RESUMO OBJETIVO Predizer o risco de ausência laboral decorrente de morbidades dos docentes que atuam na educação infantil na rede pública municipal, com o uso de algoritmos de machine learning. MÉTODOS Trata-se de um estudo transversal utilizando dados secundários, públicos e anônimos da Relação Anual de Informações Sociais, selecionando professores da educação infantil que atuaram na rede pública municipal do estado de São Paulo entre 2014 e 2018 (n = 174.294). Foram também vinculados dados da média de alunos por turma e número de habitantes no município. Os dados foram separados em treinamento e teste, utilizando os registros de 2014 a 2016 (n = 103.357) para treinar cinco modelos preditivos e os dados de 2017 a 2018 (n = 70.937) para testar seus desempenhos em dados novos. A performance preditiva dos algoritmos foi avaliada por meio do valor da área abaixo da curva ROC (AUROC). RESULTADOS Todos os cinco algoritmos testados apresentaram área abaixo da curva acima de 0,76. O algoritmo com melhor performance preditiva (redes neurais artificiais) obteve 0,79 de área abaixo da curva, com acurácia de 71,52%, sensibilidade de 72,86%, especificidade de 70,52% e kappa de 0,427 nos dados de teste. CONCLUSÃO É possível predizer casos de afastamentos por morbidade em docentes da rede pública com machine learning usando dados públicos. O melhor algoritmo apresentou melhor resultado da área abaixo da curva quando comparado ao modelo de referência (regressão logística). Os algoritmos podem contribuir para predições mais assertivas na área da saúde pública e da saúde do trabalhador, permitindo acompanhar e ajudar a prevenir afastamentos por morbidade desses trabalhadores.

ABSTRACT OBJECTIVE To predict the risk of absence from work due to morbidities of teachers working in early childhood education in the municipal public schools, using machine learning algorithms. METHODS This is a cross-sectional study using secondary, public and anonymous data from the Relação Anual de Informações Sociais, selecting early childhood education teachers who worked in the municipal public schools of the state of São Paulo between 2014 and 2018 (n = 174,294). Data on the average number of students per class and number of inhabitants in the municipality were also linked. The data were separated into training and testing, using records from 2014 to 2016 (n = 103,357) to train five predictive models, and data from 2017 to 2018 (n = 70,937) to test their performance in new data. The predictive performance of the algorithms was evaluated using the value of the area under the ROC curve (AUROC). RESULTS All five algorithms tested showed an area under the curve above 0.76. The algorithm with the best predictive performance (artificial neural networks) achieved 0.79 of area under the curve, with accuracy of 71.52%, sensitivity of 72.86%, specificity of 70.52%, and kappa of 0.427 in the test data. CONCLUSION It is possible to predict cases of sickness absence in teachers of public schools with machine learning using public data. The best algorithm showed a better result of the area under the curve when compared with the reference model (logistic regression). The algorithms can contribute to more assertive predictions in the public health and worker health areas, allowing to monitor and help prevent the absence of these workers due to morbidity.

RESUMO OBJETIVO Predizer o risco de ausência laboral decorrente de morbidades dos docentes que atuam na educação infantil na rede pública municipal, com o uso de algoritmos de machine learning. MÉTODOS Trata-se de um estudo transversal utilizando dados secundários, públicos e anônimos da Relação Anual de Informações Sociais, selecionando professores da educação infantil que atuaram na rede pública municipal do estado de São Paulo entre 2014 e 2018 (n = 174.294). Foram também vinculados dados da média de alunos por turma e número de habitantes no município. Os dados foram separados em treinamento e teste, utilizando os registros de 2014 a 2016 (n = 103.357) para treinar cinco modelos preditivos e os dados de 2017 a 2018 (n = 70.937) para testar seus desempenhos em dados novos. A performance preditiva dos algoritmos foi avaliada por meio do valor da área abaixo da curva ROC (AUROC). RESULTADOS Todos os cinco algoritmos testados apresentaram área abaixo da curva acima de 0,76. O algoritmo com melhor performance preditiva (redes neurais artificiais) obteve 0,79 de área abaixo da curva, com acurácia de 71,52%, sensibilidade de 72,86%, especificidade de 70,52% e kappa de 0,427 nos dados de teste. CONCLUSÃO É possível predizer casos de afastamentos por morbidade em docentes da rede pública com machine learning usando dados públicos. O melhor algoritmo apresentou melhor resultado da área abaixo da curva quando comparado ao modelo de referência (regressão logística). Os algoritmos podem contribuir para predições mais assertivas na área da saúde pública e da saúde do trabalhador, permitindo acompanhar e ajudar a prevenir afastamentos por morbidade desses trabalhadores.

