Abstract Objective to identify strategies and challenges in the use of big data and Artificial Intelligence (AI) in Occupational Health, as well as practices and obstacles to their implementation. Methods scoping review using terms related to occupational health, big data, and AI in four databases (Medline, Embase, BVS, and SciELO) considering articles in Portuguese, Spanish, and English published up to 2022. Studies using large databases and AI for occupational health-related analyses were included. Article selection was performed independently by two researchers, and the conflicts were resolved by consensus. Results of the 505 articles identified, 16 were selected. The low number may be associated with the scarcity of data that address worker’s health systemically, considering demographic, technological, socioeconomic, and environmental factors. The selected studies showed that big data and AI have a good potential to support occupational health by identifying health indicators and enabling accurate predictions. Implementation faces challenges such as data storage and ethical issues. Conclusion big data and AI can be useful tools for analyzing the complex interactions of variables to improve the identification of health determinants and record data on work environments and individuals exposed to them. (AI Health implementation Medline, Medline (Medline Embase BVS SciELO Portuguese Spanish 2022 healthrelated included researchers consensus 50 identified 1 workers worker s systemically demographic technological socioeconomic factors predictions issues them 202 5 20 2

Resumo Objetivo identificar estratégias e desafios no uso de big data e inteligência artificial (IA) em saúde ocupacional, assim como práticas e obstáculos na sua implementação. Métodos revisão de escopo utilizando termos relacionados à saúde ocupacional, big data e IA em quatro bases de dados (Medline, Embase, BVS e SciELO), considerando artigos em português, espanhol e inglês publicados até 2022. Foram incluídos estudos com uso de grandes bases de dados e IA para análises relacionadas à saúde ocupacional. A seleção dos artigos foi feita independentemente por dois pesquisadores, com conflitos resolvidos por consenso. Resultados de 505 artigos identificados, 16 foram selecionados. O baixo número pode estar associado à escassez de dados que tratam da saúde do trabalhador de maneira sistêmica, considerando fatores demográficos, tecnológicos, socioeconômicos e ambientais. Os estudos selecionados mostraram que o big data e a IA têm bom potencial para subsidiar a saúde ocupacional ao identificar indicadores de saúde e possibilitar previsões precisas. A implementação enfrenta desafios, como armazenamento de dados e questões éticas. Conclusão big data e IA podem ser ferramentas úteis para analisar interações complexas de variáveis visando aprimorar a identificação de determinantes de saúde e dados de registros sobre ambientes de trabalho e indivíduos a eles expostos. (IA Medline, Medline (Medline Embase SciELO, SciELO , SciELO) português 2022 pesquisadores consenso 50 identificados 1 sistêmica demográficos tecnológicos ambientais precisas éticas expostos 202 5 20 2

RESUMO Objetivo. Avaliar, por meio de métodos semiparamétricos de análise de sobrevida, a relação entre covariáveis e tempo até a morte em pacientes com câncer de mama e determinar o poder discriminatório na árvore de inferência condicional em pacientes que tiveram câncer. Métodos. Estudo de coorte retrospectivo realizado a partir de dados coletados de prontuários médicos de mulheres com câncer de mama, tratadas entre 2005 e 2015 no Hospital da Fundação Assistencial da Paraíba em Campina Grande, no estado da Paraíba, Brasil. As curvas de sobrevida foram estimadas pelo método de Kaplan-Meier, regressão de Cox e árvore de decisão condicional. Resultados. As pacientes com subtipos moleculares de tumor triplo-negativo tiveram uma sobrevida menor em comparação com as que apresentavam tumor com receptores hormonais. O acréscimo de hormonioterapia reduziu o risco de morte em 5,5%. O risco de morte foi 34,5% menor em pacientes com HER2+ quando comparadas às que tinham tumores sem a expressão desse gene. A mediana de sobrevida das pacientes tratadas com hormonioterapia foi de 4 753 dias. Conclusões. A presente análise revela um cenário favorável para o uso de imunoterapia em pacientes com superexpressão de HER2. Outros estudos devem ser realizados para avaliar a eficácia da imunoterapia em outras doenças e os fatores que favorecem o prognóstico e melhoram a qualidade de vida dessas pessoas.

ABSTRACT Objective. To evaluate, using semiparametric methodologies of survival analysis, the relationship between covariates and time to death of patients with breast cancer, as well as the determination discriminatory power in the conditional inference tree of patients who had cancer. Methods. A retrospective cohort study was conducted using data collected from medical records of women who had breast cancer and underwent treatment between 2005 and 2015 at the Hospital da Fundação de Assistencial da Paraíba in Campina Grande, State of Paraiba, Brazil. Survival curves were estimated using the Kaplan–Meier method, Cox regression, and conditional decision tree. Results. Women with triple-negative molecular subtypes had a shorter survival time compared to women with positive hormone receptors. The addition of hormone therapy reduced the risk of a patient dying by 5.5%, and the risk of a HER2-positive patient dying was 34.5% lower compared to those who were negative for this gene. Patients undergoing hormone therapy had a median survival time of 4 753 days. Conclusions. This paper shows a favorable scenario for the use of immunotherapy for patients with HER2 overexpression. Further studies could assess the effectiveness of immunotherapy in patients with other conditions, to favor the prognosis and better quality of life for the patient.

