Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/45255
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2026_MarcusHenriqueDeOliveiraGoncalves_tcc.pdf1,66 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorGovêia, Catia Sousa-
dc.contributor.authorGonçalves, Marcus Henrique de Oliveira-
dc.identifier.citationGONÇALVES, Marcus Henrique de Oliveira. Estudo de validação de modelo preditivo de via aérea difícil com aprendizado de máquinas. 2026. 50 f. Trabalho de Conclusão de Curso (Especialização em Anestesiologia) — Universidade de Brasília, Brasília, 2026.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (especialização) — Universidade de Brasília, Faculdade de Medicina, Programa de Residência Médica HUB/UnB, Curso de Especialização em Residência Médica - Anestesiologia, 2026.pt_BR
dc.description.abstractIntrodução: A previsão de via aérea difícil permanece um desafio clínico relevante, especialmente pela ausência de modelos validados que integrem achados clínicos, anatômicos e ultrassonográficos. Neste cenário, ferramentas baseadas em inteligência artificial despontam como estratégias inovadoras para aprimorar a detecção de pacientes com risco elevado de dificuldade durante a laringoscopia e ventilação com máscara. Objetivos: O estudo tem como objetivo primário validar diferentes métodos de avaliação da via aérea, incluindo os escores de Wilson, El-Ganzouri, Langeron, além de um escore desenvolvido localmente a partir de um estudo piloto. E como objetivo secundário, identificar, por meio de redes bayesianas e aprendizado de máquinas, a combinação de preditores com melhor desempenho para estimar risco de dificuldade na via aérea. Método: Estudo observacional e prospectivo com 150 adultos submetidos à anestesia geral. Foram coletados dados demográficos, clínicos, anatômicos e ultrassonográficos padronizados. Laringoscopia difícil foi definida como Cormack-Lehane ≥ III, e ventilação difícil como graus II–IV pela classificação de Han. Os preditores foram analisados por métodos frequentistas e posteriormente integrados em redes bayesianas utilizando a técnica de Associação Incremental com Camada de Markov (IAMB). Sensibilidade, especificidade e acurácia foram usadas para avaliar o desempenho dos modelos. Modelos ingênuos serviram como comparadores mínimos aceitáveis. Resultados: A incidência de laringoscopia difícil foi de 12,66% e de ventilação difícil, 37,3%. Para laringoscopia difícil, nenhum dos modelos — incluindo escores tradicionais, parâmetros ultrassonográficos e redes bayesianas — identificou adequadamente os casos positivos, resultando em sensibilidade de 0%, apesar da alta especificidade (100%). Assim, não houve desempenho superior ao modelo ingênuo. Para ventilação difícil, as redes bayesianas apresentaram desempenho adequado, especialmente os modelos incluindo STOP-BANG, circunferência cervical e ausência de dentes, com acurácia de 71% (IC 95%: 62–78%) e 74% (IC 95%: 65–81%) nos modelos geral e derivado do estudo piloto, respectivamente, ambos superiores ao modelo ingênuo (p < 0,05). STOP-BANG, retrognatismo, idade, IMC e medidas ultrassonográficas mostraram associação consistente com ventilação difícil. Conclusão: Apesar do bom desempenho para ventilação difícil, a predição de laringoscopia difícil permanece limitada, reforçando a necessidade de estudos com populações maiores. Este estudo contribui para aprimorar a avaliação pré-operatória da via aérea, especialmente no que diz respeito à ventilação com máscara e ao uso de ultrassom como ferramenta complementar.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordManuseio das vias aéreaspt_BR
dc.subject.keywordLaringoscopiapt_BR
dc.subject.keywordUltrassonografiapt_BR
dc.subject.keywordTeorema de Bayespt_BR
dc.titleEstudo de validação de modelo preditivo de via aérea difícil com aprendizado de máquinaspt_BR
dc.typeTrabalho de Conclusão de Curso - Especializaçãopt_BR
dc.date.accessioned2026-07-30T16:26:22Z-
dc.date.available2026-07-30T16:26:22Z-
dc.date.submitted2026-
dc.identifier.urihttps://bdm.unb.br/handle/10483/45255-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
Aparece na Coleção:Residência Médica de Anestesiologia



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.