

Sobrevida real

(em dias)

Sobrevida da rede neural (em

dias)

Erro hipoteacutetico da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

Sobrevida da rede neural (em dias)

Erro real da rede neural

()

115 3586 3902 966 3520 184 3274 870

156 3630 2656 2522 2618 2787 2750 2425

157 3705 3408 573 3568 371 3347 968

267 3755 2655 2275 3787 084 3708 126

442 3573 2514 074 3326 691 3740 467

475 3700 2694 2681 2654 2827 2751 2565

702 3544 2841 1340 3400 406 3207 952

848 3474 3307 163 3467 020 2989 1395

949 3339 2318 2541 3418 236 3552 637

1015 3449 2189 3580 3621 499 3352 282

1166 3423 4085 3937 2635 2303 3287 397

1269 3461 2367 1221 2628 2405 2915 1579

1272 3343 2669 1854 2688 1960 3045 892

1408 3427 3006 1015 3269 460 3299 373

1453 3473 2430 2595 2596 2524 2722 2163

1460 3330 4095 2465 2653 2033 4369 3120

1477 3485 2147 3832 3408 221 3472 038

1490 3244 2571 1142 2711 1642 3742 1534

1511 3423 2241 1419 2617 2354 3180 710

1513 3399 3044 1757 3340 175 3054 1015

1525 3429 2770 1913 3093 979 2763 1941

1538 3312 3743 2631 2651 1995 2845 1409

1686 3284 2747 1021 2665 1886 2767 1576

1754 3284 2590 1940 2798 1480 2830 1381

2083 2964 2805 452 2695 906 2813 508

2477 2973 3974 5052 2622 1182 3080 359 2481 2780 4055 6439 2873 334 2980 721

2526 2799 3027 1828 2627 614 3034 838

2612 2894 2090 2043 3243 1204 4367 5090

2621 2802 2947 1629 2645 562 2920 421

2641 2934 2247 2293 2654 954 3095 549

2714 2810 2488 908 2943 474 3998 4227

2789 2753 2727 003 2567 677 2492 947

2815 2943 2663 935 2620 1096 2722 749

2871 2904 2831 183 2550 1219 2887 059

3475 2547 2432 327 2731 724 3103 2183

1848 DP 1410

112 4 DP 851

126 DP 1127

meacutedia e desvio-padratildeo (DP) das porcentagens do erro hipoteacutetico de previsatildeo da rede inicial meacutedia e desvio-padratildeo das porcentagens do erro Hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 1(oacutebitos incorporados ateacute 2013) meacutedia e desvio-padratildeo (DP) das porcentagens Do erro hipoteacutetico de previsatildeo da rede neural para os pacientes do reensaio 2 (oacutebitos incorporadosateacute 2014) λ PREV modelo de previsatildeo da rede neural para os pacientes vivos associados ao modelo de aprendizado da rede neural com os pacientes falecidos ateacute 2012

Anexos 153

Tabela 24 - Sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo dos melhores modelos de rede neural

Pacientes com oacutebitos confirmados ateacute 2012 Pacientes com oacutebitos natildeo confirmados ateacute 2012 Criteacuterio para o modelo de rede neural (RN)

Intervalo de corte (dias)

Modelo da rede neural

Total de oacutebitos

Verdadeiro Positivo (VP)

Falso Negativo (FN)

Sensibilidade da rede neural

ζ

Modelo de Previsatildeo da RN (Prev)

Total de pacientes vivos

Verdadeiro Negativo (VN)

Falso Positivo (FP)

Especificidade da rede neural δ

Acuraacutecia da rede neural

ξ

Valor Preditivo Positivo (VPP)

π

Valor Preditivo Negativo (VPN)

φ

sobrevida de 2 a 6 anos Log Sig DO-DPC 730 (2 anos) RN13 402 338 64 841 PREV01 300 226 74 753 803 820 779

sobrevida de 2 a 6 anos Log Sig DO-DPC 365 (1 ano) RN13 402 226 176 562 PREV01 300 139 161 463 520 584 441

sobrevida de 2 a 6 anos Log Sig DO-DIS 730 (2 anos) RN20 98 88 10 898 PREV02 51 39 12 765 852 880 796

sobrevida de 2 a 6 anos Log Sig DO-DIS 365 RN20 98 71 27 724 PREV02 51 23 28 451 631 717 460

sobrevida de 2 a 6 anos Tag h DO-DIS 730 (2 anos) RN22 98 88 10 898 PREV03 51 37 14 725 839 863 787

sobrevida de 2 a 6 anos Tag h DO-DIS 365 (1 ano) RN22 98 75 23 765 PREV03 51 22 29 431 651 721 489

sobrevida inferior a 2 anos Tag h DO-DIS 180 (6 meses) RN27 47 33 14 702 PREV06 24 9 15 375 592 688 391

sobrevida inferior a 2 anos Tag h DO-DIS 365 (1 ano) RN27 47 41 6 872 PREV06 24 16 8 667 803 837 727

sobrevida inferior a 2 anos Log Sig DO-DIS 180 (6 meses) RN29 47 33 14 702 PREV07 24 7 17 292 563 660 333

sobrevida inferior a 2 anos Log Sig DO-DIS 365 (1 ano) RN29 47 41 6 872 PREV07 24 15 9 625 789 820 714

sobrevida superior a 6 anos Tag h DO-DPC 730 (2 anos) RN24 186 135 51 726 PREV04 636 355 281 558 596 325 874

sobrevida superior a 6 anos Tag h DO-DPC 1095 (3 anos) RN24 186 173 13 930 PREV04 636 493 143 775 810 547 974

sobrevida superior 6 anos Log Sig DO-DPC 730 (2 anos) RN26 186 135 51 726 PREV05 636 348 288 547 588 319 872

sobrevida superior 6 anos Log Sig DO-DPC 1095 (3 anos) RN26 186 173 13 930 PREV05 636 486 150 764 802 536 974

sobrevida superior 6 anos Tag h DO-DIS 730 (2 anos) RN28 93 63 30 677 PREV08 199 60 139 302 421 312 667

sobrevida superior 6 anos Log Sig DO-DIS 730 (2 anos) RN30 93 63 30 677 PREV09 199 51 148 256 390 299 630

ε Os caacutelculos de sensibilidade especificidade acuraacutecia valor preditivo positivo e valor preditivo negativo para cada modelo de dados da rede neural foram baseados no padratildeo ouro a partir de dois grupos distintos pacientes

falecidos ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural (RN) pacientes sobreviventes ateacute 2012 e que preenchem os criteacuterios do modelo de rede neural para a previsatildeo da sobrevida (PREV) para estes pacientes foi considerada a data da uacuteltima revisatildeo como a data hipoteacutetica de oacutebito para o calculo da sobrevida DO data de oacutebito do paciente DIS data do iniacutecio dos sintomas DPC data da primeira consulta Tag h funccedilatildeo de transferecircncia ou ativaccedilatildeo tangente hiperboacutelica Log Sig funccedilatildeo de transferecircncia ou ativaccedilatildeo zero based log sigmoid funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural ζ Sensibilidade da rede neural = VP (VP + FN) δ Especificidade da rede neural = VN (VN + FP) ξ Acuraacutecia da rede neural = (VP + VN) (VP+FP+VN+FN) π Valor preditivo positivo da rede neural = VP (VP + FP) φ Valor preditivo negativo da rede neural = VN (VN + FN)

Anexos 154

Tabela 25 ndash Avaliaccedilatildeo dos melhores modelos de rede neural com o emprego da funccedilatildeo de perda

Caracteriacutesticas do modelo de rede neural Modelo de rede neural (RN)

Tamanho da

amostra (TAP) φ

Erro meacutedio estimado com a

funccedilatildeo de perdapara

(dias)

Erro meacutedio estimado com a funccedilatildeo de perda quadraacutetica (dias)

sobrevida de 2 a 6 anos Log Sig sect

(DO - DPC) RN13 402 38931 25453684

sobrevida de 2 a 6 anos Log Sig sect

(DO - DIS) RN20 98 25906 18176135

sobrevida de 2 a 6 anos Tag hip sect

(DO - DIS) RN22 98 23161 18081308

sobrevida superior a 6 anos Tag hip sect (DO - DPC) RN24 186 33255 27277589

sobrevida superior a 6 anos Log Sig sect

(DO - DPC) RN26 186 29388 334004

sobrevida inferior a 2 anos Tag hip sect

(DO - DIS) RN28 47 13307 5598847

sobrevida inferior a 2 anos Log Sig sect (DO - DIS)

