Agrupamento Baseado em Dados na Cirurgia de Hemorroidas: Estudo Retrospetivo Monocêntrico para a Identificação de Fenótipos Clínicos (PROCTO-CLUSTER)

A doença hemorroidária apresenta padrões de sintomas heterogéneos, achados anatómicos e estratégias operatórias que não são totalmente capturados pelas classificações tradicionais baseadas em graus. Este estudo visa identificar fenótipos latentes, clinicamente interpretáveis, entre pacientes cirúrgicos utilizando um pipeline de aprendizagem automática totalmente não supervisionado aplicado a dados perioperatórios rotineiramente recolhidos num centro de referência terciário de alto volume.

Esta é uma análise observacional retrospetiva de registos institucionais desidentificados. O conjunto de dados analítico incluirá variáveis rotineiramente documentadas abrangendo dados demográficos/antropométricos basais, perfil de sintomas e histórico clínico relevante, técnica operatória e descritores intraoperatórios, e informações de acompanhamento pós-operatório rotineiramente capturadas. Os dados serão extraídos utilizando um dicionário de dados predefinido e regras de pré-processamento padronizadas para apoiar a reprodutibilidade e reduzir a variabilidade nas definições das variáveis.

A abordagem analítica primária será o agrupamento não supervisionado. As variáveis serão limpas e padronizadas antes da modelação. A redução de dimensionalidade será realizada utilizando a incorporação estocástica de vizinhos t-distribuídos (t-SNE), inicializada com análise de componentes principais para melhorar a estabilidade. A descoberta de clusters será então conduzida utilizando agrupamento k-means no espaço de características reduzido. Uma variedade de soluções de clusters será explorada, e a solução final será selecionada utilizando métricas de validade interna (por exemplo, medidas baseadas em silhueta) juntamente com a avaliação da interpretabilidade clínica. A robustez do modelo será avaliada através de execuções repetidas em múltiplas sementes aleatórias e configurações de parâmetros-chave para avaliar a estabilidade das atribuições de clusters.

Após a atribuição de clusters, os clusters serão caracterizados utilizando estatísticas descritivas e comparativas para identificar as variáveis que mais diferenciam os fenótipos. Abordagens pós-hoc de relevância/importância de características serão utilizadas para explorar quais fatores demográficos, clínicos e cirúrgicos contribuem mais fortemente para a formação de clusters, com ênfase nos tamanhos de efeito e padrões clinicamente significativos em vez de apenas teste de hipóteses. Os resultados serão utilizados para gerar hipóteses sobre fenótipos que podem estar associados a maior complexidade operatória e diferentes trajetórias pós-operatórias, apoiando trabalhos futuros sobre modelação preditiva e suporte de decisão cirúrgica individualizado.

Todas as análises serão conduzidas num ambiente institucional controlado utilizando software estatístico e de mineração de dados validado, com configurações de parâmetros documentadas e controlo de versões para permitir a reprodutibilidade. Apenas dados desidentificados serão utilizados para análise, e os resultados serão relatados de forma agregada para proteger a privacidade dos pacientes.