Precision risk assessment for pediatric hospitalization using address-level data in Cincinnati, Ohio

Este estudo desenvolveu um modelo de aprendizado de máquina de alta precisão que integra dados socioambientais em nível de endereço para identificar riscos de hospitalização pediátrica em Cincinnati, demonstrando o potencial da análise espacial granular para orientar intervenções de saúde pública mais direcionadas e equitativas.

O essencial

Imagine que a saúde das crianças é como um jardim. Às vezes, as plantas adoecem não porque a semente é ruim, mas porque o solo onde elas crescem está contaminado, o telhado está vazando ou o bairro é perigoso.

Este estudo, feito em Cincinnati (EUA), tentou criar um "Mapa do Tesouro da Saúde" para encontrar exatamente quais casas têm mais risco de uma criança precisar ir ao hospital. Em vez de olhar apenas para o bairro inteiro (como olhar para um mapa de uma cidade inteira), os pesquisadores foram até o nível de cada endereço específico, como se estivessem olhando para cada telhado individualmente.

Aqui está a explicação simples de como eles fizeram isso e o que descobriram:

1. O Problema: O "Mapa" Geral não é Suficiente

Antes, os médicos e governos olhavam para grandes áreas (como bairros inteiros) para ver onde as crianças adoeciam. É como tentar achar uma agulha no palheiro olhando apenas para o celeiro inteiro.

• O problema: Um bairro pode ter uma casa muito rica e outra muito pobre. Se você olha apenas para o bairro, você perde os detalhes.
• A solução: Eles quiseram saber exatamente em qual rua e em qual número a criança corre mais risco.

2. A Ferramenta: Um "Detetive de Dados" (Inteligência Artificial)

Os pesquisadores usaram um tipo de inteligência artificial (chamada de "Floresta Aleatória Generalizada") que funciona como um detetive superpoderoso.

• O que ele analisou: O detetive cruzou três tipos de informações:
  1. Dados do Hospital: Quantas vezes as crianças daquela casa foram ao hospital nos últimos 6 anos.
  2. Dados da Casa: O ano em que foi construída, se tem violações de código (como tinta descascando, mofo, pragas), o valor do imóvel e o tipo de casa (se é uma casa de família ou um prédio de apartamentos).
  3. Dados do Bairro: A quantidade de crimes violentos perto da casa, o nível de pobreza da região e se há muitas pessoas sem seguro saúde.

3. A Grande Descoberta: O que mais faz as crianças adoecerem?

O "detetive" aprendeu que as casas com maior risco não são apenas as mais pobres, mas aquelas com problemas específicos:

• Casas velhas e com problemas: Casas com violações de código (como mofo ou pintura com chumbo) são como "armadilhas" para a saúde.
• Bairros perigosos: Onde há mais crimes violentos perto da casa, as crianças tendem a ir mais ao hospital.
• Tipos de moradia: Prédios de apartamentos grandes e casas muito antigas apareceram muito nas listas de risco.

4. O "Ajuste Fino": Contando as Crianças

Havia um detalhe importante: um prédio de 100 apartamentos naturalmente terá mais crianças do que uma casa de família com 1 criança. Se o prédio tivesse 10 crianças no hospital, parecia muito risco, mas talvez fosse apenas porque tem 100 crianças morando lá.

• A mágica: Eles criaram um segundo modelo que "ajustou" os números. Eles usaram registros de nascimento para saber quantas crianças provavelmente moravam em cada endereço.
• Resultado: Isso permitiu ver o risco real da casa, não apenas o risco de ter muitas crianças morando nela.

5. Por que isso é importante? (A Analogia do "Fogo")

Imagine que o sistema de saúde é um corpo de bombeiros.

• O jeito antigo: Eles mandavam os bombeiros para o bairro inteiro quando viam muitos incêndios. Isso gasta muito recurso e pode não apagar o fogo na casa certa.
• O jeito novo (deste estudo): Eles têm um mapa que diz exatamente qual casa tem o risco de pegar fogo. Agora, em vez de mandar um caminhão inteiro para o bairro, eles podem mandar um inspetor para verificar a fiação daquela casa específica, ou ajudar a família a consertar o telhado antes que a criança precise ir ao hospital.

