English  Français

Machine Learning for malaria treatment schema recommendation using routine surveillance data

Carlos Beluzo, Universidade Estadual de Campinas (UNICAMP)
Everton Silva, Federal Institute of São Paulo
Natália M. Arruda, Federal Institute of São Paulo
Vinícius Maia, NEPO
Bianca Cechetto Carlos, NEPO
Tiago Carvalho, Federal Institute of São Paulo
Luciana C. Alves, University of Campinas (UNICAMP)

Le paludisme, une maladie parasitaire prédominante dans les régions les moins développées, est un problème de santé publique mondiale, qui touche certaines des plus grandes populations du monde. Parmi les différents facteurs qui démontrent les mesures de réponse aux personnes infectées, le schéma thérapeutique sélectionné pour être utilisé chez les personnes infectées est crucial pour le rétablissement efficace et efficient des patients, ainsi que pour les activités de planification de la santé publique. Selon les informations du Système brésilien de surveillance épidémiologique du paludisme (SIVEP-Malaria), il existe actuellement environ 22 schémas thérapeutiques qui peuvent être recommandés aux patients, et leur sélection est déterminée par plusieurs facteurs. Dans cet article, nous présentons un modèle d'apprentissage automatique pour recommander le traitement à utiliser chez les patients enregistrés avec le paludisme. Le modèle est formé avec des informations épidémiologiques, démographiques et socio-économiques. Lors d'expériences préliminaires, en utilisant l'algorithme Extreme Gradient Boost, deux modèles ont été construits, pour les deux schémas thérapeutiques les plus fréquents. Les modèles ont atteint une valeur de précision de 0,94 avec une valeur AUC de 0,914 lors de la prédiction du « traitement de schéma 6 » par rapport à tous les autres schémas, et une valeur de précision de 0,93 avec une valeur AUC de 0,911 lors de la prédiction du « traitement de schéma 17 ».

Keywords: Experimental methods, Digital and computational demography, Health and morbidity, Big data / Social media

See extended abstract.

  Presented in Session 130. Use and Misuse of Preventive and Curative Treatments: The Role of Socioeconomic Factors