Esta ferramenta utiliza um modelo de Regressão Logística derivado de um estudo que aplicou Inteligência Artificial (IA) para estratificar o risco cardiovascular em indivíduos pré-diabéticos.
População de Foco e Metodologia
A heterogeneidade metabólica da população pré-diabética exige uma estratificação de risco mais refinada. O estudo utilizou um Algoritmo não supervisionado de Machine Learning para descobrir fenótipos de risco, sem a necessidade de rótulos prévios de doença.
- O Algoritmo não supervisionado k-means processou 3.024 indivíduos pré-diabéticos.
- A IA separou a amostra em dois fenótipos: Alto Risco (n=1.113) e Baixo Risco (n=1.911).
O modelo final de Regressão Logística atingiu uma Acurácia superior a 93% e uma AUC de 0.984 na distinção entre os fenótipos de risco definidos pela Inteligência Artificial.
Índices e Cálculo
O modelo se baseia nos dois índices lipídicos de maior poder preditivo, conforme determinado pela análise inicial da IA:
Coeficientes do Modelo (Regressão Logística)
A probabilidade de Risco Alto ($P$) é calculada usando a função Logit com os seguintes coeficientes, ajustados aos fenótipos descobertos pela IA:
\[ Z = -17.96 + 24.85 \times \text{AIP} + 1.27 \times \text{IC-II} \]
\[ P(\text{Risco Alto}) = \frac{1}{1 + e^{-Z}} \]