Search

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.

RESUMO: Introdução: Doenças cardiometabólicas são prevalentes nas populações, estando entre as principais causas de morte. Objetivos: Este subestudo do Saúde, Bem-Estar e Envelhecimento (Sabe) descreve as prevalências autorreferidas de hipertensão, diabete mellitus (DM) e doença cardiovascular aterosclerótica (DCV) nas suas três ondas (2000, 2006 e 2010) e analisa a associação com fatores de risco selecionados. Métodos: Empregou-se regressão logística. Resultados: O predomínio de mulheres e a idade (68 anos) foram mantidos nas três ondas. No período, verificou-se tendência geral de aumento nas prevalências de hipertensão (53,1 a 66,7%), DM (16,7 a 25%) e DCV (23,0 a 27,2%) - estabilização da prevalência de DCV apenas de 2006 a 2010. Indivíduos do sexo feminino, com índice de massa corporal (IMC) > 27 kg/m2 e ex-fumantes tenderam consistentemente à maior probabilidade de hipertensão autorreferida ao longo das ondas. Apresentar IMC > 27 kg/m2 associou-se à maior probabilidade de referir DM nas três ondas, enquanto com ex-fumantes isso aconteceu apenas em 2010. Ter sido fumante também se associou à DCV nas ondas, mas não o excesso de peso. Averiguando-se pares de ondas para testar alterações nas prevalências, viu-se que em geral houve elevação significativa nos percentuais das doenças com o tempo. Conclusão: Em suma, DM, hipertensão e DCV autorreferidos ocorreram com elevadas prevalências nos participantes do Sabe em São Paulo. A associação de IMC elevado com doenças cardiometabólicas sugere que adiposidade corporal pode favorecê-las, embora esta análise não permita assegurar relação causa × efeito. É possível que o aumento dos percentuais de doentes da primeira para a terceira onda reflita melhora nas condições de diagnóstico e/ou no controle dessas doenças no período. ABSTRACT: Introduction: Cardiometabolic diseases are prevalent in populations and are among the leading causes of death. Objective: This sub-study of the Health, Well-being and Aging (SABE) study describes the self-reported prevalence of diabetes mellitus (DM), hypertension, and atherosclerotic cardiovascular disease (CVD) for its three waves (2000, 2006, and 2010). It also analyses the associations with selected risk factors. Methods: Logistic regression models were performed. Results: Predominance of women and average age (68 years) were maintained in all the waves. During the period, there was a general tendency of increasing prevalence of hypertension (53.1 to 66.7%), DM (16.7 to 25.0%), and CVD (23.0 to 27.2%); and stabilization of the CVD prevalence rate occurred only from 2006 to 2010. Women, with body mass index (BMI) > 27 kg/m2, and ex-smokers had consistently higher risk of self-reported hypertension across the three waves. BMI >27kg/m2 was also associated with a higher probability of DM in the three waves, whereas with ex-smokers this occurred only in 2010. Ex-smokers presented higher risk of CVD in all the waves, but not excess weight. Wave pairs were analyzed to test changes in prevalence, and it was found a significant increase in diseases rates across the years. Conclusion: In summary, self-reported DM, hypertension, and CVD had high prevalence rates for participants of SABE Study, in São Paulo. The association of elevated BMI with cardiometabolic diseases suggests that body adiposity might favor their occurrence, although the study design does not guarantee a cause and effect relationship. Increased rates of affected individuals from the first to the third wave may reflect improvement in diagnostic conditions and/or control of these diseases’ mortality during that period.

Revisões recentes da literatura indicam que o número de estudos sobre disparidades étnicoraciais no Brasil é escasso. A análise multinível torna-se necessária já que o conceito de raça/cor é socialmente construído e pode variar segundo local de residência. Foram analisados 2.697 indivíduos residentes em 145 municípios brasileiros, segundo raça (branca, preta e parda). Foram ajustados modelos multinível utilizando inferência bayesiana pelo método Monte Carlo via Cadeias de Markov. Após a inclusão de variáveis demográficas, socioeconômicas e de acesso a serviços de saúde, indivíduos de raça preta e parda tiveram maior razão de chances de avaliarem sua saúde como negativa (RC = 1,71; IC95%: 1,24; 2,37 e RC = 1,37; IC95%: 1,10; 1,71, respectivamente). Características do local de residência não alteraram significativamente a relação entre raça/cor e saúde autoavaliada. Após a recategorização da variável dependente, as características étnico-raciais perderam significância estatística. O presente estudo indica que as disparidades raciais em saúde podem ser mais complexas do que o esperado. Recent literature reviews have shown that studies analyzing racial/ethnic disparities in Brazil are still scarce. Multilevel approaches are necessary, since race is a socially constructed concept and can vary by area of residence. The analysis included 2,697 individuals from 145 Brazilian municipalities (counties), classified by race (white, black, or mixed). Multilevel models were fitted using Bayesian inference with Markov Chain Monte Carlo methods. After including demographic, socioeconomic, and health access variables, black and mixed-race individuals showed higher odds of negative self-rated health (OR = 1.71; 95%CI: 1.24; 2.37 and OR = 1.37; 95%CI: 1.10; 1.71, respectively). Characteristics of the area of residence did not significantly affect the association between race and self-rated health. Racial/ethnic disparities lost their statistical significance after re-categorization of the dependent variable. The results indicate that racial/ ethnic disparities in health in Brazil may be deeper and more complex than expected. Las revisiones bibliográficas recientes muestran que los estudios que analizan las disparidades etno-raciales en Brasil siguen siendo escasos. Es necesario un enfoque multinivel, debido a que el concepto de raza es una construcción social, y es susceptible de variar según la zona de residencia. El presente análisis incluyó a 2.697 personas de 145 municipios brasileños, separados por raza (blanco, negro y mestizos). Se ajustaron modelos multinivel, usando la inferencia bayesiana con métodos Markov Chain Monte Carlo. Después de incluir las variables demográficas, socioeconómicas y de acceso a la salud como controles, las personas identificadas como negros y mestizos tuvieron un odds ratio más elevado al juzgar su salud en términos negativos (OR = 1,71; IC95%: 1,24; 2,37 y OR = 1,37; 95%CI: 1,10; 1,71, respectivamente). Después de la recategorización de la variable dependiente, las disparidades etno-raciales perdieron significación estadística. Los resultados indican que las disparidades etno-raciales en salud en Brasil pueden ser más complejas y profundas de lo esperado.