Jornal Vascular Brasileiro
https://jvascbras.org/article/doi/10.1590/1677-5449.008317
Jornal Vascular Brasileiro
Original Article

Mineração de dados na avaliação de óbitos após cirurgia de amputação

Data mining to evaluate mortality after amputation surgery

Gabrielle dos Santos Leandro, Sheila Cristina Parolim, Claudia Maria Cabral Moro, Deborah Ribeiro Carvalho

Downloads: 0
Views: 283

Resumo

Contexto: A amputação e a desarticulação objetivam melhorar a saúde de um indivíduo, mas esses tratamentos apresentam taxas significantes de mortalidade que variam de acordo com os fatores relacionados. Objetivo: Identificar as associações entre os determinantes da mortalidade pós-operatória da amputação. Métodos: Estudo do tipo caso-controle (óbito versus não óbito) em que foi adotada a descoberta de regras de associação (abordagem da mineração de dados) e métricas epidemiológicas sobre 173 registros de pacientes amputados em um hospital público de Santa Catarina em 2014. Resultados: Os principais determinantes foram: idade > 60 anos [odds ratio (OR) = 3,0], sexo feminino (OR = 2,0), baixa escolaridade, hipertensão (OR = 3,0), diabetes (OR = 1,6) e tabagismo (OR = 1,8). Dos pacientes com idade entre 60 a 69 anos (38%), 87,9% evoluíram para alta, estando o óbito associado a doença vascular periférica. Quando a idade foi > 70 anos, embolia e trombose de artérias dos membros inferiores foram o fator de exceção (óbito). As patologias com maior associação ao óbito foram doença vascular (47,0%), diabetes (29,4%), doença cardíaca (razão de risco = 11,4), doença renal (OR = 10,4) e doença pulmonar (OR = 5,2). As cirurgias proximais estiveram mais associadas ao óbito do que as distais. Entre os pacientes que foram a óbito, 76,0% foram submetidos a raquianestesia e 24,0% a anestesia geral. Conclusão: A mineração de dados permitiu identificar as associações vinculadas ao óbito entre as diferentes variáveis e diagnósticos, como por exemplo, entre idade > 70 anos e diagnóstico de embolia e trombose de artérias dos membros inferiores.

Palavras-chave

amputação; mortalidade; mineração de dados.

Abstract

Background: The objective of amputation and disarticulation is to improve health. However, these treatments are associated with significant mortality rates that vary in relation to risk factors. Objective: To identify associations between determinants of postoperative mortality after amputation surgery. Methods: Case-control study (death vs. no death) considering data from 173 patients who underwent amputation surgery at a public hospital in Santa Catarina state, Brazil. These data were analyzed using a data mining approach to discover association rules and epidemiologic association metrics. Results: The main determinants were age > 60 years (odds ratio (OR) = 3.0), female sex (OR = 2.0), low education, hypertension (OR = 3.0), diabetes (OR = 1.6), and smoking (OR = 1.8). Among patients aged 60-69 years, 87.9% survived to discharge from hospital. The exceptions occurred when patients in this age range had peripheral vascular disease. The same was true when age was > 70 years, among whom diagnoses of embolism and thrombosis of arteries of the lower extremities were the exception factors (associated with death). The most common pathologies associated with death were vascular disease (47.0%) and diabetes (29.4%), heart disease (relative risk = 11.4), renal disease (OR = 10.4), and lung disease (OR = 5.2). Proximal surgeries were more strongly associated with death than distal ones. Among the deaths, 76.0% had been given spinal anesthesia and 24.0% general anesthesia. Conclusion: Data mining enabled identification of associations between death and a variety of different variables and diagnostic hypotheses; for example, age > 70 years and diagnosis of embolism and thrombosis of arteries of the lower extremities.

Keywords

amputation; mortality; data mining.

References

1. Brasil. Ministério da Saúde. Secretaria de Atenção à Saúde. Departamento de Ações Programáticas e Estratégicas. Diretrizes de atenção à pessoa amputada. 1. reimp. Brasília: Ministéio da Saúde; 2013. 36 p.

2. Jordan RW, Marks A, Higman D. The cost of major lower amputation: a 12-year experience. Prosthet Orthot Int. 2012;36(4):430-4. http://dx.doi.org/10.1177/0309364612441489. PMid:22440579.

