Você está na página 1de 5

Modelo Baseado em Lgica Fuzzy para o Diagnstico Diferencial de Enfermagem em Alteraes na Eliminao Urinria

Maria Helena Baena de Moraes Lopes1, Heimar de Ftima Marin2, Neli Regina Siqueira Ortega3, Eduardo Massad4
Professora Associada do Departamento de Enfermagem, Faculdade de Cincias Mdicas, Universidade Estadual de Campinas (Unicamp), Ps-doutoranda da UNIFESP/FMUSP SP, Campinas / So Paulo, SP, Brasil 2 Professora Associada do Departamento de Enfermagem da Universidade Federal de So Paulo, So Paulo, SP, Brasil 3, 4 Faculdade de Medicina da Universidade de So Paulo, FMUSP/LIM01, So Paulo, SP, Brasil Resumo Os diagnsticos de enfermagem relativos a alteraes na eliminao urinria requerem diferentes intervenes, e as enfermeiras que no so especialistas necessitam de suporte para o diagnstico e manejo de pacientes com distrbios na eliminao de urina. O objetivo deste trabalho foi apresentar um modelo baseado em lgica fuzzy para o diagnstico diferencial de alteraes na eliminao urinria, considerando os diagnsticos de enfermagem aprovados pela North American Nursing Diagnosis Association - International (NANDA-I), 2001-2002. A composio mximo-mnimo fuzzy foi usada para desenvolver esse modelo. Ele foi testado em 195 casos de uma base de dados de um estudo prvio. O modelo foi capaz de determinar o diagnstico em total concordncia com um painel de trs especialistas em 79,5% dos casos. O modelo diagnosticou 19% dos casos com concordncia parcial com o painel de especialistas. Somente em 3 casos (1.5%) o modelo apresentou diagnsticos diferentes. Conclui-se que o modelo aqui proposto, a despeito de sua simplicidade, apresenta bom desempenho. No entanto, recomendam-se mais testes antes de ser amplamente usado como suporte para a deciso clnica. Palavras-chave: Lgica Fuzzy; Sistemas de Apoio a Decises Clnicas; Diagnstico de Enfermagem; incontinncia Urinria Abstract - The nursing diagnoses associated with alterations in urinary elimination require different interventions, and nurses who are not specialists need support to diagnose and to manage patients with disturbances of urine elimination. The aim of this study was to present a model based on fuzzy logic for making differential diagnosis of alterations in urinary elimination, considering the nursing diagnosis approved by the North American Nursing Diagnosis Association - International (NANDA-I), 2001-2002. The fuzzy maximum-minimum composition was used to develop this model. It was tested with 195 cases from a database of a previous study. The model was able to determine the diagnosis in total accordance with a panel of three experts for 79.5% of the cases. The model diagnosed 19% of the cases with partial concordance with the panel of experts. Only for 3 cases (1.5%) the model showed a different diagnosis. It is concluded that the model proposed here, despite of its simplicity, presents good performance. However, it is recommended more tests before widely used as support for clinical decision. Key-words: Fuzzy Logic; Decision Support Systems, Clinical; Nursing Diagnosis; Urinary Incontinence. Introduo Os problemas urinrios so comuns na populao em geral. A incontinncia urinria (IU), em particular, tem elevada freqncia principalmente entre mulheres, prejudicando as atividades dirias, as interaes sociais e a autopercepo do estado de sade [1]. No entanto, muitas vezes a alterao urinria no diagnosticada e uma das razes que os profissionais de sade no esto preparados para identificar, tratar ou encaminhar pessoas com estes problemas. A North American Nursing Diagnosis Association International (NANDA-I) considera que os problemas urinrios constituem-se diagnsticos de enfermagem e lista em sua taxionomia, verso 2001-2002[2]: Eliminao Urinria Prejudicada; Incontinncia Urinria por Presso; Incontinncia Urinria Reflexa; Incontinncia Urinria de Impulso; Incontinncia Urinria Funcional; Incontinncia Urinria Total; Risco para
1