RN30 47 12695 5223339

sect funccedilatildeo de ativaccedilatildeo ou transferecircncia tangente hiperboacutelica (Tag hip) ou zero based log sigmoid (Log Sig) funccedilatildeo matemaacutetica aplicada a cada uma das variaacuteveis de entrada da rede neural com seus respectivos pesos sinaacutepticos ajustaacuteveis pelo algoritmo de aprendizado (backpropagation) cuja somatoacuteria resulta na resposta da rede neural

DO data do oacutebito DPC data da consulta inicial DIS data do iniacutecio dos sintomas

φ TAP tamanho da amostra de treinamento ou previsatildeo

para Funccedilatildeo de perda absoluta = somatoacuteria (|sobrevida real-sobrevida estimada|) de cada paciente nuacutemero de pacientes

8 Referecircncias Bibliograacuteficas

Referecircncias Bibliograacuteficas 156

Aaronson KD Schwartz JS Chen TM Wong Kl Goin JE Mancini DM Development and prospective validation of a clinical index to predict survival in ambulatory patients referred for cardiac transplant evaluation Circulation 1997 Jun 95(12)2660-7 Abdul-Rahim AH MacIsaac RL Jhund P Petrie MC Lees KR McMurray JJV On behalf the VICCTA-Heart Failure Collaborators Efficacy and safety of digoxin in patients with heart failure and reduced ejection fraction according to diabetes status An analysis of the Digitalis Investigation Group (DIG) trial Int J Cardiol 2016 Feb209310-316 doi101016jijcard201602074 Abebe TB Gebreyohannes EA Bhagavathula AS Tefera YG Abegaz TM Anemia in severe heart failure patients does it predict prognosis BMC Cardiovasc Disord 2017 Sep17(1)248 doi101186s12872-017-0680-5 Abraham WT Fonarow GC Albert NM Stough WG Gheorghiade M Greenberg BH et al OPTIMIZE-HF Investigators and Coordinators Predictors of in-hospital mortality in patients hospitalized for heart failure insights from the Organized Program to Initiate Lifesaving Treatment in Hospitalized Patients with Heart Failure (OPTIMIZE-HF) J Am Coll Cardiol 2008 Jul52(5)347-56 doi 01016jjacc200804028 Acanfora D Gheorghiade M Trojano L Furgi G Pasini E Picone C et al Relative lymphocyte count a prognostic indicator of mortality in elderly patients with congestive heart failure Am Heart J 2001 Jul 142(1)167-73 PMID11431674 Addetia K Michel C Holcroft CA Sheppard R Rudski LG Early improvement in serial echocardiographic studies in heart failure patients predicts long term survival-a pilot study J Card Fail 2015 Jun21(6)470-8 doi 101016 jcardfail 201504002 Afsarmanesh N Horwich TB Fonarow GC Total cholesterol levels and mortality risk in nonischemic systolic heart failure Am Heart J 2006 Dec152(6)1077-83 doi10 1016jahj200606015 Ahmed FE Artificial neural networks for diagnosis and survival prediction in colon cancer Mol Cancer 2005 Aug429 doi1011861476-4598-4-29 Ahmed A Rich MW Love TE Lloyd-Jones DM Aban IB Colucci WS et al Digoxin and reduction in mortality and hospitalization in heart failure a comprehensive post hoc analysis of the DIG trial Eur Heart J 2006a Jan 27(2)178-86 doi101093eurheartjehi687 Ahmed A Aronow WS Fleg JL Predictors of mortality and hospitalization in women with heart failure in the Digitalis Investigation Group trial Am J Ther 2006 b Jul-Ago 13(4) 325-31 PMID16858168 Ahmed A Zannad F Love TE Tallaj J Gheorghiade M Ekundayo OJ Pitt B A propensity-matched study of the association of low serum potassium levels and mortality in chronic heart failure Eur Heart J 2007 Jun28 (11)1334-43 doi10 1093eurheartjehm091

Referecircncias Bibliograacuteficas 157

Alla F Brianccedilon S Juilliegravere Y Mertes PM Villemot JP Zannad F Differential clinical prognostic classifications in dilated and ischemic advanced heart failure the EPICAL study Am Heart J 2000 May139(5)895-904 doi101016S0002-8703(00)90023-1 Albuquerque DC Neto JD Bacal F Rohde LE Bernardez-Pereira S Berwanger O et al Investigadores Estudo BREATHE I Brazilian registry of heart failure - Clinical aspects care quality and hospitalization outcomes Arq Bras Cardiol 2015 Jun104(6)433-42 Erratum in Correction [Arq Bras Cardiol 2015] doi 10 5935 abc20150031 Ambroacutesio PE Redes neurais artificiais no apoio ao diagnoacutestico diferencial de lesotildees intersticiais pulmonares [dissertaccedilatildeo] Ribeiratildeo Preto Universidade de Satildeo Paulo Faculdade de Filosofia Ciecircncias e Letras 2002 Disponiacutevel em wwwtesesuspbrtesesdisponiveis5959135tde-26102002-155559Dissertacaopdf Anand I McMurray JJ Whitmore J Warren M Pham A McCamish MA et al Anemia and its relationship to clinical outcome in heart failure Circulation 2004 Jul110(2)149-54 doi10116101CIR00001342797957173 Anand IS Kuskowski MA Rector TS Florea VG Glazer RD Hester A et al Anemia and change in hemoglobin over time related to mortality and morbidity in patients with chronic heart failure results from Val-HeFT Circulation 2005 Aug112(8)1121-7 doi101161 CIRCULATIONAHA104512988 Anand IS Anemia and chronic heart failure implications and treatment options J Am Coll Cardiol 2008 Aug52(7)501-11 doi101016jjacc200804044 Anker SD Ponikowski P Varney S Chua TP Clark AL Webb-Peploe KM et al Wasting as independent risk factor for mortality in chronic heart failure Lancet1997 Apr349(9058)1050-3 doi 10 1016S0140-6736(96)07015-8 Anker SD Negassa A Coats AJ Afzal R Poole-Wilson PA Cohn JN et al Prognostic importance of weight loss in chronic heart failure and the effect of treatment with angiotensin ndash converting - enzyme inhibitors an observational study Lancet 2003 Mar361(9363)1077-83 doi101016S0140-6736(03)12892-9 Assunccedilatildeo F Estrateacutegias para tratamento de variaacuteveis com dados faltantes durante o desenvolvimento de modelos preditivos [mestrado] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2012 doi1011606D712010tde-21062010-100432 Recuperado em 2017-01-18 de wwwtesesuspbr Astion ML Wilding P The application of backpropagation neural networks to problems in pathology and laboratory medicine Arch Pathol Lab Med1992 Oct 116(10)995-1001 PMID1417451 Barker WH Mullooly JP Getchell W Changing incidence and survival for heart failure in a well-defined older population 1970-1974 and 1990-1994 Circulation 2006 Fev113(6)799-805 doi101161CIRCULATIONAHA104492133

Referecircncias Bibliograacuteficas 158

Bartosch-Haumlrlid A Andersson B Aho U Nilsson J Andersson R Artificial neural networks in pancreatic disease Br J Surg 2008 Jul95(7)817-26 doi101002 bjs 6239 Baxt WG Use of an artificial neural network for the diagnosis of myocardial infarction Ann Intern Med 1991 Jan115(11)843-8 PMID 1952470 Erratum in Ann Intern Med 1992116(1)94 doi1073260003-4819-115-11-843 Baxt WG Application of artificial neural networks to clinical medicine Lancet 1995 Oct 346(8983)1135-8 PMID 7475607 Baxt WG Skora J Prospective validation of artificial neural network trained to identify acute myocardial infarction Lancet 1996 Jan347(8993)12-5 PMID 8531540 Bestetti RB Dalbo CM Freitas OC Teno LA Castilho OT Oliveira JS Noninvasive predictors of mortality for patients with Chagasrsquo heart disease a multivariate stepwise logistic regression study Cardiology 1994 Nov84(4-5)261-7 doi1011590001 76409 Bestetti RB Muccillo G Clinical course of Chagasrsquoheart disease a comparison with dilated cardiomyopathy Int J Cardiol 1997 Jul60(2)187-93 PIMD 9226290 Bestetti RB Otaviano AP Cardinalli-Neto Rocha BF Theodoropoulos TA Cordeiro JA Effects of B-Blockers on outcome of patients with Chagasrsquo cardiomyopathy with chronic heart failure Int J Cardiol 2011 Sep115205-208 doi101016jijcard 201005033 Bestetti RB Daniel RAF The treatment of chronic heart failure secondary to Chagas cardiomyopathy in the contemporary era International Cardiovascular Forum Journal 2016vol719-25 doi1017987icfjv7i0217 Bielecka-Dabrowa A Mikhailidis DP Jones L Rysz J Aronow WS Banach M The meaning of hypokalemia in heart failure Int J Cardiol 2012 Jun158(1) 12-7 doi 10 1016jijcard201106121 Bocchi EA Cruz F Guimaratildees G Pinho Moreira LF Issa VS Ayub-Ferreira SM et al Long-term prospective randomized controlled study using repetitive education at six-month intervals and monitoring for adherence in heart failure outpatients the REMADHE trial Circ Heart Fail 2008 Jul1(2)115-124 doi 101161CIRCHEARTFAILURE107744870 Bocchi EA Marcondes-Braga FG Ayub-Ferreira SM Rohde LE Oliveira WA Almeida DR et al Sociedade Brasileira de Cardiologia III Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica Arq Bras Cardiol 200993 (1supl1)1-71 doi101590S0066-782X2009002000001

