Aplicação do modelo de árvore de decisão no rastreio de queixas de desatenção e hiperatividade em crianças e adolescentes

• Ano de defesa: 2020
• Autor(a) principal: Silva, Mayara Miyahara Moraes
• Orientador(a): Carreiro, Luiz Renato Rodrigues
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Presbiteriana Mackenzie
• Palavras-chave em Português: perfil neuropsicológicos; perfil comportamental; tdha; árvore de decisão
• Área do conhecimento CNPq: CNPQ::CIENCIAS HUMANAS::PSICOLOGIA::PSICOLOGIA EXPERIMENTAL::PROCESSOS COGNITIVOS E ATENCIONAIS
• Link de acesso: http://dspace.mackenzie.br/handle/10899/27925

O transtorno do déficit de atenção e hiperatividade (TDAH) é um transtorno do neurodesenvolvimento caracterizado por um padrão persistente de desatenção e hiperatividade/impulsividade. Há uma dificuldade considerável para realizar o diagnóstico desse transtorno principalmente para discriminar o que seria um comportamento esperado para a fase do desenvolvimento da criança ou adolescentes, e o que seriam sintomas, provenientes do TDAH. O modelo de árvore de decisão é um algoritmo estatístico, modelo preditivo construído com comparações de valores de um determinado objetivo que pode ser comparado com outros valores constantes, colocando neste estudo essas variáveis de uma base de dados em níveis hierárquicos, essas variáveis envolvem os índices de testes neuropsicológicos e comportamentais. Este estudo tem como objetivo aplicar o modelo de árvore de decisão no direcionamento do rastreio de queixas de uma organização de dados de um protocolo que avalia queixas de TDAH, pretende-se analisar quais itens selecionados dos instrumentos de avaliação cognitiva utilizados, como teste de atenção por cancelamento, teste de trilhas, continuous performance test, teste de cartas wisconsin, escala wechsler de inteligência abreviada e escala wechsler de inteligência para crianças, além do inventário de comportamentos para crianças e adolescentes (CBCL/6-18) e inventário para professores (TRF/6-18) teriam melhores índices associados à acurácia do diagnóstico de TDAH. Esta foi uma amostra com dados secundários de banco de dados do protocolo TDAH, ligado ao PPG em Distúrbios do Desenvolvimento na Universidade Presbiteriana Mackenzie, foram 202 participantes do crianças com TDAH e um banco de dados de uma Instituição do Estado de São Paulo que conta com 185 participantes do grupo de crianças sem TDAH. Os resultados destacados foram referentes aos itens “CBCL TDAH”, e “CBCL problemas de atenção” do inventário comportamental CBCL; o teste Wisconsin cujo os itens “aprendendo a aprender”, “WCST erros perseverativos” e “WCST respostas perseverativas”; o teste neuropsicológico CPT no item “CPT omissões”, sendo que a acurácia de discriminação do diagnóstico variou de 84,7% a 60% na precisão da árvore de decisão. Verificou-se que a árvore de decisão e abordagens com machine learning podem ser eficazes no direcionamento do rastreio de queixas típicas do TDAH.