Com o objetivo de compreender a probabilidade de uma pessoa que já tenha tido covid-19 apresentar também sintomas de depressão, o mestrando Pedro Vitor Bernardes Brandão, do Programa de Pós-graduação em Estatística do Instituto de Ciências Exatas (Icex) da UFMG, desenvolveu modelo de cálculo probabilístico premiado pela Society of Actuaries (SoA) no concurso Actuarial Implications of Covid-19 in Latin America Essays.

Brandão conta que o artigo premiado, Modelagem preditiva da depressão em pacientes diagnosticados com covid-19: utilização da técnica de regressão logística, está vinculado a trabalhos anteriores sobre sequelas da doença que foram desenvolvidos durante a a pandemia na Faculdade de Medicina da UFMG. 

"A intenção da fórmula que desenvolvi é avaliar o histórico de uso e procedimentos que um paciente faz antes de ter uma doença. Por meio da fórmula, a equipe médica consegue visualizar quais pacientes têm mais probabilidade de contrair aquela doença em questão", explica.

No caso do artigo vencedor do prêmio, o estudante avaliou a probabilidade de um usuário do Sistema Único de Saúde (SUS) desenvolver depressão como sequela da covid-19. A intenção era identificar esses pacientes para que o SUS pudesse agir de forma preventiva, de modo a melhorar a qualidade de vida dessas pessoas e diminuir os custos para o sistema.

Metodologia
Ao terminar a graduação em Ciências Atuariais, também na UFMG, o estudante já havia trabalhado com predições clínicas na área de insuficiência renal. Para elaborar a fórmula probabilística que relaciona covid-19 e depressão, Brandão utilizou dados do SIGSUS, sistema de informações gerenciais do SUS. "É nele que são registradas informações acerca dos procedimentos realizados, como consultas e exames. Considerei os dados de junho de 2020 a junho de 2021", informa.

Com o banco de dados em mãos, o pesquisador identificou os usuários do Sistema Único de Saúde que haviam contraído covid-19 em junho de 2020. Em seguida, ele considerou o último mês do seu recorte temporal para observar quem estava com depressão, mas que não havia sido diagnosticado com a doença nos meses anteriores. "Assim, eu pude avaliar o tipo de procedimento que havia sido feito nesses pacientes antes de eles receberem o diagnóstico da depressão", diz.

Posteriormente, o pesquisador aplicou a regressão logística, técnica que possibilita a visualização da relação entre as variáveis dependentes e as independentes. Entre as variáveis consideradas, Brandão cita a quantidade de consultas com sintomas gripais feitas pelos pacientes ao longo do período considerado. Segundo o pesquisador, esse tipo de modelo é importante porque permite que o SUS se planeje, uma vez que consegue estimar a probabilidade de os pacientes apresentarem alguma doença no futuro.

"Os modelos estatísticos preditivos são ótimas ferramentas de planejamento, que é essencial para a redução dos custos da saúde. Por meio da fórmula que elaborei, o SUS pode entender quantos pacientes têm propensão a ter depressão depois de terem covid-19. Assim, é possível prescrever tratamentos preventivos, que são mais baratos e desafogam o sistema. Se você sabe a probabilidade de uma pessoa vir a desenvolver uma doença de tratamento caro, é possível atuar para preveni-la ou planejar o orçamento para aqueles tratamentos", conclui Pedro Brandão.