3. Kristensen MT, Holm G, Kirketerp-Moller K, Krasheninnikoff M, Gebuhr P. Very low survival rates after non-traumatic lower limb amputation in a consecutive series: what to do? Interact Cardiovasc Thorac Surg. 2012;14(5):543-7. http://dx.doi.org/10.1093/icvts/ivr075. PMid:22298857.

4. Fortington LV, Geertzen JHB, Van Netten JJ, Postema K, Rommers GM, Dijkstra PU. Short and long term mortality rates after a lower limb amputation. Eur J Vasc Endovasc Surg. 2013;46(1):124-31. http://dx.doi.org/10.1016/j.ejvs.2013.03.024. PMid:23628328.

5. Rolim D, Sampaio S, Gonçalves-Dias P, Almeida P, Almeida-Lopes J, Teixeira JF. Mortalidade depois da amputação. Angiol Cir Vasc. 2015;11(3):166-70. http://dx.doi.org/10.1016/j.ancv.2015.06.001.

6. Associação Paulista de Medicina, Conselho Regional de Medicina do Estado de São Paulo. Programa de avaliação e controle da qualidade do atendimento médico-hospitalar. São Paulo: APM, CRM; 1992. (CQH Informativo; no. 3, ano I, julho).

7. Carvalho DR, Moser AD, Silva VA, Dallagassa MR. Mineração de dados aplicada à fisioterapia. Fisioter Mov. 2012;25(3):595-605. http://dx.doi.org/10.1590/S0103-51502012000300015.

8. Borgelt C. Apriori: association rule induction [online]. Apriori; 2004 [citado 2016 out 21]. http://www.borgelt.net/apriori.html

9. Hussain F, Liu H, Lu H. Exception rule mining with a relative interestingness measure. Lecture Notes in Artificial Intelligence. 2000;1805:86-97.

10. Organização Mundial da Saúde. CID-10 Classificação Estatística Internacional de Doenças e Problemas Relacionados à Saúde. 10. rev. vol. 1. São Paulo: Universidade de São Paulo; 1997..

11. Van Netten JJ, Fortington LV, Hinchliffe RJ, Hijmans JM. Early post-operative mortality after major lower limb amputation: a systematic review of population and regional based studies. Eur J Vasc Endovasc Surg. 2016;51(2):248-57. http://dx.doi.org/10.1016/j.ejvs.2015.10.001. PMid:26588994.

12. IBGE – Instituto Brasileiro de Geografia e Estatística. Notícias – Censo Demográfico 2000: Última etapa de divulgação do Censo 2000 traz os resultados definitivos, com informações sobre os 5.507 municípios brasileiros [online]. IBGE, 2016. [citado 2016 sep 12]. http://www.ibge.gov.br/home/presidencia/noticias/20122002censo.shtm

13. Lavery LA, Hunt NA, Ndip A, Lavery DC, Van Houtum W, Boulton AJ. Impact of Chronic Kidney Disease on Survival after Amputation in Individuals with diabetes. Diabetes Care. 2010;33(11):2365-9. http://dx.doi.org/10.2337/dc10-1213. PMid:20739688.

14. Hambleton IR, Jonnalagadda R, Davis CR, Fraser HS, Chaturvedi N, Hennis AJ. All-cause mortality after diabetes-related amputation in Barbados: a prospective case control study. Diabetes Care. 2009;32(2):306-7. http://dx.doi.org/10.2337/dc08-1504. PMid:18984775.

15. Resnick HE, Carter EA, Lindsay R, et al. Relation of lower-extremity amputation to all-cause and cardiovascular disease mortality in American Indians: the Strong Heart Study. Diabetes Care. 2004;27(6):1286-93. http://dx.doi.org/10.2337/diacare.27.6.1286. PMid:15161777.

16. Chery J, Semaan E, Darji S, Briggs WT, Yarmush J, D’Ayala M. Impact of regional versus general anesthesia on the clinical outcomes of patients undergoing major lower extremity amputation. Ann Vasc Surg. 2014;28(5):1149-56. http://dx.doi.org/10.1016/j.avsg.2013.07.033. PMid:24342828.

17. Moreira CC, Farber A, Kalish JA, et al. The effect of anesthesia type on major lower extremity amputation in functionally impaired elderly patients. J Vasc Surg. 2016;63(3):696-701. http://dx.doi.org/10.1016/j.jvs.2015.09.050. PMid:26553953.

5cd2c9dd0e8825c346632f8e jvb Articles

J Vasc Bras

Share this page
Page Sections