Programa - Comunicação Coordenada - CC1.20 - Mortalidade, segregação racial e predição dos casos de câncer no Brasil

Objetivos: Investigar a associação entre segregação residencial racial e mortalidade por câncer em municípios de Minas Gerais (MG).
Métodos: Estudo agregado, com os municípios de MG como unidades de análise. O desfecho foi a taxa de mortalidade por câncer, por sexo, padronizada por idade, para o período de 2010-2019; e a exposição a medida de segregação residencial índice de interação racial (IIR), calculada com dados do Censo Demográfico de 2010, que varia de 0 (nenhuma interação) a 1 (máxima interação). A associação entre as variáveis foi analisada por modelo de regressão linear espacial, ajustado pela covariável Índice de Desenvolvimento Humano (IDH).
Resultados: O IIR teve associação negativa com a taxa de mortalidade por câncer apenas no sexo masculino; a cada aumento de 0,1 unidade no IIR a taxa de mortalidade foi menor em 2 óbitos por 100.000 habitantes.
Conclusões: A segregação residencial racial tem uma associação com o risco de morrer de câncer, no sexo masculino, para além daquela relacionada ao IDH, indicador de desenvolvimento socioeconômico tradicionalmente utilizado nas pesquisas. A segregação residencial, por razões raciais ou socioeconômicas, desvela desigualdades no território não identificadas pelos indicadores tradicionais.

Objetivo. Avaliar método de correlação entre bases de dados de um registro hospitalar de câncer (RHC) e do sistema de informações sobre mortalidade (SIM) para atualização da informação sobre óbito, utilizando os óbitos de uma coorte de câncer de pulmão como piloto. Metodologia. Utilizou-se método determinístico para relacionamento (linkage) das bases de dados do RHC e do SIM. As etapas, realizadas por meio do software R-Project, foram: (1) padronização do formato das variáveis dos bancos; (2) aplicação de algoritmo para identificação de pares; (3) revisão manual dos pares duvidosos; (4) cálculo de escores de concordância. As chaves de identificação foram “Nome” e “Data do Nascimento”. A igualdade das datas de óbito dos pares foi utilizada como critério para os verdadeiros positivos. Pares com datas de óbito diferentes foram conferidas na revisão manual. Estudo com aprovação ética. Resultados. As bases possuem 2.563.347 óbitos brutos (SIM) e 746 óbitos de pulmão (RHC). O algoritmo encontrou 531 pares, sendo apenas 470 verdadeiros positivos (sensibilidade de 88,5% e acurácia de 63,0%). Após revisão manual, o número de verdadeiros positivos evoluiu para 494 (sensibilidade de 93,0% e acurácia de 66,2%). Conclusão. O método de linkage obteve desempenho similar à literatura. A qualidade dos dados da vigilância do câncer ajuda na formulação de políticas de saúde pública. O problema da falta de chave unívoca entre bases de dados na saúde pode ser superado por meio de linkage. Uma limitação do estudo foi a não revisão dos falsos negativos.

Objetivos: Avaliar o estadiamento clínico (EC) ao diagnóstico e seu impacto na sobrevida para os principais tipos de cânceres no estado de São Paulo. Métodos: Casos analíticos de câncer de mama (C50), próstata (C61), colo do útero (C53), colorretal (C18-C20), pulmão (C34) e estômago (C16), diagnosticados entre 2000 e 2020, foram obtidos no Registro Hospitalar de Câncer do Estado de São Paulo. O EC ao diagnóstico foi classificado em in situ, inicial (I e II) e avançado (III e IV), sendo avaliado por Departamento Regional de Saúde (DRS). A sobrevida global para o período de até 5 anos, por EC, foi obtida para casos diagnosticados entre 2000 e 2018. Resultados: Um total de 455.151 casos foram identificados para estes cânceres mais frequentes. O EC avançado foi mais frequente no sexo masculino (53,5%) comparado ao feminino (41,8%). Houve variações entre os DRSs, sendo mais prevalente o EC inicial para câncer de mama e próstata, e para o colo do útero o EC inicial foi ligeiramente superior ao avançado. Os cânceres colorretal, pulmão e estômago tiveram maior prevalência de EC avançado. A sobrevida em 5 anos (EC inicial vs. avançado) foi maior para o câncer de mama (82% vs. 44%) e próstata (79% vs. 56%), intermediária para colo do útero (68% vs. 26%) e colorretal (63% vs. 30%), e baixa para pulmão (32% vs. 4%) e estômago (52% vs. 9%). Conclusões: O EC variou com o tipo de tumor tendo impacto direto na sobrevida por câncer no estado de São Paulo.

Objetivos: O presente estudo teve como objetivo realizar a modelagem preditiva e identificar os preditores do óbito em até um ano do diagnóstico em pacientes com câncer de boca e orofaringe. Métodos: Trata-se de um estudo transversal, com inclusão de pacientes com idade a partir de 60 anos, com diagnóstico de câncer de boca e orofaringe, sem tratamento oncológico prévio. As informações sociodemográficas e clínicas foram coletadas a partir de entrevista e análise dos prontuários, incluindo a aplicação de uma Avaliação Multidimensional da Pessoa Idosa (AMPI) no Instituto Nacional de Câncer – INCA (Rio de Janeiro/RJ). Para análise estatística, foram utilizadas as técnicas de machine learning K-Nearest Neighbours (KNN) e Random Forest (RF), tendo a variável óbito no primeiro ano após o diagnóstico como variável dependente e características sociodemográficas e clínicas como preditores. Resultados: Dos 163 participantes incluídos no estudo, 62 vieram à óbito no primeiro após o diagnóstico (38,0%). Os modelos de KNN e RF apresentaram AUC de 0.89 e 0.99, respectivamente. Para KNN, o recall foi de 0.733, F1-score de 0.846 e acurácia de 0.879, enquanto para RF, o recall foi de 0.800, F1-score de 0.889 e acurácia de 0.909. Adicionalmente, a análise de importância das características apontou domínios da AMPI e a variável renda como alguns dos principais fatores na previsão do óbito. Conclusões: Este estudo demonstrou a viabilidade do uso de algoritmos de machine learning para a classificação e predição do óbito no primeiro ano após o diagnóstico em pacientes oncológicos com uma acurácia confiável.