Alvo de estudo: O banco de dados utilizado para este projeto está depositado no Kaggle, e é aberto para todos.

• Dataset Kaggle

Classificar os pacientes internados com COVID-19 no hospital Sírio Libanês (Brasília-DF e São Paulo-SP) de acordo com a necessidade ou não as instalações das Unidades de Terapia Intensiva (UTIs).

1. Prever quais pacientes necessitarão de UTI;
2. Prever quais pacientes NÃO necessitarão de UTI.

• UTI ou não - ICU - (0,1);
• Janela de tempo - WINDOW - ['0-2', '2-4', '6-12', 'Above-12');

Não se pode utilizar os dados quando o paciente deu entrada na UTI -> ICU = 1

Os dados foram anonimizados e escalados para manterem-se entre 0 e 1 de acordo com valores máximos e mínimos;

• Informações demgráficas (03);
• Agrupamento de doenças (09);
• Resultados de exames de sangue (36);
• Sinais vitais (06).
  

Diversas variáveis foram expandidas para versões média, mediana, máximo, mínimo, diff e diff relativo.

• diff = valor máximo - valor mínimo;
• diff relativo = diff / mediana

Neste desafio, temos dados de pacientes positivos para COVID-19 internados no Hospital Sírio Libânes de São Paulo-SP e Brasília-DF. De forma geral, temos até 5 entradas que representam dados de um mesmo paciente. Essas entradas são referentes à diferentes janelas de tempo (0-2, 2-4, 4-6, 6-12, >12) em que os pacientes foram acompanhados. Para cada uma das janelas, foram dosados diversos marcadores biológicos e sinais vitais.
Resumidamente, a estrutura do banco é a seguinte:

Tabela 1. Estrutura de repetição dos dados no banco usado no desafio.

Essa estrutura de repetição para cada paciente representa um problema de medições repetidas (do inglês multiple measures ou repeated measures), que é comum para bancos ou estudos na área da saúde. Nesse tipo de dados temos uma dependência entre as amostras de cada paciente. Ou seja, os dados da janela 2-4 do paciente A são muito dependentes dos dados da janela anterior (0-2) desse mesmo paciente A.
Em situações assim, podem ser empregados modelos lineares mistos ou modelos para análise de sobrevivência que consideram esse agrupamento dos pacientes:

• Introduction to linear mixed models;

• Piecewise exponential models and creating custom models;

• How Linear Mixed Model Works;

• Comparing common analysis strategies for repeated measures data.

Apesar de entender que esses modelos seriam úteis, a complexidade dos nossos dados e desses modelos mais refinados me impediu de seguir com a implementação e testes. Desta forma segui com uma abordagem mais "convencional".

Deste modo, percebemos que escolha da conduta para trabalhar com os dados não é trivial.