RESUMO:
Objetivo:
Analisar o subdiagnóstico da COVID-19 por meio de nowcasting com machine learning em uma capital do sul do Brasil.
Métodos:
Estudo ecológico observacional utilizando dados de 3.916 casos notificados de COVID-19 de 14 de abril a 2 de junho de 2020 em Florianópolis, Brasil. O algoritmo de machine learning foi usado para classificar os casos que ainda não tinham diagnóstico, produzindo o nowcasting. Para analisar o subdiagnóstico, foi comparada a diferença entre os dados sem nowcasting e a mediana das projeções com nowcasting para todo o período e para os seis dias a partir da data de início dos sintomas.
Resultados:
O número de novos casos sem nowcasting durante todo o período foi de 389, com nowcasting foi de 694 (IC95% 496–897). No período de seis dias, o número sem nowcasting foi de 19 e 104 (IC95% 60–142) com nowcasting. O subdiagnóstico foi de 37,29% em todo o período e 81,73% no período de seis dias. O subdiagnóstico foi mais crítico em seis dias, desde a data do início dos sintomas até o diagnóstico antes da coleta de dados, do que em todo o período.
Conclusão:
O uso de nowcasting com técnicas de machine learning pode ajudar a estimar o número de novos casos da doença.
Palavras-Chave:
COVID-19; Sub-Registro; Prognóstico imediato; Aprendizado de máquina
Thumbnail
