
Modelos preditivos para a doença diarreica infantil: uma revisão sistemática (2000-2025)
InfectologiaO que aconteceu
A doença diarreica infantil continua a ser uma das principais causas de mortalidade infantil em todo o mundo. Embora os modelos preditivos tenham sido cada vez mais propostos para alerta precoce, sua qualidade metodológica e validação não têm sido sistematicamente avaliados utilizando quadros formais de risco de viés. Esta revisão sistemática teve como objetivo identificar, descrever e avaliar criticamente modelos de predição de nível individual e estudos de previsão populacional para resultados diarreicos infantis, com foco no desenvolvimento de modelos, validação, qualidade de notificação e prontidão operacional Seguindo as diretrizes PRISMA 2020 (PROSPERO: CRD420251232269), buscamos sete bases de dados e fontes de literatura cinzentas de janeiro de 2000 a 18 de setembro de 2025. Foram incluídos estudos que desenvolveram ou validaram modelos de predição multivariáveis para resultados diarréticos em crianças, incluindo abordagens estatísticas, machine learning e híbridas. Os modelos de nível individual foram avaliados utilizando-se o Modelo de Predição Risco de Bias Assessment Tool (PROBAST), e os estudos de nível populacional foram avaliados qualitativamente para credibilidade metodológica, com ênfase na validação
O que encontraram
Dos 20.662 prontuários triados, 38 estudos atenderam aos critérios de inclusão. As publicações aceleraram após 2020, com 78,9% dos estudos incluídos publicados nesse período. A base de evidências foi composta por 25 estudos de um único país e 13 análises multipaíses ou globais. Modelos estatísticos foram mais comumente utilizados, como relatado em 18 estudos, enquanto abordagens de conjunto ou híbridas, como modelos de aprendizado híbrido-estatístico foram aplicadas em 11 estudos, e métodos de aprendizado de máquina em oito estudos. A seleção dos preditores variou amplamente, com fatores sociodemográficos e domiciliares incluídos em 23 estudos e variáveis ambientais ou climáticas em 18. Entre os 15 modelos de predição individual avaliados pelo PROBAST, cinco apresentaram alto risco global de viés. Dos 19 estudos de previsão populacional avaliados qualitativamente, apenas três realizaram rigorosa validação temporal fora da amostra. Os quatro estudos restantes foram classificados como outras categorias de modelagem e resumidos descritivamente
Por que isso importa
A pesquisa sobre a predição de diarreia infantil expandiu-se rapidamente em modelos de classificação individuais, populacionais e relacionados. Embora alguns estudos tenham relatado práticas de validação mais fortes, essas permaneceram pouco frequentes, deixando evidências de capacidade de transporte e prontidão para implementação limitadas para a maioria dos modelos. Os progressos futuros dependerá de um alinhamento mais estreito entre objetivos de modelização, estratégia de validação, quadro de avaliação e relatórios transparentes
Tradução automática do resumo original, publicado em Infectious diseases of poverty sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Predictive modelling approaches for childhood diarrhoeal disease: a systematic review (2000-2025)
Sunyun Qi, S M Nuruzzaman Nobel, Amutha Ramadas, Hua Gu, Kia Fatt Quek
Descritores MeSH
- Diarrhea
- Predictive Learning Models
- Prediction Algorithms
- Machine Learning
- Humans
- Models, Statistical
- Child