|
Dor e desigualdade - algoritmos destacam
pobreza como preditor de sofrimento
Maria Eduarda Gonçalves Dos Santos
A posição socioeconômica beneficia a precisão de algoritmos de inteligência artificial na identificação de indivíduos com dor crônica incapacitante. Realizado por pesquisadores norte-americanos, o estudo utilizou dados da National Health Interview Survey (NHIS) de 2019. Através de algoritmos de aprendizado de máquina, os especialistas incluíram mais de 31 mil adultos dos Estados Unidos para antecipar supostos casos de dor crônica com impacto funcional. A análise buscou reconhecer quais aspectos socioeconômicos, como trabalho, renda e moradia, são mais significativos para pressupor essa condição, com foco em ampliar a equidade em saúde.
Os resultados foram alcançados a partir de uma análise transversal que utilizou três diferentes técnicas de aprendizado de máquina: árvores de decisão por gradiente (GBDT), florestas aleatórias e redes neurais. A estratégia GBDT foi a mais pontual, com nível de acerto de 92,6%. Condições físicas e psicológicas como uso de opioides, depressão e artrite, além de fatores como renda familiar, proporção de renda em relação à linha da pobreza, estabilidade na moradia e número de adultos trabalhando, foram centrais para os modelos.
Dessa forma, a principal conclusão é que fatores socioeconômicos são fortes preditores de dor crônica incapacitante. Essa descoberta ressalta o potencial de políticas públicas voltadas para diminuir desigualdades sociais como estratégia de enfrentamento à dor. Limitações incluem o caráter transversal, que não viabiliza afirmar causa e efeito entre pobreza e dor.
Referência: Morris MC, Moradi H, Aslani M, et al. Haves and have-nots: socioeconomic position improves accuracy of machine learning algorithms for predicting high-impact chronic pain. Pain. 2025;166(5):e68-e82. doi:10.1097/j.pain.0000000000003451 |