Referecircncias Bibliograacuteficas 159

Bocchi EA Marcondes-Braga FG Bacal F Ferraz AS Albuquerque D Rodrigues D et al Sociedade Brasileira de Cardiologia Atualizaccedilatildeo da Diretriz Brasileira de Insuficiecircncia Cardiacuteaca Crocircnica-2012 Arq Bras Cardiol 2012 Jan 98(1 supl 1)1- 33 Bocchi EA Arias A Verdejo H Diez M Goacutemez E Castro P Interamerican Society of Cardiology The reality of heart failure in Latin America J Am Coll Cardiol 2013 Sep62(11)949-58 doi101016jjacc201306013 Bocchi EA Bestetti RB Scanavacca MI Neto EC Issa VS Chronic Chagas heart disease management From etiology to cardiomyopathy treatment J Am Coll Cardiol 2017 Sep70(12)1510-24 doi101016jjacc201708004 Boumlhm M Swedberg K Komajda M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Heart rate as a risk factor in chronic heart failure (SHIFT) the association between heart rate and outcomes in a randomised placebo -controlled trial Lancet 2010 Sep376(9744) 886-94 doi101016S0140-6736(10) 61259-7 Braunwald E Biomarkers in heart failure N Engl J Med 2008 May 358(20) 2148-59 doi101056NEJMra0800239 Burnett H Earley A Voors AA Senni M McMurray JJ Deschaseaux C et al Thirty years of evidence on the efficacy of drug treatments for chronic heart failure with reduced ejection fraction a network meta-analysis Circ Heart Fail 2017 Jan10 (1)pii e003529 doi 101161CIRCHEARTFAILURE116003529 Buskard T Stevenson M Frize M Solven F Estimation of ventilation length of stay and mortality using artificial neural networks Conf Proc Electrical and Computer Engineering 1994 Canada September 25-28 1994 IEEEXplore 2002 doi 101109CCECE1994405854 Bustamante-Teixeira MT Faerstein E Latorre MR Teacutecnica de anaacutelise de sobrevida Cad Sauacutede Puacuteblica 2002 May-Jun Rio de Janeiro18(3)579-594 doi101590S 0102-311X2002000300008 Carlo CH Cardoso JN Ochia ME Oliveira Junior MT Ramires JA Pereira-Barretto AC Temporal variation in the prognosis and treatment of advanced heart failure - before and after 2000 Arq Bras Cardiol 2014 May102(5)495-504 PMID 24759950 Castro LN Anaacutelise e siacutentese de estrateacutegias de aprendizado para redes neurais artificiais [dissertaccedilatildeo] Campinas Universidade Estadual de Campinas Faculdade de Engenharia Eleacutetrica e de Computaccedilatildeo 1998 Disponiacutevel em ftpftpdcafeeunicampbrpubdocsvonzubentheseslnunes_ mestindicepdf

Referecircncias Bibliograacuteficas 160

Castro FCC de Castro MC Redes Neurais Artificiais Pontifiacutecia Universidade Catoacutelica do Rio Grande do Sul Capiacutetulo 2 Processos de aprendizado [citado 10 Nov 2016] p1-23 Disponiacutevel em wwwpolitecnica pucrsbr~decastro pdf RNA_C2pdf Charach G Grosskopf I Roth A Afek A Wexler D Sheps D et al Usefulness of total lymphocyte count as predictor of outcome in patients with chronic heart failure Am J Cardiol 2011 May 107 (9) 1353-6 doi101016jamjcard201012049 Chizzola PR Mansur AJ da Luz PL Bellotti G Compliance with pharmacological treatment in outpatients from a Brazilian cardiology referral center Sao Paulo Med J 1996 Sep-Oct114(5)1259-64 doi101590S1516-31801996000500004 Christ M Klima T Grimm W Mueller HH Maisch B Prognostic significance of serum cholesterol levels in patients with idiopathic dilated cardiomyopathy Eur Heart J 2006 Mar27(6)691-9 doi101093eurheartjehi195 Cintron G Jonhson G Francis G Cobb F Cohn JN Prognostic significance of serial changes in left ventricular ejection fraction in patients with congestive heart failure The V-HeFT VA Cooperative Studies Group Circulation 1993 Jun87(6Suppl)VI17-23 PMID 8500235 Cohn JN Archibald DG Ziesche S Franciosa JA Harston WE Tristani FE et al Effect of vasodilator therapy on mortality in chronic congestive heart failure Results of a Veterans Administration Cooperative Study N Engl J Med 1986 Jun314 (24) 1547-52 doi101056NEJM198606123142404 Cohn JN Archibald DG Francis GS Ziesche S Franciosa JA Harston WE et al Veterans Administration Cooperative Study on Vasodilator Therapy of Heart Failure Influence of prerandomization variables on the reduction of mortality by treatment with hydralazine and isosorbide dinitrate Circulation 1987 May75(5 Pt 2)IV49-54 PMID 3552302 Cohn JN Rector TS Prognosis of congestive heart failure and predictors of mortality Am J Cardiol 1988 Jul62(2)25A-30A doi 101016 S0002-9149(88) 80081-X Cox DR Regression Models and Life-Tables J R Stat Soc Series B Stat Methodol Vol 34 No 2 (1972) p187-220 Cowie MR Wood DA Coats AJ Thompson SG Suresh V Poole-Wilson PA et al Survival of patients with a new diagnosis of heart failure a population based study Heart 2000 May83(5)505-10 doi101136heart 835505 Cross SS Harrison RF Kennedy RL Introduction to neural networks Lancet 1995 Oct346(8982)1075-9 PMID7564791

Referecircncias Bibliograacuteficas 161

Das A Ben-Menachem T Farooq FT Cooper GS Chak A Sivak MV Jr et al Artificial neural network as a predictive instrument in patients with acute nonvariceal upper gastrointestinal hemorrhage Gastroenterology 2008 Jan134 (1)65-74 doi101053jgastro200710037 Damman K Valente MA Voors AA OConnor CM van Veldhuisen DJ Hillege HL Renal impairment worsening renal function and outcome in patients with heart failure an updated meta-analysis Eur Heart J 2014 Fev35(7)455-69 doi 101093 eurheartjeht386 Davos CH Doehner W Rauchhaus M Cicoira M Francis DP Coats AJ et al Body mass and survival in patients with chronic heart failure without cachexia The importance of obesity J Cardiac Fail 2003 Fev9(1)29-35 doi10 1054 jcaf20034 Diaz A Bourassa MG Guertin MC Tardif JC Long-term prognostic value of resting heart rate in patients with suspected or proven coronary artery disease Eur Heart J 2005 Mar26(10)967-74 doi101093eurheartjehi190 Doehner W Critical appraisal of the obesity paradox in cardiovascular disease how to manage patients with overweight in heart failure Heart Fail Rev 2014 Sep 19(5)637-44 doi101007s10741-014-9425-z Dries DL Exner DV Domanski MJ Greenberg B Stevenson LW The prognostic implications of renal insufficiency in asymptomatic and symptomatic patients with left ventricular systolic dysfunction J Am Coll Cardiol 2000 Mar35(3)681-9 doi10 1016S0735-1097(99)00608-7 Ennett CM Frize M Walker CR Influence of missing values on artificial neural network performance Stud Health Technol Inform 200184(Pt 1)449-53 doi 10 3233978-1-60750-928-8-449 Ennett CM Frize M Charette E Improvement and automation of artificial neural networks to estimate medical outcomes Med Eng Phys 2004 May26(4)321-328 doi101016jmedengphy200309005 Ennett CM Frize M Wlaker R Imputation of missing values by integrating neural networks and case-based reasoning Conf Proc IEEE Eng Med Biol Soc 200820084337-41 Proferida na 30th Annual International IEEE EMBS Conference Vancouver British Columbia Canada August 20-24 2008 doi101109 IEMBS 20084650170 Espinosa R Carrasco HA Belandria F Fuenmayor AM Molina C Gonzaacutelez R et al Life expectancy analysis in patients with Chagasrsquo disease prognosis after one decade (1973-1983) Int J Cardiol 1985 May8(1)45-56 PMID 3997291 Ezekowitz JA McAlister FA Armstrong PW Anaemia is common in heart failiure and is associated with poor outcomes insights from a cohort of 12065 patients with new-onset heart failure Circulation 2003 Jan107(2)223-225 doi101161 01 CIR00 00 0526 2251963FC

