Artigo de periodico

Emergency department use and Artificial Intelligence in Pelotas: design and baseline results (2023)

• Authors:
  • Delpino, Felipe Mendes
  • Figueiredo, Lílian Munhoz
  • Costa, Ândria Krolow
  • Carreno, Ioná
  • Silva, Luan Nascimento da
  • Flores, Alana Duarte
  • Pinheiro, Milena Afonso
  • Silva, Eloisa Porciúncula da
  • Marques, Gabriela Ávila
  • Saes, Mirelle de Oliveira
  • Duro, Suele Manjourany Silva
  • Facchini, Luiz Augusto
  • Vissoci, João Ricardo Nickenig
  • Flores, Thaynã Ramos
  • Demarco, Flávio Fernando
  • Blumenberg, Cauane
  • Chiavegatto Filho, Alexandre Dias Porto
  • Silva, Inácio Crochemore da
  • Batista, Sandro Rodrigues
  • Arcêncio, Ricardo Alexandre
  • Nunes, Bruno Pereira
• USP affiliated authors: CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO - FSP ; ARCÊNCIO, RICARDO ALEXANDRE - EERP
• Unidades: FSP; EERP
• DOI: 10.1590/1980-549720230021
• Subjects: INTELIGÊNCIA ARTIFICIAL; SERVIÇOS MÉDICOS DE EMERGÊNCIA; DOENÇA CRÔNICA; OBESIDADE
• Keywords: Aprendizado de máquina; Multimorbidade; Urgência e emergência; Machine learning; Chronic diseases; Multimorbidity; Urgent and emergency care
• Agências de fomento:
  • Financiado pelo CNPq
  • Financiamento FAPERGS
• Language: Inglês
• Abstract: Objetivo: Descrever os resultados iniciais da linha de base de um estudo de base populacional, bem como um protocolo para avaliar o desempenho de diferentes algoritmos de aprendizado de máquina, com o objetivo de predizer a demanda de serviços de urgência e emergência em uma amostra representativa de adultos da zona urbana de Pelotas, no Sul do Brasil. Métodos: O estudo intitula-se “Emergency department use and Artificial Intelligence in PELOTAS (RS) (EAI PELOTAS)” (https://wp.ufpel.edu.br/eaipelotas/). Entre setembro e dezembro de 2021, foi realizada uma linha de base com os participantes. Está previsto um acompanhamento após 12 meses para avaliar a utilização de serviços de urgência e emergência no último ano. Em seguida, serão testados algoritmos de machine learning para predizer a utilização de serviços de urgência e emergência no período de um ano. Resultados: No total, 5.722 participantes responderam à pesquisa, a maioria do sexo feminino (66,8%), com idade média de 50,3 anos. O número médio de pessoas no domicílio foi de 2,6. A maioria da amostra tem cor da pele branca e ensino fundamental incompleto ou menos. Cerca de 30% da amostra estava com obesidade, 14% com diabetes e 39% eram hipertensos. Conclusão: O presente trabalho apresentou um protocolo descrevendo as etapas que foram e serão tomadas para a produção de um modelo capaz de prever a demanda por serviços de urgência e emergência em um ano entre moradores de Pelotas, no estado do Rio Grande do Sul
• Imprenta:
  • Publisher place: Rio de Janeiro
  • Date published: 2023
• Source:
  • Título: Revista Brasileira de Epidemiologia
  • ISSN: 1980-5497
  • Volume/Número/Paginação/Ano: v. 26, art. e230021, [8] p, 2023

Informações sobre o DOI: 10.1590/1980-549720230021 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by

---

Download do texto completo

Tipo	Nome	Link
	HEP_69_2023.pdf	Direct link

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  DELPINO, Felipe Mendes et al. Emergency department use and Artificial Intelligence in Pelotas: design and baseline results. Revista Brasileira de Epidemiologia, v. 26, 2023Tradução . . Disponível em: https://doi.org/10.1590/1980-549720230021. Acesso em: 27 dez. 2025.

• APA

  Delpino, F. M., Figueiredo, L. M., Costa, Â. K., Carreno, I., Silva, L. N. da, Flores, A. D., et al. (2023). Emergency department use and Artificial Intelligence in Pelotas: design and baseline results. Revista Brasileira de Epidemiologia, 26. doi:10.1590/1980-549720230021

• NLM

  Delpino FM, Figueiredo LM, Costa ÂK, Carreno I, Silva LN da, Flores AD, Pinheiro MA, Silva EP da, Marques GÁ, Saes M de O, Duro SMS, Facchini LA, Vissoci JRN, Flores TR, Demarco FF, Blumenberg C, Chiavegatto Filho ADP, Silva IC da, Batista SR, Arcêncio RA, Nunes BP. Emergency department use and Artificial Intelligence in Pelotas: design and baseline results [Internet]. Revista Brasileira de Epidemiologia. 2023 ; 26[citado 2025 dez. 27 ] Available from: https://doi.org/10.1590/1980-549720230021

• Vancouver

  Delpino FM, Figueiredo LM, Costa ÂK, Carreno I, Silva LN da, Flores AD, Pinheiro MA, Silva EP da, Marques GÁ, Saes M de O, Duro SMS, Facchini LA, Vissoci JRN, Flores TR, Demarco FF, Blumenberg C, Chiavegatto Filho ADP, Silva IC da, Batista SR, Arcêncio RA, Nunes BP. Emergency department use and Artificial Intelligence in Pelotas: design and baseline results [Internet]. Revista Brasileira de Epidemiologia. 2023 ; 26[citado 2025 dez. 27 ] Available from: https://doi.org/10.1590/1980-549720230021

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Machine learning for predicting chronic diseases: a systematic review
• Cobertura vacinal em menores de um ano e fatores socioeconômicos associados: mapas da heterogeneidade espacial
• IAs e ChatGPT: ética e segurança no uso de algoritmos
• Desigualdade de renda e doenças cardiovasculares no Brasil: uma análise multinível
• The epidemiology of personality disorders in the Sao Paulo Megacity general population
• Inteligência artificial pode melhorar decisões clínicas sobre tratamento no Brasil
• Determinants of the use of health care services: multilevel analysis in the Metropolitan Region of Sao Paulo
• Neighbourhood characteristics and mental disorders in three Chinese cities: multilevel models from the World Mental Health Surveys
• Partos cesáreos e a escolha da data de nascimento no Município de São Paulo
• Standardization of the food composition database used in the Latin American nutrition and health study (ELANS)