Big data em Saúde do Trabalhador: o quão distantes estamos?

Fagundes, Thales Pardini; Wichmann, Roberta Moreira; Silva, Maria Eduarda de Lima e; Oliveira, Tiago Almeida de

doi:10.1590/2317-6369/40522pt2024v49edcinq11

person Thales Pardini Fagundes

contribuíram igualmente na concepção · na elaboração e na aprovação final da versão publicada e assumem total responsabilidade por todos os aspectos do trabalho

schoolUniversidade de São Paulo, Faculdade de Medicina de Ribeirão Preto, Hospital das Clínicas. Ribeirão Preto, SP, Brasil.

0000-0002-3302-9913

person Roberta Moreira Wichmann

contribuíram igualmente na concepção · na elaboração e na aprovação final da versão publicada e assumem total responsabilidade por todos os aspectos do trabalho

schoolInstituto Brasileiro de Ensino, Desenvolvimento e Pesquisa, Programa de Pós-graduação em Economia. Brasília, DF, Brasil.

0000-0002-4951-9327

person Maria Eduarda de Lima e Silva

contribuíram igualmente na concepção · na elaboração e na aprovação final da versão publicada e assumem total responsabilidade por todos os aspectos do trabalho

schoolInstituto Brasileiro de Ensino, Desenvolvimento e Pesquisa, Programa de Pós-graduação em Economia. Brasília, DF, Brasil.

0000-0003-3100-8817

person Tiago Almeida de Oliveira

contribuíram igualmente na concepção · na elaboração e na aprovação final da versão publicada e assumem total responsabilidade por todos os aspectos do trabalho

schoolUniversidade Estadual da Paraíba, Departamento de Estatística, Programa de Pós-graduação em Desenvolvimento Regional. Campina Grande, PB, Brasil.

0000-0003-4147-7721

personContato: Thales Pardini Fagundes; E-mail:
tpfagundes@hcrp.usp.br

Conflito de interesses:

Os autores declaram que não há conflitos de interesses.

Editor-Chefe:

José Marçal Jackson Filho

MEDLINE	(“Occupational Health”[MeSH] OR “Health, Occupational”[MeSH] OR “Hygiene, Industrial”[MeSH] OR “Employee Health”[MeSH] OR “Occupational Medicine”[MeSH] OR “Occupational Health Services”[MeSH]) AND (“Artificial Intelligence”[MeSH] OR “Machine Intelligence”[MeSH] OR “Machine Learning”[MeSH] OR “Deep Learning”[MeSH] OR “Big Data”[MeSH] OR “Information Systems”[MeSH] OR “Databases, Factual”[MeSH] OR “Health Information Systems”[MeSH]) Total de artigos: 75 Artigos Selecionados: 15
EMBASE	PARTE 1 (‘occupational health’/exp OR ‘occupational health’) AND (‘artificial intelligence’/exp OR ‘artificial intelligence’ OR ‘machine learning’/exp OR ‘machine learning’ OR ‘big data’/exp OR ‘big data’) AND ‘data base’ Total: 45 Artigos Selecionados: 6 PARTE 2 (‘occupational health’/exp OR ‘occupational health’) AND (‘artificial intelligence’/exp OR ‘artificial intelligence’ OR ‘machine learning’/exp OR ‘machine learning’ OR ‘big data’/exp OR ‘big data’ OR ‘data base’/exp OR ‘data base’) AND (2010:py OR 2011:py OR 2012:py OR 2013:py OR 2014:py OR 2015:py OR 2016:py OR 2017:py OR 2018:py OR 2019:py OR 2020:py OR 2021:py OR 2022:py) AND (‘cohort analysis’/de OR ‘human experiment’/de OR ‘longitudinal study’/de OR ‘observational study’/de) AND ‘article’/it Total de artigos: 409 Artigos Selecionados:15
BVS	(mh:(“Inteligência Artificial”)) AND (mh:(“Saúde Ocupacional”)) Total de artigos: 32 Artigos selecionados: 20
SciELO	(“saúde ocupacional” OR “saúde do trabalhador”) AND (“inteligência artificial” OR “aprendizado de máquina” OR “machine learning” OR “big data”) AND (“base de dados” OR “banco de dados” OR “database” Total de artigos : 20 Artigos selecionados: 1