Referecircncias Bibliograacuteficas 162

Fogel DB Wasson EC 3rd Boughton EM Evolving neural networks for detecting breast cacircncer Cancer Lett 1995 Sep96(1)49-53 PMID 7553607 Fonarow GC Adams KF Jr Abraham WT Yancy CW Boscardin WJ ADHERE Scientific Advisory Committee Study Group and Investigators Risk stratification for in-hospital mortality in acutely decompensated heart failure classification and regression tree analysis JAMA 2005 Feb293(5)572-80 doi 101001 jama 2935572 Fonarow GC Srikanthan P Costanzo MR Cintron GB Lopatin M ADHERE Scientific Advisory Committee and Investigators An obesity paradox in acute heart failure analysis of body mass index and inhospital mortality for 108927 patients in the Acute Decompensated Heart Failure National Registry Am Heart J 2007a Jan153(1)74-81 doi101016jahj200609007 Fonarow GC Heywood JT Heidenreich PA Lopatin M Yancy CW ADHERE Scientific Advisory Committee and Investigators Temporal trends in clinical characteristics treatments and outcomes for heart failure hospitalizations 2002 to 2004 findings from Acute Decompensated Heart Failure National Registry (ADHERE) Am Heart J 2007b Jun153(6)1021-8 doi101016jahj200703012 Franke J Zugck C Hochadel M Hack A Frankenstein L Zhao JD et al Etiology-specific assessment of predictors of long-term survival in chronic systolic heart failure Int J Cardiol Heart Vasc 2015 Feb761-68 doi101016jijcha 2015 01015e Collection 2015 Jun 1 Freitas HFG Prognoacutestico em portadores de insuficiecircncia cardiacuteaca encaminhados para avaliaccedilatildeo de tratamento ciruacutergico [tese] Satildeo Paulo Universidade de Satildeo Paulo Faculdade de Medicina 2002 doi1011606 T52002tde-19082014-100741 Disponiacutevel em http wwwtesesuspbr Freitas HFG Chizzola PR Paes AT Lima AC Mansur AJ Risk stratification in a Brazilian hospital - based cohort of 1220 outpatients with heart failure role of Chagasheart disease Int J Cardiol 2005 Jul102(2)239-47 doi101016jijcard 2004 05025 Freitas HFG Barbosa EA Rosa FHFP Lima ACP Mansur AJ Association of HDL cholesterol and triglycerides with mortality in patients with heart failure Braz J Med Biol Res 2009 May42(5)420-425 doi101590S0100-879X2009000500004 Frize M Ennett CM Charette E Automated optimization of neural networks in estimating medical outcomes Proc 3rd IEEE ITAB-ITIS Conference Information Technology Applications in Biomedicine and International Telemedical Information Society 2000168-73 Frize M Ennett CM Stevenson M Trigg HC Clinical decision support systems for intensive care units using artificial neural networks Med Eng Phys 2001 23217-25 doiorg101016S1350-4533(01)00041-8

Referecircncias Bibliograacuteficas 163

Gerber Y Weston SA Redfield MM Chamberlain AM Manemann SM Jiang R et al A contemporary appraisal of the heart failure epidemic in Olmsted County Minnesota 2000 to 2010 JAMA Intern Med 2015 Jun 175(6)996-1004 doi101001jamainternmed20150924 Gheorghiade M Filippatos G Reassessing treatment of acute heart failure syndromes the ADHERE Registry Eur Heart J Suppl 2005 Apr7(suppl B)B13-B19 doi101093eurheartjsui008 Gheorghiade M Patel K Filippatos G Anker SD van Veldhuisen DJ Cleland JG et al Effect of oral digoxin in high-risk heart failure patients a pre-specified subgroup analysis of the DIG trial Eur J Heart Fail 2013 May15(5)551-9 doi101093eurjhfhft010 Godoy HL Silveira JA Segalla E Almeida DR Hospitalization and Mortality rates for heart failure in public hosptitals in Satildeo Paulo Arq Bras Cariol 2011 Nov97(5)402-7 doi101590S0066-782X2011005000096 Go AS Yang J Ackerson LM Lepper K Robbins S Massie BM et al Hemoglobin level chronic kidney disease and the risks of death and hospitalization in adults with chronic heart failure the Anaemia in Chronic Heart Failure Outcomes and Resource Utilization (ANCHOR) Study Circulation 2006 Jun113(23)2713-3 doi101161CIRCULATIONAHA105577577 Gradman A Deedwania P Cody R Massie B Packer M Pitt Bet al Predictors of total mortality and sudden death in mild to moderate heart failure Captopril-Digoxin Study Group J Am Coll Cardiol 1989 Sep14564-570 PMID 2768707 Grossi E How artificial intelligence tools can be used to assess individual patient risk in cardiovascular disease problems with the current methods BMC Cardiovasc Disord 2006 May620 doi1011861471-2261-6-20 Guidi G Pettenati MC Melillo P Iadanza E A machine learning system to improve heart failure patient assistance IEEE J Bioimed Health Inform 2014 Nov18(6)1750-6 doi101109JBHI20142337752 Guimaratildees AM Mathias IM Dias AH Ferrari JW Cazelatto Junior CDO Modulo de validaccedilatildeo cruzada para treinamento de redes neurais artificiais com algoritmos back propagation e resilient propagation Publ UEPG Exact Earth Sci Agr Sci Eng Ponta Grossa 14 (1) 17-24 abr 2008 doi 105212 Publ Exatasv 14i1 017024 Disponiacutevel em httpdxdoiorg105212Publ Exatasv14i1017024 Haykin S Neural Networks A Comprehensive Foundation Chapter Multilayer preceptrons p178 New Jersey Prentice-Hall Inc 1999[cited 2009 ] Available from httpcdnpreterhumannetneuralnetworks

Referecircncias Bibliograacuteficas 164

Hecht-Nielsen R Theory of the backpropagation neural network Proceedings of the international joint conference on neural networks 1 p593-611 June 1989 doi101016B978-0-12-741252-8500108 Hjalmarson A Goldstein S Fagerberg B Wedel H Waagstein F Kjekshus Jet al Effects of controlled -release metoprolol on total mortality hospitalizations and well-being in patients with heart failure the Metoprolol CRXL Randomized Intervention Trial in congestive heart failure (MERIT-HF) MERIT-HF Study Group JAMA 2000 Mar 283 (10) 1295-302 doi 101001jama283101295 Horwich TB Fonarow GC Hamilton MA MacLellan WR Woo MA Tillisch JH The relationship between obesity and mortality in patients with heart failure J Am Coll Cardiol 2001 Sep38(3)789-95 PMID 11527635 Horwich TB Hamilton MA Maclellan WR Fonarow GC Low serum total cholesterol is associated with marked increase in mortality in advanced heart failure J Card Fail 2002 Aug8(4)216-24 PMID 12397569 Horwich TB Hernandez AF Dai D Yancy CW Fonarow GC Cholesterol levels and in-hospital mortality in patients with acute decompensated heart failure Am Heart J 2008 Dec156(6)1170-6 doi101016jahj200807004 Huehnergarth KV Mozaffarian D Sullivan MD Crane BA Wilkinson CW Lawler RL et al Usefulness of relative lymphocyte count as an independent predictor of deathurgent transplant in heart failure Am J Cardiol 2005 Jun95(12)1492-5 doi101016jamjcard200502022 Hunt SA Baker DW Chin MH Cinquegrani MP Feldman AM Francis GS et al ACCAHA guidelines for the evaluation and management of chronic heart failure in the adult executive summary a report of the American College of CardiologyAmerican Heart Association Task Force on Practice Guidelines (Committee to Revise the 1995 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2001 Dec38(7)2101-13 doi101016S0735-1097(01)01683-7 Hunt SA American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) ACCAHA 2005 guideline update for the diagnosis and management of chronic heart failure in the adult a report of the American College of Cardiology American Heart Association Task Force on Practice Guidelines (Writing Committee to Update the 2001 Guidelines for the Evaluation and Management of Heart Failure) J Am Coll Cardiol 2005 Sep46(6)e1-82 Erratum in J Am Coll Cardiol 2006 Apr47(7)1503-1505 doi101016jjacc200508022 Hsiao SH Chiou KR Left atrial expansion index predicts all-cause mortality and heart failure admissions in dyspnoea Eur J Heart Fail 2013 Nov15(11)1245-52 doi101093eurjhfhft087