ABSTRACT OBJECTIVE To predict the risk of absence from work due to morbidities of teachers working in early childhood education in the municipal public schools, using machine learning algorithms. METHODS This is a cross-sectional study using secondary, public and anonymous data from the Relação Anual de Informações Sociais, selecting early childhood education teachers who worked in the municipal public schools of the state of São Paulo between 2014 and 2018 (n = 174,294). Data on the average number of students per class and number of inhabitants in the municipality were also linked. The data were separated into training and testing, using records from 2014 to 2016 (n = 103,357) to train five predictive models, and data from 2017 to 2018 (n = 70,937) to test their performance in new data. The predictive performance of the algorithms was evaluated using the value of the area under the ROC curve (AUROC). RESULTS All five algorithms tested showed an area under the curve above 0.76. The algorithm with the best predictive performance (artificial neural networks) achieved 0.79 of area under the curve, with accuracy of 71.52%, sensitivity of 72.86%, specificity of 70.52%, and kappa of 0.427 in the test data. CONCLUSION It is possible to predict cases of sickness absence in teachers of public schools with machine learning using public data. The best algorithm showed a better result of the area under the curve when compared with the reference model (logistic regression). The algorithms can contribute to more assertive predictions in the public health and worker health areas, allowing to monitor and help prevent the absence of these workers due to morbidity.

RESUMO: Objetivo: Desenvolver um algoritmo de vinculação de registros para parear registros de óbito por câncer de laringe (CID-10 C32X), recuperados do Sistema de Informação de Mortalidade (SIM) e do Sistema de Informações Hospitalares do Sistema Único de Saúde (SIH-SUS) do Brasil. Métodos: Foram filtrados registros de óbitos contendo códigos CID-10 C32X do SIM e do SIH-SUS, de indivíduos de mais de 30 anos, entre 2002 e 2012, no Estado de São Paulo. As bases de dados foram vinculadas por meio de um identificador único e de variáveis sociodemográficas comuns a ambos os sistemas. O desempenho da vinculação de dados foi aferido aplicando-se o mesmo procedimento em bancos de dados nominais. Os pares verdadeiros apresentavam os mesmos valores nas variáveis de identificação. Resultados: Ao todo, 14.311 registros elegíveis de óbito foram encontrados. A maioria dos registros, 10.674 (74.6%), era exclusiva do SIM. Apenas 1.853 (12.9%) óbitos foram registrados em ambos os sistemas, representando pares verdadeiros. Um total de 1.784 (12.5%) casos de câncer de laringe presentes no SIH-SUS constavam com diferentes causas de óbito no SIM. Houve falha na vinculação em 167 (9.4%) registros, devido a inconsistências na chave de identificação. Conclusão: Constatou-se que a vinculação de dados anônimos de registros hospitalares e registros de óbito é viável e pode auxiliar na melhoria de estatísticas de câncer.

ABSTRACT: Objective: To develop a linkage algorithm to match anonymous death records of cancer of the larynx (ICD-10 C32X), retrieved from the Mortality Information System (SIM) and the Hospital Information System of the Brazilian Unified National Health System (SIH-SUS) in Brazil. Methodology: Death records containing ICD-10 C32X codes were retrieved from SIM and SIH-SUS, limited to individuals aged 30 years and over, between 2002 and 2012, in the state of São Paulo. The databases were linked using a unique key identifier developed with sociodemographic data shared by both systems. Linkage performance was ascertained by applying the same procedure to similar non-anonymous databases. True pairs were those having the same identification variables. Results: A total of 14,311 eligible death records were found. Most records, 10,674 (74.6%), were exclusive to SIM. Only 1,853 (12.9%) deaths were registered in both systems, representing true pairs. A total of 1,784 (12.5%) cases of laryngeal cancer in the SIH-SUS database were tracked in SIM with different causes of death. The linkage failed to match 167 (9.4%) records due to inconsistencies in the key identifier. Conclusion: The authors found that linking anonymous data from mortality and hospital records is a feasible measure to track missing records and may improve cancer statistics.

