Resumo O objetivo deste estudo foi desenvolver e validar um aplicativo para identificação de fatores de risco para câncer bucal. Para tanto, desenvolvemos um aplicativo (OCS: Oral Cancer Screening) com preditores de Câncer Oral (CO) e montagem de algoritmo para estimar o risco de seu desenvolvimento. Metodologia: Casos clínicos simulados foram projetados para que 40 profissionais com expertise em diagnóstico oral pudessem validar o algoritmo e testar sua usabilidade (SUS: System Usabilidade Score) e aceitabilidade (TAM: Technology Acceptance Model). O coeficiente alfa de Cronbach, os testes de Friedman/Dunn e a correlação de Spearman avaliaram as escalas SUS e TAM. A curva ROC foi traçada para estimar o ponto de corte do algoritmo ao sugerir um alto risco para OCS dos casos simulados. Os testes do qui-quadrado e exato de Fisher foram usados adicionalmente (p<0,05, SPSS v20.0). Resultados: Profissionais com expertise em diagnóstico oral tiveram usabilidade de 84,63±10,66 e aceitabilidade de 84,75±10,62, que se correlacionaram positivamente (p<0,001, r=0,647). Atuar em áreas clínicas da odontologia (p=0,034) e histórico de realização de CO orientação de fator de risco (p=0,048) aumentaram a aceitabilidade enquanto atuar no ensino superior aumentou a usabilidade (p=0,011). O ponto de corte sugerido pelo App após validação dos casos clínicos simulados apresentou alta sensibilidade de 84,8% e baixa especificidade de 58,4%. Conclusão: O OCS foi eficaz e com sensibilidade, usabilidade e aceitabilidade adequadas e pode contribuir para a detecção de lesões orais precoces.
Abstract The objective of this study was to develop and validate an App for identifying risk factors for oral cancer. To this end, we developed an App (OCS: Oral Cancer Screening) with predictors of Oral Cancer (OC) and algorithm assembly to estimate the risk of its development. Methodology: Simulated clinical cases were designed so that 40 professionals with expertise in oral diagnostics could validate the algorithm and test its usability (SUS: System Usability Score) and acceptability (TAM: Technology Acceptance Model). Cronbach's alpha coefficient, Friedman/Dunn tests, and Spearman correlation evaluated the SUS and TAM scales. ROC curve was plotted to estimate the cutoff point of the algorithm in suggesting a high risk for OCS of the simulated cases. Chi-square and Fisher's exact tests were additionally used (p<0.05, SPSS v20.0). Results: Professionals with expertise in oral diagnosis had usability of 84.63±10.66 and acceptability of 84.75±10.62, which correlated positively (p<0.001, r=0.647). Acting in clinical areas of dentistry (p=0.034) and history of performing OC risk factor orientation (p=0.048) increased acceptability while acting in higher education increased usability (p=0.011). The cutoff point suggested by the App after validation of the simulated clinical cases showed high sensitivity of 84.8% and lower specificity of 58.4%. Conclusion: The OCS was effective and with adequate sensitivity, usability, and acceptability and may contribute to the detection of early oral lesions.