Referecircncias Bibliograacuteficas 165

Issa VS Amaral AF Cruz FD Ferreira SM Guimaratildees GV Chizzola PR et al B-blocker therapy and mortality of patients with Chagas cardiomyopathy a sub analysis of the REMADHE prospective trial Circ Heart Fail 2010 Jan3(1)82-88 doi101161CIRCHEARTFAILURE109882035 James PA Oparil S Carter BL Cushman WC Dennison-Himmelfarb C Handler J et al 2014 Evidence-based guideline for the management of high blood pressure in adults report from the Panel Members appointed to the eighth joint national committee (JNC 8) JAMA 2014 Feb 311(5)507-520 doi101001jama2013284427 Kaambwa B Bryan S Billingham L Do the methods used to analyse missing data really matter An examination of data from an observational study of Intermediate Care patients BMC Res Notes 2012 Jun5330 doi1011861756-0500-5-330 Kajimoto K Minami Y Sato N Takano T Investigators of the Acute Decompensated Heart Failure Syndromes (ATTEND) registry Serum sodium concentration blood urea nitrogen and outcomes in patients hospitalized for acute decompensated heart failure Int J Cardiol 2016 Nov222195-201 doi 10 1016jijcard201607255 Kalantar-Zadeh K Block G Horwich T Fonarow GC Reverse epidemiology of conventional cardiovascular risk factors in patients with chronic heart failure J Am Coll Cardiol 2004 Apr43(8)1439-44 doi101016jjacc200311039 Kang J Park JJ Cho YJ Oh IY Park HA Lee SE et al Predictors and prognosis value of worsening renal function during admission in HFpEF versus HFrEF data from the KorAHF J Am Heart Assoc 2018 Mar7(6)piie007910 doi101161JAHA117007910 Kannel WB Epidemiology and prevention of cardiac failure Framingham Study insights Eur Heart J 1987 Sep8 Suppl F23-6 PMID 3665963 doi101093 eurheartj 8 suppl_F23 Kaplan EL Meier P Nonparametric estimation from incomplete observations J Am Stat Assoc 1958 Jun53(282)457-481 doi 10 23072281868 Kaufman R Azevedo VMP Xavier RMA Geller M Chaves RBM Castier MB Evolution of heart failure-related hospital admissions and mortality rates a 12-year analysis Int J Cardiovasc Sci 2015 Sep28(4)276-28 doi 1059352359-480220150040 Kenchaiah S Evans JC Levy D Wilson PW Benjamin EJ Larson MG et al Obesity and the risk of heart failure N Engl J Med 2002 Aug 347 (5)305-13 doi101056NEJMoa020245 Kenchaiah S Vasan RS Heart Failure in Women--Insights from the Framingham Heart Study Cardiovasc Drugs Ther 2015 Aug29(4)377-90 doi 101007s10557-015-6599-0

Referecircncias Bibliograacuteficas 166

Keogh AM Baron DW HickieJB Prognostic guides in patients with idiopathic or ischemic dilated cardiomyopathy assessed for cardiac transplantation Am J Cardiol1990 Apr65(13)903-8 PMID2138849 Khan MG Cardiac drug therapy 8th ed Humana Press 2015 p31[cited 2015] Available from httprudiaptfileswordpresscom201711cardiac-drug-therapy-8th-ed-2015-pdf Kjekshus J Apetrei E Barrios V Boumlhm M Cleland JGF Cornel JH et al CORONA Group Rosuvastatin in older patients with systolic heart failure N Engl J Med 2007 Nov 357(22)2248-61 doi101056NEJMoa0706201 Klein L OConnor CM Leimberger JD Gattis-Stough W Pintildea IL Felker GM et al OPTIME-CHF Investigators Lower serum sodium is associated with increased short-term mortality in hospitalized patients with worsening heart failure results from the Outcomes of a Prospective Trial of Intravenous Milrinone for Exacerbations of Chronic Heart Failure (OPTIME-CHF) study Circulation 2005 May111(19)2454-60 doi101161 01CIR 0000165065 82609 3D Krittanawong C Zhang H Wang Z Aydar M Kitai T Artificial intelligence in precision cardiovascular medicine J Am Coll Cardiol 2017 May69(21)2657-2664 doi101016jjacc201703571 Krumholz HM Seeman TE Merrill SS Mendes de Leon CF Vaccarino V Silverman DI et al Lack of association between cholesterol and coronary heart disease mortality and morbidity and all-cause mortality in persons older than 70 years JAMA 1994 Nov272(17)1335-40 doi 101001jama 1994 03520170045034 Kyriakou M Kiff PF Prognosis of the comorbid heart failure and anaemia a systematic review Clin Trials Regul Sci Cardiol 2016 Jul 1612 -21 doi101016jctrsc201601008 Lang RM Bierig M Devereux RB Flachskampf FA Foster E Pellikka PA et al Recommendations for chamber quantification a report from the American Society of Echocardiography`s guidelines and standards committee and the chamber quantification writing group developed in conjunction with the European Association of Echocardiography a branch of the European Society of Cardiology J Am Soc Echocardiogr 2005 Dec181440-1463 doi101016jctrsc 201601008 Lee DS Austin PC Rouleau JL Liu PP Naimark D Tu JV Predicting mortality among patients hospitalized for heart failure derivation and validation of a clinical model JAMA 2003 Nov290(19)2581-7doi101001jama290192581 Lee WH Packer M Prognostic importance of serum sodium concentration and its modification by converting-enzyme inhibition in patients with severe chronic heart failure Circulation 1986 Fev73(2)257-67 PMID3002660

Referecircncias Bibliograacuteficas 167

Levy WC Mozaffarian D Linker DT Sutradhar SC Anker SD Cropp AB et al The Seattle Heart Failure Model prediction of survival in heart failure Circulation 2006 Mar113(11)1424-33 doi 101161 CIRCULATIONAHA 105584102 Lewis EF Moye LA Rouleau JL Sacks FM Arnold JM Warnica JW et al CARE Study Predictors of late development of heart failure in stable survivors of myocardial infarction the CARE study J Am Coll Cardiol 2003 Oct42(8)1446-53 PMID 14563590 Likoff MJ Chandler SL Kay HR Clinical determinants of mortality in chronic congestive heart failure secondary to idiopathic dilated or to ischemic cardiomyopathy Am J Cardiol 1987 Mar59(6)634-8 PMID 3825904 Lisboa PJ A review of evidence of health benefit from artificial neural networks in medical intervention Neural Netw 2002 Jan15(1)11-39 PMID11958484 Lisboa PJ Taktak AFG The use of an artificial neural network in decision support in cancer a systematic review Neural Netw 2006 May19(4)408-15 doi101016j neunet200510007 Little RJ DrsquoAgostino R Cohen M Dickersin K Emerson SS Farrar JT et al The prevention and treatment of missing data in clinical trials N Engl J Med 2012 Oct 367(14) 1355-1360 doi101056NEJMsr1203730 Lundin M Lundin J Burke HB Toikkanen S Pylkkaumlnen L Joensuu H Artificial neural networks applied to survival prediction in breast cancer Oncology 1999 Nov57(4)281-6 doi101159000012061 MacIntyre K Capewell S Stewart S Chalmers JW Boyd J Finlayson A et al Evidence of improving prognosis in heart failure trends in case fatality in 66547 patients hospitalized between 1986 and 1995 Circulation 2000 Sep102(10)1126-31 PMID 10973841 Mahmood SS Levy D Vasan RS Wang TJ The Framingham Heart Study and the epidemiology of cardiovascular diseases a historical perspective Lancet 2014 Mar 383(9921)999ndash1008 doi 101016S0140-6736(13)61752-3 McKee PA Castelli WP McNamara PM Kanel WB The natural history of congestive heart failure the Framingham study N Engl J Med 1971 Dec 285 (26) 1441-1446 doi101056NEJM197112232852601 McManus DD Shah SJ Fabi MR Rosen A Whooley MA Schiller NB Prognostic value of left ventricular end-systolic volume index as a predictor of heart failure hospitalization in stable coronary artery disease data from the Heart and Soul Study J Am Soc Echocardiogr 2009 Fev22(2)190-7 doi 101016jecho200811005

