MODELAGEM PREDITIVA DE INTERCORRÊNCIAS DURANTE A DOAÇÃO DE SANGUE NA FHB POR MEIO DE REGRESSÃO LOGÍSTICA

A doação de sangue é segura, mas intercorrências podem ocorrer devido a fatores fisiológicos ou psicossomáticos. Embora geralmente leves, podem levar à interrupção do procedimento e exigir atendimento imediato. Identificar fatores associados é essencial para segurança e eficiência. A ciência de dados permite substituir decisões intuitivas por análises baseadas em evidências. A regressão logística, aplicada em áreas como detecção de fraudes e previsão de doenças, pode antecipar eventos adversos. Neste estudo, busca-se identificar doadores com maior risco, permitindo estratégias preventivas e otimização de processos na FHB. Desenvolver modelo preditivo, por regressão logística, para estimar a probabilidade de intercorrências na doação de sangue e identificar as variáveis mais influentes. Foram utilizados 120 registros extraídos do sistema SistHemo: 60 com intercorrência e 60 sem. Separaram-se 95 registros para treino e 25 para teste. A variável alvo foi a ocorrência de intercorrência. Variáveis preditoras: Frequência de Doação, Gênero, Idade, IMC, Pressão Sistólica, Pressão Diastólica, Pulso, Hemoglobina, Volume Coletado e Hora da Coleta. O modelo foi desenvolvido com a ferramenta Julius.AI e avaliado por acurácia, precisão, recall e especificidade via matriz de confusão. O modelo apresentou acurácia de 92%, com precisão e recall de 92,8%, demonstrando alta consistência no desempenho. Dos 25 testes, classificou corretamente 13 casos com intercorrência (verdadeiros positivos) e 10 sem intercorrência (verdadeiros negativos). Houve apenas 1 falso negativo e 1 falso positivo, refletindo boa sensibilidade e especificidade. A análise dos coeficientes mostrou que “Frequência de Doação” teve maior influência negativa, sugerindo que doadores frequentes apresentam menor risco. “Pulso” foi a variável com maior influência positiva, associando valores mais altos a maior probabilidade de ocorrência. “IMC” também apresentou efeito negativo, indicando menor risco em valores mais altos. A distribuição dos erros sugere que o modelo é mais confiável para identificar casos positivos do que para descartar totalmente a ocorrência. Esses achados reforçam a utilidade prática do modelo para triagem preventiva, permitindo que a equipe de enfermagem adote ações direcionadas antes e durante a coleta, como monitoramento mais próximo ou ajustes nas condições do ambiente. A alta acurácia e consistência das métricas reforçam o potencial da regressão logística para previsão de intercorrências. Frequência de Doação e IMC associaram-se a menor risco, enquanto pulso elevado indicou maior probabilidade de ocorrência, alinhando-se a observações práticas de que doadores de primeira vez, com baixo IMC e ansiosos, são mais suscetíveis a reações. Apesar dos resultados promissores, o tamanho reduzido da amostra é limitação importante. Recomenda-se ampliar a base de dados e aplicar validação cruzada para maior robustez.