Do Registro ao Insight: Modelagem Preditiva do Risco de Osteonecrose dos Maxilares a Partir de Dados Clínicos Odontológicos (2025)
- Authors:
- Autor USP: CASTRO, ANTONIO JOSÉ RIBEIRO DE - ICMC
- Unidade: ICMC
- Subjects: APRENDIZADO COMPUTACIONAL; OSTEONECROSE; REGRESSÃO LOGÍSTICA; MINERAÇÃO DE DADOS; CLÍNICA ODONTOLÓGICA
- Language: Português
- Abstract: A osteonecrose dos maxilares (ONM) representa uma complicação na clínica de odontologia relevante em pacientes que utilizam bisfosfonatos. Este trabalho teve como objetivo desenvolver e validar modelos preditivos para estimar o risco de ONM, aplicando técnicas de mineração de dados e modelagem preditiva a um conjunto de dados clínicos estruturados de 354 pacientes oncológicos provenientes do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto da USP (HCFMRP-USP). O processo incluiu o pré-processamento dos dados clínicos, com tratamento de inconsistências, codificação de variáveis e normalização das informações, seguido tratamento do forte desbalanceamento da amostra (5,4% de prevalência de ONM) por meio da técnica SMOTE (Synthetic Minority Over-sampling Technique), Análise de Componentes Principais (PCA), e clusterização (K-Means). Modelos de Regressão Logística e Random Forest (RF) foram comparados, com foco na interpretabilidade através de ferramentas de IA Explicável (XAI), como SHAP. Os resultados da mineração de dados apontaram que a ausência de avaliação odontológica prévia, o número de doses acumuladas e o uso concomitante de corticoides e imunossupressores são fatores críticos associados à necrose óssea. O modelo Random Forest demonstrou desempenho superior, alcançando uma Área Sob a Curva (AUC-ROC) de 0,783 no conjunto de teste. O modelo final obteve alta especificidade (98,0%) e um valor preditivo negativo (VPN) de 96,1%. Embora a sensibilidade tenha sido limitada (33,3%), um resultado esperado em eventos de baixa prevalência, conclui-se que o modelo é uma ferramenta de grande utilidade para identificar pacientes de baixo risco com alta confiança, permitindo o direcionamento de recursos preventivos e apoiando a odontologia de precisão.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
-
ABNT
CASTRO, Antonio José Ribeiro de. Do Registro ao Insight: Modelagem Preditiva do Risco de Osteonecrose dos Maxilares a Partir de Dados Clínicos Odontológicos. 2025. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2025. Disponível em: https://bdta.abcd.usp.br/directbitstream/8e36312f-82a1-4c49-970a-3a25ad936427/Antonio_Jose_Ribeiro_de_Castro_TCC_2025.pdf. Acesso em: 27 fev. 2026. -
APA
Castro, A. J. R. de. (2025). Do Registro ao Insight: Modelagem Preditiva do Risco de Osteonecrose dos Maxilares a Partir de Dados Clínicos Odontológicos (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/8e36312f-82a1-4c49-970a-3a25ad936427/Antonio_Jose_Ribeiro_de_Castro_TCC_2025.pdf -
NLM
Castro AJR de. Do Registro ao Insight: Modelagem Preditiva do Risco de Osteonecrose dos Maxilares a Partir de Dados Clínicos Odontológicos [Internet]. 2025 ;[citado 2026 fev. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/8e36312f-82a1-4c49-970a-3a25ad936427/Antonio_Jose_Ribeiro_de_Castro_TCC_2025.pdf -
Vancouver
Castro AJR de. Do Registro ao Insight: Modelagem Preditiva do Risco de Osteonecrose dos Maxilares a Partir de Dados Clínicos Odontológicos [Internet]. 2025 ;[citado 2026 fev. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/8e36312f-82a1-4c49-970a-3a25ad936427/Antonio_Jose_Ribeiro_de_Castro_TCC_2025.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Antonio_Jose_Ribeiro_de_C... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