Título	Identificação	País	Tipo de Estudo	É Big Data?	Resumo da contribuição do estudo para a área de saúde ocupacional
REDECA: A Novel Framework to Review Artificial Intelligence and Its Applications in Occupational Safety and Health	Pishgar et al. 2021⁶	EUA	Revisão	Não	A metodologia REDECA é usada para revisar artigos que aplicam inteligência artificial para avaliar e prevenir riscos de acidentes no ambiente de trabalho em empresas de cinco setores (petróleo e gás, mineração, transporte, construção e agricultura). À medida que as aplicações de IA em todas as indústrias continuam a aumentar, é necessária uma exploração adicional dos benefícios e desafios das aplicações de IA em segurança e saúde ocupacional para proteger de forma ideal a saúde, segurança e bem-estar dos trabalhadores.
Predictors of working beyond retirement in older workers with and without a chronic disease - results from data linkage of Dutch questionnaire and registry data	Wind et al. 2018¹³	Holanda	Original	Não	Visa a identificar os fatores relevantes que explicam a oferta de trabalho entre indivíduos após a aposentadoria. Estes foram divididos em dois grupos, aqueles com doenças crônicas e aqueles sem doenças crônicas. Fatores relacionados à saúde (melhor percepção de saúde física e altura) e trabalho (nível de qualificação do trabalho e carga de trabalho) são significativos para explicar a oferta de trabalho além da aposentadoria para ambos os grupos. A maior dificuldade de previsão entre trabalhadores com doenças crônicas pode estar associada ao maior grau de heterogeneidade do grupo em comparação com seus pares sem doenças crônicas.
Determinants of metabolic syndrome in obese workers: gender differences in perceived job-related stress and in psychological characteristics identified using artificial neural networks	Vigna et al. 2019¹⁴	Itália	Original	Não	O estudo investigou as associações entre gênero, variáveis psicossociais, estresse relacionado ao trabalho e a presença de síndrome metabólica (SM) em uma coorte de trabalhadores obesos caucasianos. As análises de dados foram realizadas com um algoritmo de rede neural artificial chamado Auto Semantic Connectivity Map (AutoCM), usando todas as variáveis disponíveis, idade, IMC, circunferência da cintura, glicose em jejum, pressão arterial, triglicerídeos e colesterol HDL foram coletados para definir SM. Além disso, foram avaliados comportamentos alimentares, sintomas depressivos e estresse relacionado ao trabalho. Foi encontrada uma associação complexa relacionada ao gênero entre SM, fatores de risco psicossocial e determinantes ocupacionais.
Prediction of pneumoconiosis by serum and urinary biomarkers in workers exposed to asbestos-contaminated minerals	Yang 2019¹⁶	Taiwan	Original	Não	O objetivo deste estudo foi avaliar a precisão diagnóstica de biomarcadores séricos e urinários para pneumoconiose em trabalhadores expostos a minerais contaminados com amianto. O estudo usou algoritmos de aprendizado de máquina para identificar marcadores relevantes para o diagnóstico de pneumoconiose, uma doença pulmonar.
A comparison of confounder selection and adjustment methods for estimating causal effects using large healthcare databases	Benasseur et al. 2018¹⁷	Canadá	Original	Não	Estudo usando simulações para comparar o desempenho de diferentes métodos de aprendizado de máquina para reduzir viés por variáveis não medidas e medidas em grandes bases de dados de saúde. Foram comparados o ajuste bayesiano para confundimento (BAC), estimativa causal bayesiana generalizada (GBCEE), Group Lasso e estimativa duplamente robusta, escore de propensão de alta dimensão (hdPS) e algoritmos de máxima verossimilhança direcionada colaborativa escalável. A técnica ajuda a reduzir o viés em LHDs, mas os resultados ainda são inconclusivos.
