Previsão de doenças crônicas em idosos com aprendizado de máquina: uma abordagem de classificação multirrótulo utilizando dados do estudo ELSI-Brasil

Abstract

RESUMO

O aumento da multimorbidade em idosos representa um desafio crescente, exigindo ferramentas preditivas que auxiliem e planejem ações na saúde pública. Este trabalho propõe uma abordagem baseada em aprendizado de máquina para predizer multimorbidade (presença simultânea de doenças crônicas) em idosos por meio de classificação multirrótulo. Utilizou-se a base da 2a onda ELSI-Brasil, totalizando 9.617 indivíduos após o pré-processamento. Foram modeladas sete condições crônicas com prevalência ≥ 5%: hipertensão, diabetes, colesterol alto, artrite, depressão, osteoporose e problema crônico de coluna. O pipeline metodológico incluiu limpeza e recodificação de variáveis, definição de atributos (com ênfase em indicadores antropométricos), análise exploratória da coocorrência de doenças e modelagem com estratégias multirrótulo, comparando Binary Relevance e variações baseadas em cadeias de classificadores, utilizando Random Forest e Support Vector Machine como algoritmos base. A avaliação foi realizada por validação cruzada repetida (10-fold, 5 repetições), totalizando 50 avaliações independentes. Os resultados indicaram desempenho consistente entre os modelos, com F1- Measure entre 0,33–0,35, Hamming Loss aproximado de 0,237–0,243. Adicionalmente, evidenciou-se a relevância de variáveis clínicas e antropométricas (como IMC, Idade e RCQ)

na predição das comorbidades. Conclui-se que a abordagem multirrótulo é viável na base ELSI- Brasil, oferecendo um caminho promissor para apoiar a estratificação de risco e o planejamento

em saúde pública. ABSTRACT

The rise of multimorbidity in elderly poses a growing challenge for public health, demanding

predictive tools to assist and plan preventive actions. This work proposes a machine learning- based approach to predict multimorbidity (simultaneous presence of chronic diseases) in older

adults using multi-label classification. Data from the second wave of the Brazilian Longitudinal Study of Aging (ELSI-Brasil) was used, comprising 9,617 individuals after pre-processing. Seven chronic conditions with prevalence ≥ 5% were modeled: hypertension, diabetes, high cholesterol, arthritis, depression, osteoporosis, and chronic back problems. The methodological pipeline included data cleaning, variable recoding, feature engineering (emphasizing anthropometric indicators), exploratory analysis of disease co-occurrence, and modeling using multi-label strategies. Binary Relevance and classifier chain-based variations were compared using Random Forest and SVM as base algorithms. Evaluation was performed using repeated cross-validation (10-fold, 5 repetitions), totaling 50 independent evaluations. Results indicated consistent performance across models, with F1-Measure ranging from 0.33–0.35, Hamming Loss approximately 0.237–0.243. Additionally, the relevance of clinical and anthropometric variables (such as BMI, Age, and WHR) in predicting comorbidities was evidenced. It is concluded that the multi-label approach is feasible on the ELSI-Brasil dataset, offering a promising path to support risk stratification and public health planning.