Incontinncia Urinria de Impulso e Reteno Urinria. O diagnstico diferencial dos distrbios da eliminao urinria algumas vezes difcil de ser estabelecido por quem no especialista. Assim, sistemas especialistas poderiam ser teis como apoio deciso. Os sistemas especialistas na rea de sade devem considerar a incerteza do processo diagnstico. A lgica fuzzy foi desenvolvida baseando-se no conceito de valores parcialmente verdadeiros, variando de completamente verdadeiro a completamente falso, e tem se tornado um poderoso instrumento para manejar a impreciso e a incerteza. Ela usada em sistemas diagnsticos, anlise de imagens e, mais recentemente, em epidemiologia e sade pblica[3, 4]. Lotfi A. Zadeh, introduziu a teoria dos conjuntos fuzzy na dcada de 60 como um meio de lidar com a incerteza, usando a linguagem natural (p. ex., sempre, freqentemente, s vezes, raramente, nunca) [5]. A teoria dos conjuntos fuzzy baseia-se na noo do grau de pertinncia dos membros, de acordo com a qual um conjunto pode ter membros que pertencem a ele parcialmente. Os conjuntos fuzzy tm limites imprecisos e, desta forma, h transio gradual de um estado de pertinncia a no pertinncia de um elemento[6]. Assim, se ns assumirmos que U um conjunto que representa o universo, um subconjunto fuzzy A de U est associado com uma funo caracterstica:

Outro importante conceito relacionado aos conjuntos fuzzy so as relaes fuzzy. Uma relao fuzzy R entre dois conjuntos (no fuzzy) A e B com AX e BY, definida como um conjunto fuzzy no produto Cartesiano X Y, dada por R={R (x,y ) | (x,y)} para cada (x,y) X Y , onde R(x,y): X Y [0,1] a funo de pertinncia da relao fuzzy R, e R(x,y) [0,1] d o grau no qual os elementos x X e y Y esto na relao R um para com o outro. Uma vez que este tipo bsico de relao fuzzy definido no produto cartesiano de dois conjuntos, tal relao fuzzy algumas vezes chamada de relao binria fuzzy. Entretanto, este conceito pode ser generalizado para n dimenses de relaes fuzzy. Uma relao fuzzy pode expressar um relacionamento parcial ou impreciso entre elementos de alguns conjuntos, em oposio relao precisa no caso de uma relao no-fuzzy na qual quaisquer elementos podem ou estar ou no estar relacionados. Na relao fuzzy h relacionamentos graduais que variam de 1, quando a relao se aplica com certeza, a 0, quando a relao no se aplica, passando por todos os valores intermedirios. Esta relao fuzzy R pode ser representada na forma de uma matriz, a qual simplifica a composio dos mtodos de relaes fuzzy [8]. Uma das composies de relaes fuzzy mais teis a composio max-min. A composio max-min de duas relaes fuzzy R em X Y e S em Y Z, escrita R o max min S definida como uma relao em X Z tal que
y Y

A: U [0,1]
a qual geralmente chamada funo de pertinncia. A idia que para cada elemento xU, A(x) indica o grau pelo qual x um membro do conjunto A. As operaes dos conjuntos clssicos podem ser estendidas para os conjuntos fuzzy, os quais tm graus de pertinncia que esto no intervalo [0,1]. Assim, se ns assumirmos que A e B so dois subconjuntos fuzzy de U, sua unio um conjunto fuzzy C de U, denotado por C=A B, tal que para cada x em U: C(x) = max [A(x), B(x)] = A(x) B(x) Sua interseco outro subconjunto fuzzy D de U, denotado por D=A B, tal que para cada x em U: D(x) = min [A(x), B(x)] = A(x) B(x), onde os smbolos e representam os operadores max e min, respectivamente [7].

R omaxminS ( x , y ) = max[min(R ( x , y ), S (y , z ))]


para cada x X e z Z. A operao matemtica expressa acima similar uma multiplicao de matrizes, na qual cada matriz representa uma relao fuzzy [7]. Neste estudo, ns apresentamos um modelo baseado em relaes fuzzy para realizar o diagnstico diferencial entre diagnsticos de enfermagem associados com alteraes na eliminao urinria, de acordo com a taxionomia da NANDA. Metodologia Foi utilizada a taxionomia da NANDA verso 2001-2002[2], traduzida para o portugus. Como o modelo deveria ser capaz de fazer o diagnstico diferencial de problemas urinrios reais, o diagnstico de enfermagem Risco para Incontinncia Urinria de Impulso no foi includo na anlise. Alm do mais, como o diagnstico de