6. O Futuro e Cuidados

Os autores dizem que essa ferramenta é incrível para:

• Médicos: Podem indicar famílias para programas de ajuda jurídica ou social antes que a criança adoeça.
• Prefeituras: Podem inspecionar casas específicas que estão em más condições, em vez de inspecionar tudo aleatoriamente.

Mas há um aviso: Como o sistema aprendeu com dados do passado, ele pode ter preconceitos (como tratar bairros negros de forma diferente dos brancos apenas porque os dados históricos são injustos). Eles precisam ter muito cuidado para que essa ferramenta ajude a todos, e não piore a desigualdade.

Resumo em uma frase

Este estudo criou um GPS de saúde que aponta exatamente quais casas em Cincinnati precisam de ajuda urgente para evitar que as crianças precisem ir ao hospital, usando dados sobre a qualidade da casa e do bairro, e não apenas sobre a doença em si.

Resumo técnico

Título do Estudo

Avaliação de Risco de Precisão para Hospitalização Pediátrica usando Dados ao Nível de Endereço em Cincinnati, Ohio

---

1. Problema e Contexto

As disparidades persistentes na saúde infantil resultam em taxas desproporcionalmente altas de hospitalização para crianças de comunidades pobres e minoritárias. Em Hamilton County, Ohio, estima-se que se crianças de todos os bairros fossem hospitalizadas na mesma taxa que as do quartil mais rico, os dias de hospitalização poderiam diminuir em mais de 30%.

Abordagens tradicionais de saúde populacional dependem de dados agregados por área (como códigos postais ou bairros), o que apresenta limitações:

• Falta de precisão espacial: Assume homogeneidade dentro de grandes unidades geográficas.
• Limitações de intervenção: Intervenções em escala de bairro podem ser dispendiosas e pouco práticas.
• Dados desatualizados: Limitações na frequência de atualização e incerteza amostral.

O estudo identifica a necessidade de integrar dados socioambientais ao nível do endereço (parcela) com dados de saúde para criar modelos de risco mais granulares e acionáveis.

---

2. Metodologia

Dados e Coorte

• Localização: Cincinnati, Ohio (área urbana densa).
• Período: 1º de julho de 2016 a 30 de junho de 2022.
• População: Todas as residências residenciais em Cincinnati (N = 77.077 endereços) e hospitalizações pediátricas no Cincinnati Children's Hospital Medical Center (CCHMC), que atende ~95% das hospitalizações do condado.
• Linkagem: Os dados de hospitalização foram vinculados a identificadores de parcelas (parcels) usando o pacote addr em R (NLP para limpeza e correspondência de endereços), alcançando uma taxa de correspondência de 81,5%.

Variáveis de Entrada (Features)

O modelo utilizou 30 características integradas de fontes de dados abertas:

• Nível de Residência (11 variáveis): Tipo de propriedade, violações de código habitacional (obtidas pelo Departamento de Edifícios e Inspeções), ano de construção, valor total de mercado (Auditor do Condado) e incidentes criminais (violento e não violento) dentro de um raio de 200 metros (Polícia de Cincinnati).
• Nível de Bairro (19 variáveis): Dados do American Community Survey (2019) e do Eviction Lab (registros de despejo), incluindo renda, educação, pobreza, densidade populacional e condições habitacionais subpadrão.

Modelagem

Foram desenvolvidos dois modelos de Floresta Aleatória Generalizada (Generalized Random Forest - GRF):

1. Risco de Hospitalização (ARCH): Previsão do número total de hospitalizações por endereço.
2. Risco Ajustado por Nascimento: Ajuste do risco subtraindo o número de nascimentos registrados no endereço (como proxy para a presença de crianças), normalizando o risco para a probabilidade de residência infantil.

