| Campo Dublin Core | Valor | Língua |
| dc.contributor.advisor | Govêia, Catia Sousa | - |
| dc.contributor.author | Gonçalves, Marcus Henrique de Oliveira | - |
| dc.identifier.citation | GONÇALVES, 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.description | Trabalho 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.abstract | Introdução: 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.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Manuseio das vias aéreas | pt_BR |
| dc.subject.keyword | Laringoscopia | pt_BR |
| dc.subject.keyword | Ultrassonografia | pt_BR |
| dc.subject.keyword | Teorema de Bayes | pt_BR |
| dc.title | Estudo de validação de modelo preditivo de via aérea difícil com aprendizado de máquinas | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Especialização | pt_BR |
| dc.date.accessioned | 2026-07-30T16:26:22Z | - |
| dc.date.available | 2026-07-30T16:26:22Z | - |
| dc.date.submitted | 2026 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/45255 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A 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
|