Referecircncias Bibliograacuteficas 168

McMurray JJ Packer M Desai AS Gong J Lefkowitz MP Rizkala AR et al PARADIGM-HF Investigators and Committees Angiotensin-neprilysin inhibition versus enalapril in heart failure N Engl J Med 2014 Sep 371(11)993-1004 doi 101056NEJMoa 1409077 Mady C Cardoso RH Barretto AC da Luz PL Bellotti G Pileggi F Survival and predictors of survival in patients with congestive heart failure due to Chagasrsquo cardiomyopathy Circulation 1994 Dec90(6)3098-3102 doi 10116101CIR9063098 Maraldi C Volpato S Cesari M Onder G Pedone C Woodman RC et al Investigators of the Gruppo Italiano di Farmacoepidemiologia nellrsquoAnziano Study Anemia physical disability and survival in older patients with heart failure J Card Fail 2006 Sep12(7)533-9 doi101016 jcardfail 2006 05002 Marccedilula M Cuoco MAR Yamada ATY De Paula RS UemuraRT Barretto ACP Mansur AJ Comparison of prognostic variables between two cohorts of outpatients with heart failure in the last two decades Paris European Heart Jo0urnal (Abstract Supplement) (2011)32459 Marccedilula M de Souza Buto MF Madaloso BA Nunes RA Cuoco MA de Paula RS et al Lymphocyte count and prognosis in patients with heart failure Int J Cardiol 2015 Jun18860-2 doi 10 1016 j ijcard 201504043 Maron BJ Towbin JA Thiene G Antzelevitch C Corrado D Arnett D et al American Heart Association Council on Clinical Cardiology Heart Failure and Transplantation Committee Quality of Care and Outcomes Research and Functional Genomics and Translational Biology Interdisciplinary Working Groups Council on Epidemiology and Prevention Circulation 2006 Apr 113(14)1807-16 doi 101161 CIRCULATIONAHA 10617428 Merlo M Pyxaras SA Pinamonti B Barbati G Di Lenarda A Sinagra G Prevalence and prognostic significance of left ventricular reverse remodeling in dilated cardiomyopathy receiving tailored medical treatment J Am Coll Cardiol 2011Mar57(13)1468-76 doi101016jjacc201011030 Miller DD Brown EW Artificial intelligence in medical practice The question to the answer Am J Med 2018 Fev131(2)129ndash133 doi 101016 jamjmed201710 03 5 Milo-Cotter O Cotter G Weatherley BD Adams KF Kaluski E Uriel N et al Hyponatraemia in acute heart failure is a marker of increased mortality but not when associated with hyperglycaemia Eur J Heart Fail 2008 Jan10(2)196-200 doi101016jejheart200801008 Moutinho MA Colucci FA Alcoforado V Tavares LR Rachid MB Rosa ML et al Heart failure with preserved ejection fraction and systolic dysfunction in the community Arq Bras Cardiol 2008 Fev90 (2)132-7 doi101590S0066-782X2008000200011

Referecircncias Bibliograacuteficas 169

Myers J de Souza CR Borghi-Silva A Guazzi M Chase P Bensimhon Det al A neural network approach to predicting outcomes in heart failure using cardiopulmonary exercise testing Int J Cardiol 2014 Feb171(2)265-9 doi 101016jijcard 2013 12031 Nadruz W Jr Gioli-Pereira L Bernardez-Pereira S Marcondes-Braga FG Fernandes-Silva MM Silvestre OM et al Temporal trends in the contribution of Chagas cardiomyopathy to mortality among patients with heart failure Heart 2018 Sep104(18)1522-1528 doi 101136heartjnl-2017-312869 Neuro XL Predictor OLSOFT Software Development Available from http wwwNeuroXLcom adquirido em 2011-3-14 New York Heart Association Criteria Committee New York Heart Association Inc Diseases of the Heart and Blood Vessels Nomenclature and Criteria for diagnosis 6th ed Boston Little Brown and Co 1964 p114 [cited 1964] Available from httpwwwheartorgenhealth-topicsheart-failurewhat-is-heart-failureclasses-of-heart-failure Nieminen MS Harjola VP Hochadel M Drexler H Komajda M Brutsaert D et al Gender related diferences in patients presenting with acute heart failure Results from Euro Heart Failure Survey II Eur J Heart Fail 2008 Feb10(2)140-8 doi10 1016jejheart 200712012 Nunes LN Kluumlck MM Fachel JMG Uso da imputaccedilatildeo muacuteltipla de dados faltantes

uma simulaccedilatildeo utilizando dados epidemioloacutegicos Cad Sauacutede Puacuteblica Rio de

Janeiro 200925(2)268-278 [citado18 jan 2017] Disponiacutevel em httpdxdoiorg10

1590SO102-311X2009000200005

Nunes LN Meacutetodos de imputaccedilatildeo de dados aplicados na aacuterea da sauacutede

[dissertaccedilatildeo] Rio Grande do Sul Universidade Federal do Rio Grande do Sul

Instituto de Epidemiologia 2011 [citado 01 jan 2018] Disponiacutevel em

httphdlhandlenet10183 11422

Nunes MC Rocha MO Ribeiro AL Colosimo EA Rezende RA Carmo GA et al Right ventricular dysfunction is an independent predictor of survival in patients with dilated chronic Chagas cardiomyopathy Int J Cardiol 2008 Jul 127 (3)372-9 doi101016jijcard200706012 Nunes MC Dones W Morillo CA Encina JJ Ribeiro AL Council on Chagas Disease

of the Interamerican Society of Cardiology Chagas disease an overview of clinical

and epidemiological aspects J Am Coll Cardiol 2013 Aug 62 (9)767-76 doi 10

1016jjacc201305046

Ogava MH Redes neurais em anaacutelise de sobrevivecircncia uma aplicaccedilatildeo na aacuterea de relacionamento com clientes [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 D45 2007tde-26082007-225003

Referecircncias Bibliograacuteficas 170

Ogulata SN Sahin C Erol R Neural network-bases computer-aided diagnosis in classification of primary generalized epilepsy by EEG signals J Med Syst 2009 Apr33(2)107-12 PMID 19397095 Okoshi MP Capalbo RV Romeiro FG Okoshi K Cardiac Cachexia perspectives for prevention and treatment Arq Bras Cardiol 2017 Jan 108(1)74-80 doi 105935 abc20160142 Oliveira JW Valecircncia DM Medeiros PG Marccedilula M Risk-adjusted monitoring of time to event in the presence of long-term survivors Biom J 2016 Nov 58(6)1485-1505 doi101002 bimj 201500094 Ortiz J Ghefter CGM Silva CE Sabbatini RME One-year mortality prognosis in heart failure a neural network approach based on echocardiographic data J Am Coll Cardiol 1995a Dec26(7)1586-93 doi1010160735-1097(95)00385-1 Ortiz J Sabbatini RME Ghefter CGM Silva CES Uso de redes neurais artificiais na avaliaccedilatildeo da sobrevida na insuficiecircncia cardiacuteaca Arq Bras Cardiol 1995b Jan64(1)87-90 PMID 7669018 Packer M Coats AJ Fowler MB Katus H Mohacsi P Rouleau JL et al Carvedilol prospective randomized cumulative survival study group N Engl J Med 2001 May344(22)1651-8 doi 101056NEJM200105313442201 Paes TA Uso de modelos com fraccedilatildeo de cura na anaacutelise de dados de sobrevivecircncia com omissatildeo nas covariaacuteveis [tese] Satildeo Paulo Universidade de Satildeo Paulo Instituto de Matemaacutetica e Estatiacutestica 2007 doi1011606 T45 2007tde-22072007-134749 Palazzuoli A Lombardi C Ruocco G Padeletti M Nuti R Metra M et al Chronic kidney disease and worsening renal function in acute heart failure different phenotypes with similar prognostic impact Eur Heart J Acute Cardiovasc Care 2016 Dec5(8)534-548 doi1011772048872615589511 Papik K Molnar B Schaefer R Dombovarl Z Tulassay Z Feher J Application of neural networks in medicine - a review Med Sci Monit 19984(3)538-546 [cited 1997 dec 30] Available from httppdfssemanticscholarorg2da18cb0287042e27ded932f9 Pereira Barretto AC Nobre MRC Wajngarten M Canesin MF Ballas D Serro-Azul JB Heart failure in a large tertiary hospital of Satildeo Paulo Arq Bras Cardiol 1998 Jul71(1)15-20 doi101590S0066-782X1998000700004 Pereira Barretto AC Nobre MRC Lancarotte I Scipioni AR Ramires JAF Do cardiologists at a University Hospital adopt the guidelines for the treatment of heart failure Arq Bras Cardiol 2001 Jul77(1)30-60 PMID11500745