Resumo Introdução: a variedade, volume e velocidade de geração de dados (big data) possibilitam novas e mais complexas análises. Objetivo: discutir e apresentar técnicas de mineração de dados (data mining) e de aprendizado de máquina (machine learning) para auxiliar pesquisadores de Saúde e Segurança no Trabalho (SST) na escolha da técnica adequada para lidar com big data. Métodos: revisão bibliográfica com foco em data mining e no uso de análises preditivas com machine learning e suas aplicações para auxiliar diagnósticos e predição de riscos em SST. Resultados: a literatura indica que aplicações de data mining com algoritmos de machine learning para análises preditivas em saúde pública e em SST apresentam melhor desempenho em comparação com análises tradicionais. São sugeridas técnicas de acordo com o tipo de pesquisa almejada. Discussão: data mining tem se tornado uma alternativa cada vez mais comum para lidar com bancos de dados de saúde pública, possibilitando analisar grandes volumes de dados de morbidade e mortalidade. Tais técnicas não visam substituir o fator humano, mas auxiliar em processos de tomada de decisão, servir de ferramenta para a análise estatística e gerar conhecimento para subsidiar ações que possam melhorar a qualidade de vida do trabalhador.

Abstract Introduction: variety, volume and data generation speed allow for new and more complex analyses. Objective: to discuss and present data mining and machine learning techniques to aid occupational safety and health (OSH) researchers to choose the suitable technique when dealing with large volumes of data. Methods: literature review to discuss data mining and machine learning predictive applications for aiding diagnosis and risk prevention in OSH. Results: literature shows that data mining with machine learning algorithms for predictive purposes in OSH and public health present better performance when compared to traditional analysis. According to the research purpose, different techniques are recommended. Discussion: data mining has become a common alternative when dealing with large databases in public health, making it possible to analyze large volume of morbidity and mortality data. These techniques are not meant to replace the human factor, but rather to assist in decision-making processes, to work as a tool for the statistical analysis of OSH data and to build up knowledge to subsidize actions that may improve worker’s quality of life.

Resumo A compreensão dos determinantes sociais das principais doenças infecto-parasitárias é necessária para seu controle efetivo. Foi realizado um estudo transversal com dados de primeira consulta de prontuários médicos das crianças atendidas no Centro de Referência em Doenças Infecciosas e Parasitárias Orestes Diniz UFMG/PBH, com objetivo de investigar a prevalência e os determinantes das principais doenças infecto-parasitárias na população pediátrica. Foram obtidos dados de 173 prontuários, sendo que 78,6% eram crianças com menos de 2 anos de idade. A maioria dos pacientes (74,5%) apresentava infecções congênitas: 27,7% por sífilis, 21,3%, por toxoplasmose, 20,8%, pelo vírus da imunodeficiência humana, dentre outras. Esse ambulatório recebe crianças de todas as faixas etárias, de todo o estado, sendo sua maioria acometida por infecções congênitas. A qualificação do pré-natal leva tanto a um diagnóstico precoce quanto a um acompanhamento, tratamento adequado e à prática de medidas preventivas, reduzindo a incidência dessas infecções.

Abstract The comprehension of the social determinants of the main infectious diseases is necessary for its effective control. A transversal study has been designed with data from medical registers concerning the first appointment of the pediatric patients on “Centro de Referência em Doenças Infecciosas e Parasitárias Orestes Diniz UFMG/PBH”, with the objective of investigating the prevalence and determinants of the major infectious diseases among these children. Data from 173 registers was obtained, from which 78.6% were less than 2 years old. Most patients (74.5%) presented congenital infections: 27.7% with syphilis, 21.3% with toxoplasmosis and 20.8% exposed to the human immunodeficiency virus. This practice offers care to children of all ages, from the entire state, and most of them present congenital infections. A quality pre-natal care leads to both a precocious diagnose of these diseases, with appropriate monitoring and treatment, and the practice of preventive measures, hence reducing the incidence of those infections.