Eliminao Urinria Prejudicada pouco especfico e comum a todos os casos de alterao na eliminao urinria, ele tambm no foi includo na anlise. Assim, o modelo considera seis diagnsticos: Incontinncia Urinria por Presso; Incontinncia Urinria Reflexa; Incontinncia Urinria de Impulso; Incontinncia Urinria Funcional; Incontinncia Urinria Total e, Reteno Urinria. Para determinar um diagnstico de enfermagem real, caractersticas definidoras que incluem dados subjetivos e objetivos, sinais e sintomas, devem estar presentes[9]. Todas as caractersticas definidoras aprovadas pela NANDA foram usadas na anlise. Como sugerido por alguns autores [10] freqncia diminuda foi adicionada como caracterstica definidora. As caractersticas definidoras incapacidade para inibir ou iniciar a mico e mico pequena, freqente ou ausncia de dbito urinrio foram divididas em duas partes e consideradas como dois diferentes sintomas. Contrao/espasmo da bexiga pode ser um sinal (observado por estudo urodinmico) ou um sintoma (algumas pessoas tm sensao de contrao da bexiga antes ou durante a perda involuntria de urina), desta forma ele foi considerado como dois diferentes eventos. Para propsito de calibrao, a caracterstica definidora incontinncia foi excluda por ser comum a todos os diagnsticos, inclusive na Reteno Urinria (incontinncia de transbordamento ou overflow incontinence). Como resultado, 39 caractersticas definidoras foram consideradas para anlise. Utilizando-se o programa Microsoft Excel 2002, primeiramente, uma matriz de relaes fuzzy foi construda (Matriz Relaes) com 6 colunas (diagnsticos) e 39 linhas (caractersticas definidoras). A Matriz Relaes prov a associao entre cada caracterstica definidora (sinal ou sintoma) e cada diagnstico, por meio de valores da relao fuzzy. Os graus de associao fuzzy podem variar de 0 (nenhuma relao) a 1 (relao total). Uma segunda matriz (Matriz Casos) foi construda e continha 195 casos/pacientes (linhas) com problemas urinrios que foram obtidos de um banco de dados de um estudo prvio[11] e suas relaes com as caractersticas definidoras (colunas). A presena de cada caracterstica definidora foi avaliada considerando os seguintes valores: 0 = ausente ou no avaliado; 0,25 = ausente, mas no com certeza; 0,75 = algumas vezes presente; 1 = presente. Cada linha da Matriz Casos representa o vetor estado de sade do paciente, considerando as 39 caractersticas definidoras escolhidas (uma matriz tipo 1 39).

Caractersticas definidoras
Caso X Freqncia Hesitao Reteno 0 Urgncia urinaria 1 Min 1 1 Diag. Y 0 Diag. Z 0 Noctria Disria

Entrada

0.75 0

Matriz Relaes (para IU impulso)

0.75 0.75 0.5

0.3

0.3

IU impulso

0.75

0.75

Max

Diag. U

IU de impulso

Diag. V

Caso X

Concluso: Incontinncia Urinria de Impulso

Figura 1 Um exemplo de desempenho da composio mximo-mnimo (max-min) fuzzy. Um exemplo clnico hipottico ilustra o processo de inferncia do modelo, usando somente alguns dados e uma matriz simplificada com um diagnstico, a fim de demonstrao. No caso aqui apresentado, o indivduo tem o diagnstico de incontinncia urinria de impulso O modelo foi baseado na composio mximomnimo (max-min) fuzzy. A Figura 1 mostra um exemplo da estrutura de composio max-min para anlise de um caso hipottico. O processo de inferncia similar a uma operao de multiplicao de matrizes, trocando o operador de soma algbrica pelo operador mnimo e o operador de multiplicao pelo operador mximo. Desta forma, para cada paciente so selecionados os valores mnimos entre os graus fuzzy das caractersticas definidoras no estado de sade e o respectivo grau de associao na Matriz Relaes. Aps, para cada diagnstico (coluna), selecionado o valor mximo dentre todos os valores mnimos determinados anteriormente. No final deste processo, definida uma matriz cujos elementos so os graus de possibilidade fuzzy para cada paciente, em cada diagnstico. O processo de deciso concludo com o mtodo de defuzificao que permite