Differential occupational risks to healthcare workers from SARS-CoV-2 observed during a prospective observational study	Eyre et al. 2020¹⁸	Reino Unido	Original	Não	O estudo avaliou diferenciais de risco para SARS-CoV-2 entre funcionários sintomáticos e assintomáticos de um hospital de ensino. Os resultados indicaram uma taxa maior de resultados positivos entre profissionais que trabalham em área com contato direto com pacientes, que tinham maior probabilidade de serem contaminados. A menor taxa foi observada entre funcionários da unidade de terapia intensiva. Resultados positivos eram mais prováveis em funcionários negros e asiáticos, independentemente da função ou local de trabalho, e em carregadores e faxineiros.
Availability and accuracy of occupation in cancer registry data among Florida firefighters	McClure et al. 2019¹⁹	EUA	Original	Não	O objetivo deste estudo é determinar a frequência e os preditores de dados ocupacionais ausentes e imprecisos para uma coorte de bombeiros de carreira em um registro estadual de câncer. Entre os registros de pacientes com câncer, os resultados do modelo de regressão logística apresentam uma maior probabilidade de atribuição da ocupação de bombeiros entre homens, com diagnóstico mais recente e entre os mais jovens.
Empirical estimation of the grades of hearing impairment among industrial workers based on new artificial neural networks and classical regression methods	Farhadian et al. 2015²⁰	Irã	Original	Não	Este estudo teve como objetivo analisar o potencial das técnicas de redes neurais artificiais e regressão logística para a estimativa de deficiência auditiva entre trabalhadores industriais. Cinco características, incluindo a idade dos trabalhadores, experiência de trabalho, nível de exposição ao ruído, status de tabagismo e uso de EPI auditivo, foram determinadas como as variáveis finais para desenvolver o modelo de previsão. O resultado confirmou que as redes neurais podem ser uma ferramenta adequada para análise de um fenômeno como a perda auditiva, em que os dados necessários para diferentes variáveis estão sendo coletados, enquanto os mecanismos de efeitos de interação são complexos e não totalmente compreendidos.
Non-cancer morbidity among Estonian Chernobyl cleanup workers: A register-based cohort study	Rahu et al. 2014²¹	Estônia	Original	Não	Examinar a morbidade não oncológica na coorte de trabalhadores de limpeza de Chernobyl da Estônia em comparação com a amostra populacional, com atenção especial às doenças relacionadas à radiação e transtornos de saúde mental. Foi encontrada morbidade elevada na coorte exposta para doenças do sistema nervoso, sistema digestivo, sistema musculoesquelético, doença cardíaca isquêmica e para causas externas. O excesso de risco mais saliente foi observado para doenças da tireoide, autolesão intencional e diagnósticos selecionados relacionados ao álcool. Nenhuma morbidade excessiva óbvia consistente com os efeitos biológicos da radiação foi observada na coorte exposta, exceto para doenças benignas da tireoide.
Solbase: a databank of solutions for occupational hazards and risks	Swuste et al. 2003²²	Espanha, Itália, Irlanda, Alemanha, Reino Unido e Holanda	Original	Sim	Solbase é um banco de dados que reúne informações do ambiente de trabalho de diferentes empresas e processos em diferentes setores para mapear soluções para riscos de acidentes ocupacionais. É uma base construída conjuntamente entre diferentes países europeus. Conclui-se que a base é uma boa ferramenta de busca para soluções de ambiente de trabalho, de modo que as informações extraídas possam ser transferidas entre países, empresas e ramos, atribuindo escalabilidade às soluções encontradas.
