Ciência de Dados I
Desafio
Ainda existem importantes lacunas de conhecimento para entender como a nutrição, os cuidados durante o pré-natal e no pós-parto, além de fatores ambientais e sociais, contribuem para um elevado risco de resultados insatisfatórios para a saúde materno infantil.
Desenvolver e validar abordagens para promover a saúde materno-infantil é uma tarefa desafiadora porque depende de uma complexa interação entre fatores biológicos, ambientais e sociais. Além disso, recomendações de políticas públicas para garantir bons resultados nesta área frequentemente carecem do suporte de evidências científicas porque os testes clínicos, em geral, são caros, levam tempo e são cada vez mais difíceis de implementar.
Essa compreensão é necessária para determinar quais intervenções, incluindo políticas públicas de saúde, devem ser oferecidas, a quais grupos de indivíduos e em que momento de suas vidas para garantir os melhores resultados.
Objetivo
Esta chamada é em parte resultado da chamada de ACT – Todas as Crianças com Desenvolvimento Saudável, e alinha-se com outra iniciativa criada pela Fundação Gates em 2010 (Integração do Conhecimento em Nascimento, Crescimento e Desenvolvimento Saudáveis, da sigla em inglês HBGDki). O principal objetivo deste programa foi utilizar ferramentas de ciência de dados para desenvolver um sólido entendimento dos fatores de risco que contribuem para desfechos inadequados em partos prematuros, crescimento infantil incerto e desenvolvimento neurocognitivo comprometido.
O edital procurou fomentar abordagens inovadoras de análise de dados relacionados a programas sociais e à saúde pública no Brasil para produzir novos insights e conclusões que pudessem melhorar a saúde materno-infantil não só dentro do país como também ao redor do mundo. Os candidatos puderam escolher entre trabalhar com grandes bancos de dados já disponíveis ou colaborar com o Centro de Integração de Dados e Conhecimentos para Saúde (CIDACS).
O edital financiou propostas desenvolvidas especificamente para responder questões científicas críticas relacionadas aos desfechos em desenvolvimento e em saúde materno-infantil priorizando projetos que:
- Apliquem análises inovadoras e técnicas de machine learning para identificar padrões nos dados de experimentos naturais;
- Estratifiquem o risco de resultados adversos da gravidez, incluindo parto prematuro e baixo peso ao nascer;
- Incorporem o ganho de peso durante a gravidez como uma variável
Foquem em subconjuntos de dados ainda não explorados; - Ajudem a transformar correlações em hipóteses causais;
Identifiquem novas formas de agregar fatores de risco e identificar populações vulneráveis para desfechos adversos em saúde materno-infantil, incluindo estratégias inovadoras de integração de dados e ferramentas de visualização; - avaliem programas e intervenções em preparação para a gravidez e os efeitos dessas medidas no pré-natal e na mortalidade materna, fetal e neonatal;
- Foquem nas causas raízes da mortalidade materna, incluindo cesáreas, com especial atenção para as populações e grupos mais vulneráveis;
- Investiguem a dupla carga de doenças que leva o Brasil a ter bolsões de pobreza;
- Ajudem a entender a relação entre indicadores sociais, condições nutricionais e mortalidade desde o período pré-natal até a primeira infância. Propostas voltadas para as populações tradicionais e vulneráveis também são bem-vindas;
Projetos