Diag. X 0,75

determinar o diagnstico final. Nesse caso foi usado o valor mximo da distribuio de possibilidades diagnsticas. No exemplo ilustrado na Figura 1, o valor mximo 1 e a Incontinncia Urinria de Impulso foi determinada como diagnstico final. Note-se que, neste modelo possvel concluir com um ou mais diagnsticos finais. O modelo descrito foi usado para determinar o diagnstico de todos os 195 casos[11]. Ento, o desempenho do modelo foi avaliado por meio da comparao dos diagnsticos obtidos com o uso do modelo com aqueles determinados previamente por um painel de trs enfermeiras especialistas[11]. Resultados A comparao entre os diagnsticos determinados pelo modelo fuzzy e as enfermeiras especialistas apresentado na Tabela 1. Em alguns casos o modelo indicou um ou dois diagnsticos alm do determinado pelas especialistas. Mas, mais freqentemente, o modelo apresentou somente um dos dois diagnsticos identificados pelas enfermeiras especialistas. Tabela 1 Comparao entre os diagnsticos determinados pelas especialistas e pelo modelo fuzzy Diagnstico Presso Impulso Reteno Total Reflexa Funcional Impulso + Presso Impulso + Total Impulso + Funcional Impulso + Reteno Presso + Total Total + Reteno Reflexa + Reteno Impulso + Presso + Funcional Total Especialistas 54 17 14 12 1 0 97 0 0 0 0 0 0 0 195 Modelo 68 20 10 9 0 0 80 2 1 1 1 1 1 1 195

Como mostrado na Tabela 2, o modelo foi capaz de determinar o diagnstico em concordncia total ou parcial com o painel de especialistas em 98,5% dos casos. Somente em 3 casos (1,5%) o modelo apresentou um diagnstico que diferiu totalmente do(s) determinado(s) pelas especialistas. Tabela 2 Concordncia do modelo proposto com a opinio das enfermeiras especialistas Resultado Concordncia total Concordncia parcial: o modelo apresentou menos diagnsticos1 Concordncia parcial: o modelo apresentou mais diagnsticos1 Discordncia total Total Discusso e Concluses O modelo apresentou bom desempenho diagnstico. Um modelo com uma estrutura simples como esta pode ser facilmente convertido em um programa computacional simples e barato, que possa ser usado at mesmo em computadores portteis de mo (handheld). primeira vista, em 3 casos o resultado parece ter sido contraditrio porque o modelo indicou ao mesmo tempo incontinncia e reteno urinria. No entanto, isso pode ser possvel em algumas circunstncias. Na incontinncia urinria de impulso ocorre hiperatividade do detrusor, que caracterizada por contraes no inibidas do detrusor que levam incontinncia[9]. Por outro lado, na reteno urinria tambm podem ocorrer este tipo de contrao do detrusor, levando a perda urinria[9]. Indivduos com reteno urinria usualmente apresentam mices freqentes ou gotejamento quando a presso na bexiga aumenta devido ao enchimento alm de sua capacidade normal ou devido a tosse, esforo ou exerccio. Esta condio conhecida por overflow incontinence ou incontinncia de transbordamento[9]. Como os dados foram obtidos principalmente por meio de anamnese, isso foi percebido pelo paciente como
1 Quando comparado com o nmero de diagnsticos determinados pelos especialistas para um paciente em particular.

