{
  "abstract": "A hemofilia é uma coagulopatia hereditária causada pela deficiência do fator VIII, caracterizada por manifestações hemorrágicas de intensidade variável e importante impacto na qualidade de vida. O acompanhamento epidemiológico desses pacientes subsidia o planejamento assistencial, porém a predição do desenvolvimento de inibidores, principal complicação do tratamento, permanece um desafio. Nesse contexto, a integração entre dados epidemiológicos e inteligência artificial (IA) surge como estratégia inovadora para identificar precocemente pacientes de maior risco e apoiar a tomada de decisão clínica. Analisar o perfil epidemiológico de pacientes com hemofilia A e desenvolver um modelo preditivo baseado em inteligência artificial para identificação do risco de desenvolvimento de inibidores. Estudo observacional, retrospectivo e analítico, baseado em dados assistenciais de pacientes com hemofilia A acompanhados em serviço especializado. Foram analisadas variáveis sociodemográficas, clínicas e epidemiológicas, incluindo idade, manifestações hemorrágicas e distribuição geográfica. Paralelamente, foi desenvolvido modelo de aprendizado de máquina integrando variáveis clínicas e imunológicas descritas na literatura, utilizando validação cruzada (leave-one-out) e métricas de desempenho (acurácia, precisão, recall e F1-score). A análise epidemiológica (Figura 1) evidenciou predominância de pacientes do sexo masculino, maior concentração entre 16 e 30 anos e distribuição geográfica heterogênea, com maior frequência em municípios mais populosos. As manifestações clínicas (Figura 2) demonstraram elevada ocorrência de hemartrose e dor articular, seguidas por edema e outros episódios hemorrágicos, evidenciando o impacto funcional da doença. O modelo de IA (Figura 3) apresentou elevado desempenho preditivo, destacando-se pelos altos valores de recall e F1-score, indicando elevada sensibilidade na identificação de pacientes com risco de desenvolvimento de inibidores. Entre as variáveis de maior relevância destacaram-se linfócitos TCD4, linfócitos B e IL-17, reforçando a participação dos mecanismos imunológicos nesse desfecho. A integração entre análise epidemiológica, manifestações clínicas e inteligência artificial proporcionou uma abordagem abrangente da hemofilia A. Os dados assistenciais permitiram caracterizar o perfil clínico e regional dos pacientes, enquanto a IA identificou relações complexas entre variáveis, ampliando a capacidade de estratificação do risco. A elevada frequência de manifestações articulares reforça a importância do diagnóstico precoce e do acompanhamento contínuo, enquanto a variabilidade geográfica evidencia a necessidade de organização regional da assistência. O desempenho do modelo confirma o potencial da IA como ferramenta de apoio à medicina de precisão e ao planejamento terapêutico individualizado. A combinação entre dados epidemiológicos e inteligência artificial mostrou-se eficaz na análise e predição do risco de desenvolvimento de inibidores em pacientes com hemofilia A. Enquanto a análise epidemiológica subsidia o planejamento assistencial, a modelagem preditiva amplia a capacidade de antecipação de riscos, contribuindo para maior segurança terapêutica, qualificação da assistência e personalização do cuidado em serviços especializados de hematologia.",
  "abstract_shown": true,
  "affiliations": [
    "Centro de Hemoterapia de Sergipe (HEMOSE), Aracaju, SE, Brasil",
    "Laboratório Central de Saúde Pública de Sergipe (LACEN/SE), Aracaju, SE, Brasil",
    "Faculdade Ages de Jacobina, Aracaju, SE, Brasil"
  ],
  "article_type": null,
  "arxiv": null,
  "author_total": 10,
  "authors": [
    {
      "affs": [
        0
      ],
      "name": "Weber Santana TELES"
    },
    {
      "affs": [
        1
      ],
      "name": "Tanísia Maria Barbosa ALMEIDA"
    },
    {
      "affs": [
        0
      ],
      "name": "Elaine Cristina Posener ARAÚJO"
    },
    {
      "affs": [
        0
      ],
      "name": "Jandson Marques MENEZES"
    },
    {
      "affs": [
        0
      ],
      "name": "Douglas ABILIO"
    },
    {
      "affs": [
        0
      ],
      "name": "Rita Cássia Fontes Oliveira FARRAPEIRA"
    },
    {
      "affs": [
        0
      ],
      "name": "Mirani Santos ANDRADE"
    },
    {
      "affs": [
        0
      ],
      "name": "Cid Max Santos Freitas SILVESTRE"
    },
    {
      "affs": [
        0
      ],
      "name": "Sales Oliveira FARIAS"
    },
    {
      "affs": [
        2
      ],
      "name": "Maria Hozana Santos SILVA"
    }
  ],
  "bibtex": "https://research.draconitic.com/paper/cv9brzbms7f1c.bib",
  "cited_by": 0,
  "doi": "10.1016/j.htct.2026.108035",
  "fulltext_url": "http://www.sciencedirect.com/science/article/pii/S2531137926017827",
  "id": "cv9brzbms7f1c",
  "issns": [
    "2531-1379",
    "2531-1387"
  ],
  "landing_url": "https://doi.org/10.1016/j.htct.2026.108035",
  "language": "en",
  "licence": "CC-BY",
  "licence_label": "CC BY",
  "licence_source": "journal",
  "licence_url": "https://creativecommons.org/licenses/by/4.0/",
  "metadata_licence": null,
  "native_subjects": [
    [
      "lcc",
      "RC633-647.5"
    ],
    [
      "openalex",
      "2720|Hemophilia Treatment and Research"
    ]
  ],
  "openalex": "W7223101127",
  "pdf_url": null,
  "pmcid": null,
  "pmid": null,
  "published": "2026-10-23",
  "publisher": "Elsevier",
  "ris": "https://research.draconitic.com/paper/cv9brzbms7f1c.ris",
  "sources": [
    {
      "first_seen": "2026-10-30T13:43:18Z",
      "native_id": "2219e55d91e444a0a8ada7924ecb884f",
      "source": "doaj",
      "url": "https://doi.org/10.1016/j.htct.2026.108035"
    }
  ],
  "subjects": [
    {
      "field": "medicine",
      "origin": "lcc:RC633-647.5",
      "subfield": "endocrinology-metabolism"
    }
  ],
  "title": "PERFIL EPIDEMIOLÓGICO E PREDIÇÃO DO DESENVOLVIMENTO DE INIBIDORES EM HEMOFILIA A UMA ABORDAGEM INTEGRADA ENTRE DADOS ASSISTENCIAIS E INTELIGÊNCIA ARTIFICIAL (2025)",
  "title_text": "PERFIL EPIDEMIOLÓGICO E PREDIÇÃO DO DESENVOLVIMENTO DE INIBIDORES EM HEMOFILIA A UMA ABORDAGEM INTEGRADA ENTRE DADOS ASSISTENCIAIS E INTELIGÊNCIA ARTIFICIAL (2025)",
  "type": "peer-reviewed",
  "updated_at": "2026-10-30T13:43:18Z",
  "url": "https://research.draconitic.com/paper/cv9brzbms7f1c",
  "venue": "Hematology, Transfusion and Cell Therapy",
  "versions": []
}