Árvores de decisão para inferência de desobstrução ineficaz de vias aéreas e padrão respiratório ineficaz de crianças com infecção respiratória aguda

• Ano de defesa: 2011
• Autor(a) principal: Chaves, Daniel Bruno Resende
• Orientador(a): Silva, Viviane Martins da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Diagnóstico de Enfermagem; Infecções Respiratórias
• Link de acesso: http://www.repositorio.ufc.br/handle/riufc/3992

Muitas dificuldades são encontradas na implementação de classificações de enfermagem na prática clínica. Destaca-se a falta de familiaridade dos enfermeiros com os sistemas de classificação e as dificuldades na tomada de decisão diagnóstica associadas às deficiências no processo de raciocínio diagnóstico. Assim, estudos que desenvolvam ferramentas tecnológicas como as árvores de decisão (AD) podem contribuir para agilizar a tomada de decisão diagnóstica e facilitar o uso destes fenômenos. Objetivou-se gerar árvores de decisão baseadas em probabilidades condicionais para auxílio na inferência diagnóstica de Desobstrução ineficaz de vias aéreas (DIVA) e Padrão respiratório ineficaz (PRI) em crianças com infecção respiratória aguda (IRA). Estudo transversal desenvolvido com o intuito de identificar dados para que pudessem ser utilizados na geração de árvores de decisão com boa aplicabilidade clínica. Realizou-se avaliação respiratória de 249 crianças com diagnóstico médico de IRA no período de janeiro a abril de 2011. Estes dados serviram de base para determinação das características definidoras (CD) dos diagnósticos de enfermagem (DE) em estudo. As CD foram enviadas para dois enfermeiros diagnosticadores para o processo de inferência diagnóstica. A maior parte das crianças era do sexo masculino (55,8%). Pneumonia (79,9%) foi a principal IRA encontrada e Asma (17,7%), a principal comorbidade. DIVA esteve presente em 89,2% dos casos e PRI em 65,5%. As CD de DIVA com maior prevalência foram: “Tosse ineficaz” (91,3%), “Ruídos adventícios respiratórios” (77,1%), “Dispneia” (69,3%), “Mudanças na frequência respiratória” (56,6%), “Ortopneia” (54,2%) e “Expectoração” (32,1%). Já para PRI, as CD mais prevalentes foram: “Alterações na profundidade respiratória” (73,9%), “Dispneia” (68,3%), “Taquipneia” (57,0%),“Ortopneia” (54,2%) e “Uso da musculatura acessória para respirar” (51,8%). Utilizaram-se três algoritmos para geração de AD: CHi-square Automatic Interaction Detection (CHAID), Classification and Regression Trees (CRT) e Quick, Unbiased, Efficient Statistical Tree (QUEST). As AD foram submetidas à validação cruzada para que se avaliasse o poder de predição dessas. Desenvolveram-se três AD para auxílio na inferência diagnóstica de DIVA, três para PRI e três para diferenciação destes diagnósticos. Para DIVA, a AD com maior poder de predição foi a desenvolvida pelo método CHAID. Já para PRI, os valores de predição foram similares para os três métodos de crescimento das árvores. Para diferenciação diagnóstica, a árvore gerada pelo método CRT obteve melhor poder de predição (86,4%). Acredita-se que a implementação das árvores de decisão pode ajudar a tornar as inferências destes dois diagnósticos mais acuradas. Entretanto esta relação necessita ser aprofundada, aplicando-se as AD geradas em outras populações. Conclui-se que a utilização de tecnologias como as AD pode ser valorosa tanto na prática clínica como no ensino de diagnósticos de enfermagem.