TRISS-AG: um algoritmo genético para ajuste do método TRISS de previsão de sobrevivência de pacientes de trauma

Trauma é uma das principais causas de morte e invalidez [10]. O custo para a sociedade com as consequências de ferimentos intencionais ou acidentais corresponde a 16% do custo global com doenças, sendo este custo especialmente notável em paı́ses com menor renda. Diminuir este peso sobre a sociedade está entre os maiores desafios para a saúde pública neste século [9]. Respostas a este problema precisam envolver iniciativas organizadas tanto de prevenção como de melhoria da qualidade do tratamento inicial dado às vı́timas pelos serviços de saúde responsáveis. A qualidade destes serviços pode ser caracterizada como o grau em que o tratamento oferecido aumenta a probabilidade de sobrevivência da vı́tima, dentro dos limites do conhecimento médico atual [10]. Melhorias na prevenção do trauma e no controle da qualidade dos sistemas de atendimento ao traumatizado demonstraram efeitos mensuráveis em termos de vidas salvas e melhoria dos resultados [2]. Um papel chave na melhoria da qualidade dos serviços de saúde tem sido desempenhado nas últimas décadas pelos sistemas de classificação de trauma. Estes sistemas são modelos matemáticos utilizados para avaliar a gravidade de um dado paciente e para predizer a probabilidade de sobrevivência de uma dada população em termos estatı́sticos. O cálculo destes ı́ndices, ou scores, considera parâmetros de sinais vitais e avaliações feitas por médicos sobre os ferimentos nos primeiros momentos do atendimento. Os ı́ndices são usados para guiar decisões clı́nicas sobre os procedimentos imediatos a serem tomados, mas também tem utilidade posteriormente, na avaliação do desempenho do serviço de saúde [5]. Nas últimas décadas, alguns modelos de predição de sobrevivência de trauma foram desenvolvidos e tem sido amplamente utilizados. Um dos mais comumente usados é o Trauma and Injury Severity Score (TRISS). Embora seja o mais usado no mundo todo, ele tem sido criticado por não refletir a realidade do atendimento médico de paı́ses em desenvolvimento, pois foi construı́do por meio de uma regressão logı́stica usando dados de pacientes norte-americanos há mais de três