EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

ESTRATIFICAÇÃO DE RISCO CLÍNICO-GENÔMICA NA COVID-19 POR MACHINE LEARNING EM UMA COORTE HOSPITALAR BRASILEIRA

AMANDA RAZERA, EDUARDO DE ALMEIDA RAVARENA, MAIARA LUIZA BIAVA MIRI, GABRYELA PAULISTA MATEUCCI, CAMILA PADILHA DUDA, KATIUSCIA DE OLIVEIRA FRANCISCO GABRIEL

Arquivos Catarinenses de Medicina · 27.03.2026 · 55 (1) · 142-155

DOI: 10.63845/90hn9r30 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Arquivos Catarinenses de Medicina, online erschienen am 27.03.2026. Verfasst von AMANDA RAZERA und 5 weiteren Autor:innen. Die Arbeit nennt 15 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Este estudo de coorte retrospectivo investigou a estratificação de risco para desfechos adversos na infecção por SARS-CoV-2 por meio da integração de dados clínicos e genômicos associada à modelagem preditiva por aprendizado de máquina. Foram analisados dados de 158 pacientes com diagnóstico confirmado de COVID-19 atendidos em hospitais do estado do Paraná entre 2020 e 2021, incluindo variáveis clínicas estruturadas e variantes genéticas obtidas por sequenciamento do exoma humano. A abordagem integrada demonstrou maior capacidade discriminatória na predição de desfechos adversos quando comparada a modelos baseados em domínios isolados, evidenciando a interação entre vulnerabilidade clínica e predisposição genética. A análise de importância das variáveis indicou maior contribuição preditiva de comorbidades cardiometabólicas, manifestações respiratórias e variantes em genes relacionados à função cardiovascular, com destaque para polimorfismos nos genes GRK5, NEBL e SYNPOSL. Entre os algoritmos avaliados, modelos baseados em ensemble, especialmente o Gradient Boosting (XGBoost), apresentaram melhor desempenho preditivo global. Os achados reforçam o potencial da integração clínico-genômica associada ao aprendizado de máquina como estratégia promissora para estratificação de risco individualizada e avanço da medicina de precisão no contexto das doenças infecciosas sistêmicas.

Zitieren

APA

RAZERA, A., RAVARENA, E. D. A., MIRI, M. L. B., MATEUCCI, G. P., DUDA, C. P., & GABRIEL, K. D. O. F. (2026). ESTRATIFICAÇÃO DE RISCO CLÍNICO-GENÔMICA NA COVID-19 POR MACHINE LEARNING EM UMA COORTE HOSPITALAR BRASILEIRA. Arquivos Catarinenses de Medicina, 55(1), 142-155. https://doi.org/10.63845/90hn9r30

Vancouver

RAZERA A, RAVARENA EDA, MIRI MLB, MATEUCCI GP, DUDA CP, GABRIEL KDOF. ESTRATIFICAÇÃO DE RISCO CLÍNICO-GENÔMICA NA COVID-19 POR MACHINE LEARNING EM UMA COORTE HOSPITALAR BRASILEIRA. Arquivos Catarinenses de Medicina. 2026;55(1):142-155. doi:10.63845/90hn9r30

BibTeX
@article{RAZERA2026,
  author = {RAZERA, AMANDA and RAVARENA, EDUARDO DE ALMEIDA and MIRI, MAIARA LUIZA BIAVA and MATEUCCI, GABRYELA PAULISTA and DUDA, CAMILA PADILHA and GABRIEL, KATIUSCIA DE OLIVEIRA FRANCISCO},
  title = {ESTRATIFICAÇÃO DE RISCO CLÍNICO-GENÔMICA NA COVID-19 POR MACHINE LEARNING EM UMA COORTE HOSPITALAR BRASILEIRA},
  journal = {Arquivos Catarinenses de Medicina},
  year = {2026},
  volume = {55},
  number = {1},
  pages = {142--155},
  doi = {10.63845/90hn9r30}
}
Kostenlos starten →