n 155

% 79,5

22

11,3

15 3 195

7,7 1,5 100.0

incontinncia ocasional ou como um fluxo constante de urina, uma das caractersticas definidoras maiores de IU Total, de acordo com Carpenito[9]. Uma pessoa com IU Reflexa que tem leso acima do centro de controle da mico sacral pode apresentar esvaziamento incompleto[2] e, portanto, esperado algum grau de reteno. No entanto, algumas intervenes recomendadas para reteno urinria devem ser evitadas na presena de IU Reflexa, por exemplo, a manobra de Cred, que pode danificar a uretra ou causar refluxo vesicoureteral se o esfncter externo est contrado, levando infeco renal[9]. Neste caso, importante obter mais dados para confirmar o diagnstico e o presente modelo parece ser muito til uma vez que pode chamar a ateno ao apontar estas duas possibilidades. Os diagnsticos de enfermagem relacionados a alteraes na eliminao urinria requerem diferentes intervenes e as enfermeiras que no so especialistas necessitam de suporte para identificar e tratar esses diagnsticos. Um dos maiores obstculos para o efetivo manejo da IU, por exemplo, a falsa percepo que a incontinncia inevitvel e irreversvel[12]. Diagnsticos de enfermagem precoces e acurados so o primeiro passo para iniciar o manejo da IU, a qual considerada intratvel por muitos pacientes. O tratamento apropriado pode, entretanto, melhorar a qualidade de vida do paciente e prevenir seqelas comumente associadas com a prpria IU e aquelas resultantes de estratgias de tratamento inadequadas. Sistemas especialistas baseados em lgica fuzzy podem ser teis para as enfermeiras fazerem uma deciso diagnstica em pacientes com problemas de eliminao urinria. O modelo proposto baseado em relaes fuzzy muito simples e teve uma boa performance. Pretende-se test-lo em outros grupos de pacientes, utilizando amostras maiores antes do seu uso mais amplo como sistema de suporte para a deciso clnica. Agradecimentos Este trabalho teve o apoio do Informatics for Global Health (1#1 D43 TW7015-01), Fogarty International Center, NLM, NIBIB, NIH (Investigador principal, Dr. Lucila Ohno Machado). E apoio financeiro do Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico CNPQ. Referncias [1] Davis G, Sherman R, Wong MF, McClure G, Perez R, Hibbert M. Urinary incontinence among female soldiers. Military Medicine 1999;164: 1827.

[2] North American Nursing Diagnosis Association. Diagnsticos de enfermagem da NANDA: definies e classificao 2001-2002 / Nursing diagnoses: definitions & classification 2001-2002. Porto Alegre: Artmed, 2002. p.101, p.128-33, p.200. [3] Nascimento LFC, Ortega NRS. Modelo lingstico fuzzy para estimao do risco de morte neonatal / Fuzzy linguistic model for evaluating the risk of neonatal death. Rev. Sade Pblica 2002; 36(6):686-92. [4] Collazos K, Barreto JM, Nassar SM. Raciocnio por analogia fuzzy para diagnstico mdico: taxa de aprendizado por base de dados / Reasoning by fuzzy analogy to medical diagnosis: rate learning by data base. In: Schiabel H, Slaets AFF, Costa LF, Baffa Filho O, Marques PMA. Anais do III Frum Nacional de Cincia e Tecnologia em Sade. So Carlos, s.n, 1996. p.713-4. [5] Zadeh LA. Fuzzy sets. Information and Control 1965; 8:338-53. [6] Klir GJ, Folger TA. Fuzzy sets: uncertainty and information. Prentice Hall: New Jersey, 1988. 355p. [7] Pedrycz W, Gomide F (1998). An introduction to fuzzy sets: Analysis and Design. MIT Press: London, 1998. 465p. [8] Reis MAM, Ortega NRS, Silveira PSP. Fuzzy expert system in the prediction of neonatal resuscitation. Brazilian Journal of Medical and Biological Research 2004; 37:755-64. [9] Carpenito L J. Nursing diagnosis: application to clinical practice. 7th ed. Philadelphia: Lippincott; 1997. [10] Nbrega MML, Garcia TR, organizadores. Uniformizao da linguagem dos diagnsticos de enfermagem da NANDA: sistematizao das propostas do II SNDE / Uniformization of NANDA nursing diagnoses language: sistematization 6f the proposes of II SNDE. Joo Pessoa (PB): A Unio, CNRDE/GIDE PB; 1994. p. 32-8. [11] Lopes MHBM, Higa R. Desenvolvimento de um sistema especialista para identificao de diagnsticos de enfermagem relacionados com a eliminao urinria. Rev Bras Enferm 2005; 58(1)27-32. [12] Gallo ML, Fallon PJ, Staskin DR. Urinary incontinence: steps to evaluation, diagnosis, and treatment. The Nurse Practitioner 1997;22(2):218. Contato Maria Helena Baena de Moraes Lopes Rua Conceio, 552-apto.25 13010-050 Campinas SP Brasil E-mail: mhbaena@fcm.unicamp.br