Publication
Padrões de multimorbilidade em doentes internados com cancro da próstata em Portugal: Uma abordagem de análise de clusters
| dc.contributor.advisor | Marreiros, Maria Goreti Carvalho | |
| dc.contributor.author | Carvalho, Patrícia Lopes | |
| dc.date.accessioned | 2023-10-18T14:16:16Z | |
| dc.date.available | 2023-10-18T14:16:16Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | A multimorbilidade pode ser definida como a coocorrência de duas ou mais condições crónicas. Este é um problema comum entre pacientes com cancro, que aumenta o outcome de resultados negativos, nomeadamente, morte prematura, complicações graves e baixa qualidade de vida, e resulta numa maior complexidade dos cuidados de saúde. A complexidade associada à coexistência de múltiplas condições crónicas, além da doença oncológica, requer abordagens de cuidados de saúde adaptadas e integradas. Isso representa um desafio significativo na vida dos pacientes, dos médicos e nos serviços de saúde como um todo. Este estudo tem como objetivo utilizar a análise de clusters para identificar e caracterizar padrões de multimorbilidade em pacientes com cancro da próstata usando dados hospitalares codificados clinicamente. Foram considerados os dados de internamentos com diagnóstico de cancro da próstata ocorridos em todos os hospitais públicos de Portugal Continental durante o período 2011-2017. Algoritmos de clustering de partição, nomeadamente, k-modes, PAM (Partitioning Around Medoids) e clustering hierárquico, foram empregues para identificar clusters de multimorbilidade. Os resultados obtidos a partir das diferentes abordagens de clustering foram comparados e avaliados quanto à relevância clínica. Um total de 10.394 episódios de internamentos foram analisados, com 6091 (58.6%) relatando multimorbilidade. Clusters semelhantes foram obtidos através dos diferentes algoritmos, com o método PAM apresentando alta estabilidade e melhores resultados em termos de coeficiente de silhueta média. A análise de 6 clusters obtidos com o PAM indica um padrão de diabetes coocorrendo com hipertensão e uma alta coocorrência de comorbilidades únicas, ou seja, hipertensão, doença pulmonar crónica, obesidade e arritmia concomitantes com o próprio cancro da próstata. A análise de clusters foi uma abordagem útil para detetar e caracterizar os diferentes padrões e perfis de multimorbilidade entre as hospitalizações por cancro da próstata em Portugal. Uma maior integração entre o cuidado do cancro e das comorbilidades deve ser reforçada para atender às necessidades dos pacientes com diversas doenças crónicas. | pt_PT |
| dc.description.abstract | Multimorbidity can be defined as the co-occurrence of two or more chronic conditions. This is a common issue among cancer patients, which increases the risk of negative outcomes, such as premature death, serious complications and poor quality of life, and results in greater complexity of care. The complexity associated with the coexistence of multiple chronic conditions, in addition to cancer, requires adapted and integrated health care approaches. This represents a significant challenge in the lives of patients, physicians and healthcare services as a whole. This study aims to use clustering analysis to identify and characterize multimorbidity patterns among prostate cancer patients using clinically coded hospital data. Data on hospital admissions with a diagnosis of prostate cancer occurring in all public hospitals in mainland Portugal during 2011-2017 were considered. Partitioning clustering algorithms, namely K-modes, PAM (Partitioning Around Medoids), and hierarchical clustering, have been employed to identify multimorbidity clusters. Results obtained from the different clustering approaches were compared and assessed regarding clinical relevance. A total of 10.394 inpatient episodes were analyzed, with 6091 (58.6%) reporting multimorbidity. Similar clusters were obtained through the different approaches, with PAM presenting high stability and better results in terms of average silhouette. The analysis of 6 clusters obtained with PAM indicates a pattern of diabetes co-occurring with hypertension and a high co-occurrence of single comorbidities, namely hypertension, chronic pulmonary disease, obesity, and arrhythmia with prostate cancer itself. Clustering analysis was a useful approach to detect and characterize the different patterns and profiles of multimorbidity among prostate cancer hospitalizations in Portugal. A greater integration between cancer and comorbidity care should be reinforced in order to meet the multimorbid patients’ need. | pt_PT |
| dc.identifier.tid | 203367545 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/23707 | |
| dc.language.iso | por | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | pt_PT |
| dc.subject | Análise de clusters | pt_PT |
| dc.subject | Machine Learning | pt_PT |
| dc.subject | Pacientes internados | pt_PT |
| dc.subject | Cancro da próstata | pt_PT |
| dc.subject | Multimorbilidade | pt_PT |
| dc.subject | Clustering | pt_PT |
| dc.subject | Inpatient | pt_PT |
| dc.subject | Prostate Cancer | pt_PT |
| dc.subject | Multimorbidity | pt_PT |
| dc.title | Padrões de multimorbilidade em doentes internados com cancro da próstata em Portugal: Uma abordagem de análise de clusters | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Biomédica | pt_PT |