RESUMEN Objetivo. Evaluar, mediante métodos semiparamétricos del análisis de supervivencia, la relación entre las covariables y el tiempo hasta la muerte de las pacientes con cáncer de mama, así como la determinación del poder discriminatorio en el árbol de inferencia condicional de las pacientes con cáncer. Métodos. Se llevó a cabo un estudio retrospectivo de cohortes con datos recogidos de los expedientes médicos de mujeres con cáncer de mama que recibieron tratamiento entre los años 2005 y 2015 en el Hospital da Fundação de Assistencial da Paraíba en Campina Grande, en el estado de Paraíba (Brasil). Se calcularon las curvas de supervivencia mediante el método Kaplan–Meier, el modelo de regresión de Cox y un árbol de decisiones condicionales. Resultados. Las mujeres con subtipos moleculares triple negativos tuvieron un período de supervivencia más corto en comparación con las mujeres con receptores hormonales positivos. La adición del tratamiento hormonal redujo en 5,5 % el riesgo de muerte de la paciente y en un 34,5% el riesgo de muerte de pacientes con cáncer HER2-positivo en comparación con las pacientes negativas para este gen. Las pacientes en tratamiento hormonal tuvieron un tiempo medio de supervivencia de 4 753 días. Conclusiones. Este estudio muestra un escenario favorable para el uso de la inmunoterapia en las pacientes con sobreexpresión del HER2. En futuros estudios se podría evaluar la eficacia de la inmunoterapia en pacientes con otras enfermedades, con el fin de favorecer el pronóstico y mejorar la calidad de vida de la paciente.

RESUMO Na estatística experimental, a variabilidade, que permite conclusões relacionadas à precisão experimental, é geralmente demonstrada por meio do coeficiente de variação experimental (CV). O objetivo deste estudo foi avaliar a distribuição do CV em diversos experimentos de crescimento de eucalipto, comparar as faixas de classificação existentes propostas na literatura (métodos propostos por Garcia; Costa, Seraphin e Zimmermann e Pimentel-Gomes), e definir o melhor a ser utilizado como referência para cultivo de mudas de eucalipto em estufas ou cultivo protegido. Para tanto, foi realizado um teste em branco com 100 repetições e avaliações realizadas em 30, 60, 90 e 120 dias. Além disso, foram coletados dados anteriores da literatura, para fins de comparação. Os resultados obtidos foram submetidos aos testes de Shapiro-Wilk e Kolmogorov-Smirnov, e as tabelas de classificação submetidas aos testes de aderência e heterogeneidade. Como resultado, foi possível concluir que os dados obtidos com os experimentos com eucalipto na presente pesquisa não se enquadram na classificação de Pimentel-Gomes e nas tabelas obtidas por Costa, Seraphin e Zimmermann enquanto as tabelas por meio do método proposto por Garcia seriam preferencialmente utilizadas.

ABSTRACT In experimental statistics, the variability, which allows for conclusions related to experimental accuracy, is usually demonstrated by means of experimental coefficient of variation (CV). The aims of this study were to evaluate the distribution of CV in several experiments of eucalyptus growth, compare the existent classification ranges proposed in the literature (methods proposed by Garcia; Costa, Seraphin and Zimmermann, and Pimentel-Gomes), and define the better one to be used as reference for eucalyptus seedlings cultures in greenhouses or protected cultivation. For that, a blank test with 100 repetitions was conducted and evaluations were performed in 30, 60, 90 and 120 days. Moreover, previous data from literature were collected, for comparison proposes. The obtained results were submitted to Shapiro-Wilk and Kolmogorov-Smirnov tests, and the classification tables were submitted to adherence and heterogeneity tests. As a result, it was possible to conclude that data obtained with the experiments with eucalyptus in the present research did not fit the classification of Pimentel-Gomes and tables obtained by Costa, Seraphin and Zimmermann, while the tables related to the method proposed by Garcia would be preferably used.

Estudou-se o modelo de análise de covariância com um fator e erro de medida na covariável. Avaliou-se, neste modelo, por meio de simulação, a acurácia e precisão de dois estimadores, propostos na literatura para estimar parâmetros de um modelo de regressão com erro de medida. Sobre diferentes distribuições dos resíduos, coeficientes de determinação e tamanhos amostrais, estudou-se o comportamento de ambos os estimadores. No modelo de análise de covariância, quanto maior o tamanho amostral e o coeficiente de determinação, melhor se comportam os estimadores avaliados com relação à acurácia e à precisão. As conclusões encontradas sugerem que o estimador Plug-in obteve desempenho superior, tanto na acurácia quanto na precisão em situações de normalidade, nas diferentes configurações analisadas sobre o modelo avaliado. Quando os estimadores foram avaliados no modelo de ANCOVA com os resíduos distribuídos pela Gama, obtiveram o pior desempenho em relação a quando eram avaliados pelas demais distribuições.

The present paper approaches the covariance analysis model with one factor and measurement error in the covariate. Accuracy and precision of two estimators suggested in the literature were evaluated through data simulation, for estimating parameters of a regression model with measurement error. So called Plug-in method estimates the real value based on the observed ones and then uses the common function for estimating the desired parameter. The other estimator, known as bias smoother, only performs a bias correction on the usual estimator by computing a factor. Behavior of both estimators was studied under different residual distributions, goodness of fit and sample sizes. It is worth noting that, in covariance analysis model, the high the sample size, the better for accuracy and precision. Results suggest that the Plug-in estimator presented the best performance both for accuracy and precision under normality, for the distinct evaluated situations. When the estimators had been evaluated in the model of ANCOVA with the residues distributed for Gamma, the same ones had gotten the worse performance in relation when they were evaluated by the others distributions.