Research on workplace health promotion in the Nordic countries: a literature review, 1986-2008	Torp et al. 2011²³	Países nórdicos: Noruega, Suécia, Dinamarca, Finlândia e Islândia	Revisão	Não	Esta revisão de literatura teve como objetivo identificar estudos sobre promoção da saúde no local de trabalho nos países nórdicos, descrever quando, onde e como os estudos foram realizados e analisar ainda mais o uso de abordagens de configurações e processos de empoderamento. Os resultados identificam três níveis de intervenção: 1) individual focado em evitar o estresse com estratégias de relaxamento e meditação; 2) definição de papéis e apoio entre pares, e 3) intervenções voltadas para aspectos físicos, sociais e organizacionais, potenciais fontes de estresse.
Intelligent Robotics Incorporating Machine Learning Algorithms for Improving Functional Capacity Evaluation and Occupational Rehabilitation	Fong et al. 2020²⁷	Canadá	Revisão	Não	Este artigo revisa os esforços para desenvolver soluções robóticas de avaliação de capacidade funcional (FCE) que incorporam algoritmos de aprendizado de máquina. O Sistema de Reabilitação funciona simulando manobras mais habilidosas e tarefas funcionais. As abordagens baseadas em aprendizado de máquina combinam os benefícios dos sistemas robóticos com a expertise e experiência de terapeutas humanos.
Identification and classification of high-risk groups for Coal Workers’ Pneumoconiosis using an artificial neural network based on occupational histories: a retrospective cohort study	Liu et al. 2009²⁸	China	Original	Não	O estudo foi realizado usando dados retrospectivos longitudinais com rede neural artificial para prever a probabilidade de pneumoconiose de trabalhadores do carvão (CWP) e categorizar os níveis de risco. A duração da exposição à poeira e a categoria ocupacional foram os dois fatores mais importantes para CWP. Mineiros de carvão em diferentes níveis de risco para CWP poderiam ser classificados pela análise de rede neural de três camadas com base no histórico ocupacional.
Ethical Considerations of Using Machine Learning for Decision Support in Occupational Health: An Example Involving Periodic Workers’ Health Assessments	Dijkstra et al. 2020³⁰	Holanda	Revisão	Sim	O objetivo deste estudo foi explorar considerações éticas e potenciais consequências do uso de ferramentas de suporte à decisão (DSTs) baseadas em ML no contexto da saúde ocupacional. Foram deliberados os princípios éticos biomédicos: respeito à autonomia, beneficência, não maleficência e justiça. Para minimizar efeitos adversos indesejáveis, deve-se observar a qualidade dos dados (completude e confiabilidade, incluindo informações de diferentes atores) para reduzir possíveis vieses nos resultados, aderir à responsabilidade social ao projetar os modelos e observar questões epidemiológicas em torno de seus pontos fortes e fracos.
From worker health to citizen health: moving upstream	Sepulveda 2013³¹	EUA	Revisão	Sim	O estudo discute o uso de dados longitudinais relacionados à saúde ocupacional para analisar e identificar oportunidades de apoiar estratégias de prevenção, aumentando o retorno sobre investimentos em saúde e segurança. O valor do big data está na generalização de resultados, atribuindo escalabilidade às intervenções. As intervenções podem alcançar melhores resultados a partir dos dados de múltiplas fontes.
Qualidade dos dados do sistema de informação sobre acidentes de trabalho com exposição a material biológico no Brasil, 2010 a 2015	Gomes & Caldas 2017³²	Brasil	Original	Sim	O estudo tem como objetivo analisar a acessibilidade, oportunidade e completude como critérios de qualidade das informações fornecidas pelo Sistema de Informação de Agravos de Notificação (SINAN) sobre Acidentes de Trabalho com Exposição a Material Biológico (ATEMB) de 2010 a 2015. As informações são acessíveis e oportunas. Apesar da acessibilidade da base de dados e da relevância de suas variáveis, o SINAN-ATEMP apresenta problemas em sua qualidade que indicam uma necessidade indiscutível de melhorar a completude das informações.