• Algoritmo: GRF com 1.000 árvores, usando o pacote grf no R. O modelo trata dados ausentes como atributos, sem imputação.
• Validação: Avaliação de desempenho (ROC-AUC, PR-AUC) em diferentes limiares diagnósticos e análise de justiça (fairness) baseada na composição racial dos blocos censitários.

---

3. Contribuições Principais

• Precisão Espacial sem Precedentes: Primeiro estudo a gerar pontuações de risco de hospitalização infantil (ARCH) para cada endereço residencial individual em uma cidade inteira, superando as limitações de agregação por bairro.
• Integração Multiescala: Demonstração prática de como vincular dados de saúde eletrônicos (EHR) com dados de parcelas imobiliárias, registros de nascimento e dados criminais para criar insights acionáveis.
• Privacidade: O modelo gera pontuações de risco agregadas por endereço, não vinculando informações diretamente a indivíduos específicos, permitindo o compartilhamento de dados granulares com parceiros sem violar a privacidade do paciente (PHI).
• Abordagem Dupla: Desenvolvimento de dois modelos (bruto e ajustado por nascimentos) para distinguir entre endereços com alta densidade de crianças e endereços com risco intrínseco de saúde.

---

4. Resultados

Desempenho do Modelo

• Risco de Hospitalização (Bruto):
  • ROC-AUC: 0,98–0,99 (identificando endereços de alto risco).
  • PR-AUC: 0,65–0,72.
  • O modelo identificou corretamente 94-97% dos endereços com hospitalizações (Sensibilidade) com alta especificidade.
• Risco Ajustado por Nascimento:
  • ROC-AUC: 0,92–0,93.
  • Demonstrou concordância moderada (Kappa = 0,43) com o modelo bruto, indicando que os dois modelos classificam endereços de alto risco de formas diferentes (o modelo ajustado foca mais em edifícios multifamiliares).

Fatores Predominantes

As variáveis mais importantes para prever o risco foram:

1. Violações de Código Habitacional (pintura deteriorada, mofo, pragas).
2. Crime Violento (dentro de 200m).
3. Valor Total de Mercado da propriedade.
4. Ano de Construção e fração de casas construídas antes de 1970.

Validação Temporal

Ao testar o modelo em dados de 2022-2023 (fora da amostra de treinamento), o ROC-AUC caiu para 0,75, mas permaneceu superior ao uso de contagens históricas de hospitalização isoladas (0,68), confirmando que as características residenciais e de bairro agregam valor preditivo.

Análise de Justiça (Fairness)

Houve discrepâncias no desempenho entre grupos raciais definidos por blocos censitários. O modelo ajustado por nascimento mostrou a maior disparidade (diferença de sensibilidade de 0,14 entre o quartil com maior proporção de residentes brancos e o menor). Isso reflete viéses nos dados de origem (ex: sistemas de denúncias de código habitacional tendem a ser enviesados) e diferenças na composição de tipos de propriedade entre bairros.

---

5. Significado e Implicações

• Saúde Populacional de Precisão: O estudo oferece um framework escalável para identificar riscos de saúde com precisão ao nível da propriedade, permitindo intervenções direcionadas ("a intervenção certa, para a população certa, no momento certo").
• Aplicações Clínicas e de Políticas:
  • Clínica: Encaminhamento para parcerias médico-legais, advogados de habitação e triagem direcionada para condições sensíveis à habitação (ex: asma, envenenamento por chumbo).
  • Política Pública: Orientar inspeções habitacionais focadas e ações judiciais contra proprietários com habitações subpadrão, otimizando o uso de recursos municipais.
• Limitações e Futuro: O estudo é limitado a Cincinnati e depende da qualidade dos dados abertos. O uso de registros de nascimento como proxy para residência infantil tem limitações devido à mobilidade residencial. Trabalhos futuros devem expandir para o condado inteiro, incorporar dados temporais dinâmicos e validar os modelos em nível de paciente individual.

Em resumo, este trabalho demonstra que a integração de dados socioambientais de alta resolução com dados de saúde pode transformar a abordagem de disparidades de saúde, movendo-se de intervenções genéricas de bairro para ações precisas baseadas em endereço.