Referecircncias Bibliograacuteficas 171

Peto R Peto J Asymptotically efficient rank invariant test procedures J R Stat Soc Ser A1972135(2)185-207 Pfeffer MA Swedberg K Granger CB Held P McMurray JJ Michelson EL et al CHARM Investigators and Committees Effects of candesartan on mortality and morbidity in patients with chronic heart failure the CHARM-Overall programme Lancet 2003 Sep 362(9386)759-66 PMID13678868 Pimentel R Couto M Laszczyńska O Friotildees F Bettencourt P Azevedo A Prognostic value of worsening renal function in outpatients with chronic heart failure Eur J Intern Med 2014 Sep25(7)662-8 doi101016jejim201406002 Pitt B Zannad F Remme WJ Cody R Castaigne A Perez A et al The effect of

spironolactone on morbidity and mortality in patients with severe heart failure N Engl

J Med 1999 Sep341709-17 doi 101056NEJM199909023411001

Pitt B Remme WJ Zannad F Neaton J Martinez F Roniker B et al Eplerenone a

selective aldosterone blocker in patients with left ventricular dysfunction after

myocardial infarction N Engl J Med 2003 May3481309-21 doi

101056NEJMmMoa030207

Pocock SJ Wang D Pfeffer MA Yusuf S McMurray JJ Swedberg KB et al Predictors of mortality and morbidity in patients with chronic heart failure Eur Heart J 2006 Jan27(1)65-75 doi101093eurheartjehi555 Ponikowski P Voors AA Anker SD Bueno H Cleland JGF Coats AJS et al 2016 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure The Task Force for the diagnosis and treatment of acute and chronic heart failure of the European Society of Cardiology (ESC) Developed with the special contribution of the Heart Failure Association (HFA) of the ESC Eur J Heart Fail 2016 Jul18891-975 doi101002ejhf592 [cited 2016 jul 14] Available from httpeurheartj oxford journalsorg doi10 1093 eur heartj ehw128 Poole-Wilson PA Uretsky BF Thygesen K Cleland JG Massie BM Rydeacuten L Atlas Study Group Assessment of treatment with lisinopril and survival Mode of death in heart failure findings from the ATLAS trial Heart 2003 Jan89(1)42-8 PMID12482789 Rassi AJr Rassi A Little WC Xavier SS Rassi SG Rassi AG et al Development and validation of a risk score for predicting death in Chagasacute heart disease N Engl J Med 2006 Aug 355(8)799-808 doi101056NEJMoa053241 Rassi AJr Rassi A Rassi SG Predictors of mortality in chronic Chagas disease a systematic review of observational studies Circulation 2007 Mar 115(9)1101-8 doi101161CIRCULATIONAHA106627265 Rassi AJr Rassi A Marin-Neto Chagas disease Lancet 2010 Apr3751388-402 doi101016S0140-6736(10)60061-X

Referecircncias Bibliograacuteficas 172

Rauchhaus M Clark AL Doehner W Davos C Bolger A Sharma R et al The relationship between cholesterol and survival in patients with chronic heart failure J Am Coll Cardiol 2003 Dec42(11)1933-40 PMID14662255 Remme WJ Swedberg K Task force for the diagnosis and treatment of chronic heart failure European Society of Cardiology Guidelines for the diagnosis and treatment of chronic heart failure Eur Heart J 2001 Sep22(17)1527-60 doi 10 1053 euhj20012783 Erratum in Eur Heart J 200122(23)2217-8 Rohde LE Clausell N Ribeiro JP Goldraich L Netto R William Dec G et al Health outcomes in decompensated congestive heart failure a comparison of tertiary hospitals in Brazil and United States Int J Cardiol 2005 Jun102(1)71-7 doi101016jijcard200404006 Roger VL Weston SA Redfield MM Hellermann-Homan JP Killian J Yawn BP et al Trends in heart failure incidence and survival in a community-based population JAMA 2004Jul292(3)344-50 doi101001jama2923344 Roger VL Epidemiology of heart failure Circ Res 2013 Aug113(6)646-59 doi 101161CIRCRESAHA113300268 Rossignol P Meacutenard J Fay R Gustafsson F Pitt B Zannad F Eplerenone survival benefits in heart failure patients post-myocardial infarction are independent from its diuretic and potassium-sparing effects Insights from an EPHESUS (Eplerenone Post-Acute Myocardial Infarction Heart Failure Efficacy and Survival Study) substudy J Am Coll Cardiol 2011 Nov58(19)1958-66 doi 101016jjacc201104049 Sacks CA Jarcho JA Curfman GD Paradigm shifts in heart-failure therapy-a timeline N Engl J Med 2014 Sep371(11)989-91 doi 101056 NEJMp 1410241 Sanchez ECM Controle por aprendizado acelerado e neuro-fuzzi de sistemas servo-hidraacuteulicos de alta frequecircncia [dissertaccedilatildeo] Rio de Janeiro Pontifiacutecia Universidade Catoacutelica do Rio de Janeiro Engenharia Mecacircnica 2009 Certificado Digital nordm0721406CA Disponiacutevel em www2dbdpuc-riobrpergamumtesesabertas 0721406_09_cap_03pdf Santos TM Avaliaccedilatildeo do desempenho de modelos preditivos no contexto de anaacutelise de sobrevivecircncia [dissertaccedilatildeo] Satildeo Paulo Universidade de Satildeo Paulo doi 1011606D452013tde-03092013-111337 [citado 2017 jan 11]Disponiacutevel em httpwwwtesesuspbr Scott R Artificial intelligence its use in medical diagnosis J Nucl Med 1993 Mar34(3)510-4 PMID8441047 Senni M Tribouilloy CM Rodeheffer RJ Jacobsen SJ Evans JM Bailey KR et al Congestive heart failure in the community trends in incidence and survival in a 10-year period Arch Intern Med 1999 Jan159(1)29-34 PMID 98923 27

