Author(s): Santiago, Larysse Chrystine de Oliveira ; Fróes, Nathaly Bianka de Moraes ; Aquino, Wislla Ketlly Menezes de ; Lopes, Marcos Venicios de Oliveira
Date: 2021
Origin: Oasisbr
Subject(s): Recém-nascidos - Saúde e higiene; Temperatura corporal - Regulação; Diagnóstico em enfermagem; Enfermagem pediátrica; Neonatologia
O trabalho de avaliação de neonatos numa maternidade-escola permitiu o desenvolvimento de ferramentas de apoio ao diagnóstico. O presente estudo descreve o processo de desenvolvimento de árvores de classificação clínica de neonatos quanto à presença / ausência do diagnóstico de enfermagem Termorregulação ineficaz. Estas ferramentas foram construídas a partir da avaliação de saúde de 216 neonatos admitidos nas Unidades de Cuidado Intermediário Neonatal Convencional e Unidades de Terapia Intensiva Neonatal da referida maternidade por integrantes do projeto de extensão Tecnologia para o Cuidado de Enfermagem, Para a coleta de dados utilizou-se um instrumento subdividido em dados clínicos e exame físico para identificação das características definidoras de diagnóstico de enfermagem em questão. Após a identificação das características definidoras, o status diagnóstico de cada neonato foi definido com base em probabilidades posteriores obtidas a partir da análise de classe latente. Em seguida, três diferentes algoritmos computacionais (CHAID, CART e QUEST) foram utilizados para construção das árvores de classificação. A frequência das características definidoras variou entre 0,5% e 32,9%. A prevalência do diagnóstico em 43,5%. A árvores construída a partir do algoritmo CHAID incluiu quatro características definidoras. O erro de estimativa por validação cruzada foi de 14,4% e percentual de classificação correta foi de 90,3%. A árvore construída com base no método CART incluiu nove características definidoras. O erro de estimativa por validação cruzada foi de 10,2% e percentual de classificação correta foi de 92,6%. Por fim, a árvore construída com base no método QUEST incluiu seis características definidoras. O erro de estimativa por validação cruzada foi de 10,6% e percentual de classificação correta foi de 91,2%. As três árvores apresentaram desempenho satisfatório, sendo aquela obtida por método QUEST a que apresentou melhor desempenho.
