Comparação de modelos de regressão logística na detecção precoce do risco de diabetes

Resumo

Diabetes é um problema de saúde pública mundial que afeta 463 milhões de pessoas e, segundo estudos recentes, até 2045 haverá um incremento de 51% no número de indivíduos acometidos pela doença. A taxa de pessoas pré-diabéticas assintomáticas também é elevada, aproximadamente 84% dos casos, e essa particularidade impede que o doente receba os devidos cuidados e tratamentos antes que a enfermidade se agrave e leve à outras complicações ou até a morte. O diagnóstico precoce da doença se mostra benéfico diante deste cenário e a ciência de dados pode contribuir para que isso seja feito. O objetivo deste trabalho é propor modelos de predição precoce de diabetes utilizando os métodos supervisionados de Regressão Logística Binária e Regressão Logística Binária Multinível, avaliando qual desses modelos apresenta resultados mais acurados. O presente trabalho foi baseado em outro estudo, no qual outras metodologias foram aplicadas, mas nenhuma delas com a abordagem multinível. Respostas de um questionário aplicado à pacientes – diabéticos e saudáveis – do Sylhet Diabetes Hospital de Bangladesh foram utilizados nas modelagens, o qual continha perguntas relacionadas a sintomas geralmente associados ao diagnóstico do diabetes. Tal estudo possibilitou chegar à modelos com resultados satisfatórios, e evidenciou que a modelagem multinível apresenta melhores resultados se comparado a Regressão Logística convencional