Referecircncias Bibliograacuteficas 173

Senni M Redfield MM Heart failure with preserved systolic function A different natural history J Am Coll Cardiol 2001 Nov38(5)1277-82 PMID11691495 Senni M Santilli G Parrella P De Maria R Alari G Berzuini C et al A novel prognostic index to determine the impact of cardiac conditions and co-morbidities on one-year outcome in patients with heart failure Am J Cardiol 2006 Oct98(8)1076-82 doi101016 jamjcard 200605031 Shah KS Xu H Matsouaka RA Bhatt DL Heidenreich PA Hernandez AF et al Heart failure with preserved borderline and reduced ejection fraction 5-year outcomes J Am Coll Cardiol 2017Nov70 (20)2476-2486 doi101016jjacc201708074 Silva LA Hernandez EDM Rangayyan MR Classification of breast masses using a committee machine of artificial neural networks J Eletron Imaging 2008 Jan-Fev17 (1)1-10 Biblioteca Digital da Produccedilatildeo Intelectual - BDPI Universidade de Satildeo Paulo [cited 18 mar 2008] Available from httpproducao uspbrhandleBDPI14703 Silva CP Bacal F Pires PV Mangini S Issa VS Moreira SF et al Heart failure profile at the beta blockers Arq BrasCardiol 2007 Apr88475-9 doi101590S0066 - 782X20070004000 018 Silverberg DS Wexler D Blum M Keren G Sheps D Leibovitch E et al The use of subcutaneous erythropoietin and intravenous iron for the treatment of the anemia of severe resistant congestive heart failure improves cardiac and renal function and functional cardiac class and markedly reduces hospitalizations J Am Coll Cardiol 2000 Jun35(7)1737-44 PMID10841219 Sinha RK Aggarwal Y Das BN Backpropagation artificial neural network detects change in electro-encephalogram power spectra of syncopic patients J Med Syst 2007 Feb31(1)63-8 PubMed PMID17283923 Steinberg BA Fang JC Long-term outcomes of acute heart failure Where are we now J Am Coll Cardiol 2017 Nov70(20)2487-2489 doi 101016 jjacc 201708075 Swedberg K Cleland J Dargie H Drexler H Follath F Komajda M et al Task Force for the diagnosis and treatment of chronic heart failure of the european society of cardiology Eur Heart J 2005 Mai26(11)1115-40 doi 101093 eurheartj ehi204 Swedberg K Komajda M Boumlhm M Borer JS Ford I Dubost-Brama A et al SHIFT Investigators Ivabradine and outcomes in chronic heart failure (SHIFT) a randomised placebo-controlled study Lancet 2010 Sep376(9744)875-85 doi 101016S0140-6736(10)61198-1 Erratum in Lancet 2010376(9757)1988 Lajnscak M [corrected to Lainscak M] Rabanedo I Roldan [corrected to Rabadaacuten I Roldan] Leva M [corrected to Ieva M]

Referecircncias Bibliograacuteficas 174

Tang YD Katz SD The prevalence of anemia in chronic heart failure and its impact on the clinical outcomes Heart Fail Rev 2008 Dec13(4)387-92 doi 10 1007s 10741-008-9089-7 Theodoropoulos TA Bestetti RB Otaviano AP Cordeiro JA Rodrigues VC Silva AC Predictors of all-cause mortality in chronic Chagas heart disease in the current era of heartfailure therapy Int J Cardiol 2008 Aug128(1)22-9 doi 101016jijcard 200711 057 Tourassi GD Floyd CE Sostman HD Coleman RE Artificial neural network for diagnosis of acute pulmonary embolism effect of case and observer selection Radiology 1995 Mar194(3)889-93 doi101148radiology19437862997 Uthamalingam S Patvardhan EA Subramanian S Ahmed W Martin W Daley M et al Utility of the neutrophil to lymphocyte ratio in predicting long- term outcomes in acute decompensated heart failure Am J Cardiol 2011 Fev 107 (3) 433-8 doi10 1016jamjcard201009039 Vardeny O Wu DH Desai A Rossignol P Zannad F Pitt B et al RALES Investigators Influence of baseline and worsening renal function on efficacy of spironolactone in patients with severe heart failure insights from RALES (Randomized Aldactone Evaluation Study) J Am Coll Cardiol 2012 Nov60(20)2082-9 doi101016jjacc201207048 Vasan RS Larson MG Leip EP Evans JC ODonnell CJ Kannel WB et al Impact of high-normal blood pressure on the risk of cardiovascular disease N Engl J Med 2001 Nov345(18)1291-7 doi101056NEJMoa003417 Veloso LG de Oliveira MT Jr Munhoz RT Morgado PC Ramires JA Barretto AC Nutritional repercussion in advanced heart failure and its value in prognostic assessment Arq Bras Cardiol 2005 Jun84(6)480-5 doiS0066-782X2005000 600009 Volpato S Zuliani G Guralnik JM Palmieri E Fellin R The inverse association between age and cholesterol level among older patients the role of poor health status Gerontology 2001a Jan-Fev47(1)36-45 doi 101159000052768 Volpato S Leveille SG Corti MC Harris TB Guralnik JM The value of serum albumin and high-density lipoprotein cholesterol in defining mortality risk in older persons with low serum cholesterol J Am Geriatr Soc 2001b Sep49(9)1142-7 PMID11559371 Von Zubben FJ Attux RRF Perceptron de muacuteltiplas camadas IA353-Profs Fernando J Von Zuben amp Romis RFAttux DCAFEECUnicamp amp DECOM FEECUnicampToacutepico 5 [citado 2001] Disponiacutevel em ftpftpdcafeeunicampbrpubdocs vonzubenia353_1s07topico5_07pdf

Referecircncias Bibliograacuteficas 175

Waikar SS Mount DB Curhan GC Mortality after hospitalization with mild moderate and severe hyponatremia Am J Med 2009 Sep122(9)857-65 doi 101016j amjmed 200901027 Ware JH Harrihgton D Hunter DJ DrsquoAgostino Sr Missing data N Engl J Med 2012 Oct367(14)1353-1354 PIMC 3771340 Wilding P Morgan MA Grygotis AE Shoffner MA Rosato EF Application of backpropagation neural networks to diagnosis of breast and ovarian cancer Cancer Lett 1994 Mar 1577(2-3)145-53 PMID 8168061 WHO Expert Committee on Physical Status the use and Interpretation of Anthropometry (1993 Geneva Switzerland) amp World Health Organization (1995) Physical status the use of and interpretation of anthropometry report of a WHO expert committee Geneva World Health Organization[cited 1995] Available from httpwww whointirishandle1066537003 World Health Organization (WHO) ICD-10 Version 2010 ndash International Classification of Diseases 10 th revision [cited 2010] Available from http appswhoint classifications icd10browse2010en Yuan Y Prediction performance of survival models [tese] Canada University of Waterloo Ontario 2008 [cited 2008]Available fromhttpuwspaceuwaterloocabitstream100 1239741thesispdf Zannad F Garcia AA Anker SD Armstrong PW Calvo G Cleland JG et al Clinical outcome endpoints in heart failure trials a European Society of Cardiology Heart Failure Association consensus document Eur J Heart Fail 2013 Oct15(10)1082-94 doi101093eurjhfhft095 Zugck C Kruumlger C Kell R Koumlrber S Schellberg D Kuumlbler W et al Risk stratification in middle-aged patients with congestive heart failureprospective comparison of the Heart Failure Survival Score (HFSS) and a simplified two-variable model Eur J Heart Fail 2001 Oct3(5)577-85 PMID 11595606

Page 8: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 9: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 10: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 11: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 12: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 13: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 14: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 15: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 16: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 17: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 18: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 19: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 20: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 21: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 22: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 23: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 24: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 25: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 26: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 27: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 28: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 29: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 30: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 31: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 32: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 33: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 34: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 35: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 36: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 37: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 38: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 39: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 40: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 41: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 42: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 43: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 44: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 45: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 46: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 47: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 48: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 49: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 50: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 51: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 52: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 53: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 54: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 55: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 56: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 57: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 58: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 59: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 60: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 61: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 62: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 63: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 64: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 65: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 66: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 67: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 68: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 69: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 70: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 71: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 72: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 73: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 74: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 75: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 76: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 77: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 78: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 79: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 80: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 81: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 82: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 83: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 84: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 85: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 86: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 87: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 88: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 89: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 90: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 91: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 92: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 93: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 94: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 95: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 96: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 97: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 98: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 99: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 100: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 101: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 102: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 103: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 104: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 105: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 106: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 107: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 108: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 109: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 110: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 111: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 112: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 113: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 114: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 115: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 116: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 117: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 118: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 119: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 120: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 121: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 122: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 123: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 124: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 125: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 126: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 127: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 128: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 129: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 130: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 131: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 132: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 133: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 134: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 135: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 136: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 137: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 138: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 139: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 140: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 141: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 142: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 143: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 144: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 145: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 146: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 147: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 148: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 149: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 150: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 151: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 152: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 153: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 154: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 155: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 156: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 157: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 158: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 159: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 160: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 161: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 162: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 163: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 164: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 165: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 166: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 167: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 168: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 169: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 170: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 171: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 172: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 173: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 174: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 175: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 176: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 177: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 178: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 179: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 180: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 181: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 182: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 183: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 184: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 185: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 186: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 187: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 188: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 189: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 190: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 191: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 192: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 193: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 194: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 195: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 196: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 197: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 198: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 199: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 200: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 201: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 202: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 203: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao
Page 204: Avaliação prognóstica em pacientes com insuficiência cardíaca … · 2019. 5. 22. · Marcelo Marçula, pela revisão e edição dos gráficos apresentados neste trabalho. Ao