Decision trees for the inference of ineffective airway clearance and ineffective breathing pattern of children with acute respiratory infection

Muitas dificuldades são encontradas na implementação de classificações de enfermagem na prática clínica. Destaca-se a falta de familiaridade dos enfermeiros com os sistemas de classificação e as dificuldades na tomada de decisão diagnóstica associadas às deficiências no processo de raciocínio diagnóstico. Assim, estudos que desenvolvam ferramentas tecnológicas como as árvores de decisão (AD) podem contribuir para agilizar a tomada de decisão diagnóstica e facilitar o uso destes fenômenos. Objetivou-se gerar árvores de decisão baseadas em probabilidades condicionais para auxílio na inferência diagnóstica de Desobstrução ineficaz de vias aéreas (DIVA) e Padrão respiratório ineficaz (PRI) em crianças com infecção respiratória aguda (IRA). Estudo transversal desenvolvido com o intuito de identificar dados para que pudessem ser utilizados na geração de árvores de decisão com boa aplicabilidade clínica. Realizou-se avaliação respiratória de 249 crianças com diagnóstico médico de IRA no período de janeiro a abril de 2011. Estes dados serviram de base para determinação das características definidoras (CD) dos diagnósticos de enfermagem (DE) em estudo. As CD foram enviadas para dois enfermeiros diagnosticadores para o processo de inferência diagnóstica. A maior parte das crianças era do sexo masculino (55,8%). Pneumonia (79,9%) foi a principal IRA encontrada e Asma (17,7%), a principal comorbidade. DIVA esteve presente em 89,2% dos casos e PRI em 65,5%. As CD de DIVA com maior prevalência foram: “Tosse ineficaz” (91,3%), “Ruídos adventícios respiratórios” (77,1%), “Dispneia” (69,3%), “Mudanças na frequência respiratória” (56,6%), “Ortopneia” (54,2%) e “Expectoração” (32,1%). Já para PRI, as CD mais prevalentes foram: “Alterações na profundidade respiratória” (73,9%), “Dispneia” (68,3%), “Taquipneia” (57,0%),“Ortopneia” (54,2%) e “Uso da musculatura acessória para respirar” (51,8%). Utilizaram-se três algoritmos para geração de AD: CHi-square Automatic Interaction Detection (CHAID), Classification and Regression Trees (CRT) e Quick, Unbiased, Efficient Statistical Tree (QUEST). As AD foram submetidas à validação cruzada para que se avaliasse o poder de predição dessas. Desenvolveram-se três AD para auxílio na inferência diagnóstica de DIVA, três para PRI e três para diferenciação destes diagnósticos. Para DIVA, a AD com maior poder de predição foi a desenvolvida pelo método CHAID. Já para PRI, os valores de predição foram similares para os três métodos de crescimento das árvores. Para diferenciação diagnóstica, a árvore gerada pelo método CRT obteve melhor poder de predição (86,4%). Acredita-se que a implementação das árvores de decisão pode ajudar a tornar as inferências destes dois diagnósticos mais acuradas. Entretanto esta relação necessita ser aprofundada, aplicando-se as AD geradas em outras populações. Conclui-se que a utilização de tecnologias como as AD pode ser valorosa tanto na prática clínica como no ensino de diagnósticos de enfermagem