Projeto Glaucoma

2024-01-24

Introdução

O glaucoma é uma das principais causas de cegueira irreversível em todo o mundo, afetando milhões de pessoas de todas as idades. Esta doença ocular crônica é caracterizada pela degeneração progressiva do nervo óptico, geralmente associada ao aumento da pressão intraocular. Se não for diagnosticado e tratado precocemente, o glaucoma pode levar à perda permanente da visão periférica e, eventualmente, à cegueira completa.

A história do glaucoma remonta a milhares de anos. Registros históricos datam de evidências de tratamentos primitivos e observações da doença, embora o entendimento moderno do glaucoma e suas causas só tenha começado a se desenvolver nos últimos séculos. Ao longo do tempo, avanços significativos foram feitos no diagnóstico e tratamento do glaucoma, incluindo o desenvolvimento de técnicas de exame ocular avançadas, terapias medicamentosas e cirúrgicas, e a utilização de tecnologias de inteligência artificial e aprendizado de máquina para auxiliar na detecção precoce e no gerenciamento da doença.

Neste contexto, o presente relatório busca explorar e analisar um conjunto de dados relacionado à detecção de glaucoma. O conjunto de dados oferece uma ampla gama de informações, incluindo medidas clínicas, resultados de exames, histórico médico e demográfico dos pacientes. O objetivo principal dessa análise é identificar padrões e tendências nos dados que possam fornecer insights valiosos para o diagnóstico precoce, tratamento personalizado e manejo eficaz do glaucoma.

Ao compreender melhor os fatores que influenciam o desenvolvimento e a progressão do glaucoma, esperamos contribuir para a melhoria dos cuidados oftalmológicos e aprimorar as estratégias de prevenção e tratamento da doença. Esta análise pode beneficiar pacientes, oftalmologistas, pesquisadores e profissionais de saúde pública, ajudando a fornecer melhores abordagens para o controle do glaucoma e, em última instância, reduzindo o impacto devastador dessa condição na qualidade de vida das pessoas.

Abordagem

Será utilizado um conjunto de dados, obtidos nesse link contendo informações relacionadas à detecção de glaucoma. Este conjunto de dados contém uma variedade de campos, incluindo medidas clínicas, resultados de exames oftalmológicos, histórico médico e demográfico dos pacientes, entre outros. Será realizada uma análise exploratória desses dados para identificar padrões e tendências que possam estar associados ao glaucoma e suas características.

  • Análise Exploratória de Dados: Será realizada uma análise exploratória detalhada dos dados. Isso incluirá a visualização de distribuições de variáveis, identificação de valores ausentes, análise de padrões gerais nos dados.

  • Pré-processamento de Dados: Será realizado o pré-processamento dos dados para lidar com valores ausentes, remover duplicatas, e normalizar o dataset, conforme necessário.

  • Análise de Padrões e Tendências: Utilizando técnicas estatísticas e de visualização de dados, será buscado identificar padrões e tendências nos dados que possam estar associados à presença ou progressão do glaucoma. Isso pode incluir a identificação de fatores de risco, padrões de sintomas, correlações entre medidas oftalmológicas e diagnóstico de glaucoma, entre outros.

  • Interpretação dos Resultados: Finalmente, os resultados obtidos da análise serão interpretados, destacando descobertas importantes e relevantes relacionados ao glaucoma. Essas conclusões serão comunicadas de forma clara e acessível, através de gráficos, tabelas e narrativas, para facilitar a compreensão e a tomada de decisões por parte dos interessados.

Pacotes Requeridos

  • library(rmdformats): customização do template gerado pelo rmarkdown
  • library(knitr): para geração de relatórios dinâmicos

Preparação dos Dados

Os dados desse dataset possui as seguintes variáveis:

  • Patient ID: Identificador único para cada paciente no conjunto de dados.
  • Age: Idade do paciente.
  • Gender: Gênero do paciente.
  • Visual Acuity Measurements: Medidas de acuidade visual do paciente.
  • Intraocular Pressure (IOP): Pressão intraocular do paciente.
  • Cup-to-Disc Ratio (CDR): Relação entre a área da cavidade (copo) e a área do disco óptico (disco) do olho.
  • Family History: Histórico familiar de glaucoma ou outras condições oculares.
  • Medical History: Histórico médico do paciente.
  • Medication Usage: Uso de medicamentos relacionados ao tratamento do glaucoma.
  • Visual Field Test Results: Resultados dos testes de campo visual, que avaliam a função do nervo óptico.
  • Optical Coherence Tomography (OCT) Results: Resultados da tomografia de coerência óptica, que fornece imagens detalhadas das estruturas oculares.
  • Pachymetry: Medidas de espessura da córnea.
  • Cataract Status: Status da catarata, uma condição ocular comum em pacientes mais velhos.
  • Angle Closure Status: Status do fechamento do ângulo, uma condição que pode levar ao glaucoma agudo.
  • Visual Symptoms: Sintomas visuais relatados pelo paciente.
  • Diagnosis: Diagnóstico de glaucoma.
  • Glaucoma Type: Tipo específico de glaucoma.

Nesse dataset, tinham algumas mudanças a serem feitas, tais como valores ausentes na coluna ‘Medication.Usage’, ou dados em unidades de medidas diferentes, na coluna ‘Visual.Acuity.Measurements e dados duplicados na coluna ’Visual.Symptoms’.

Etapa de Limpeza

  • Carregando o arquivo CSV
glaucoma_dataset <- read.csv("glaucoma_dataset.csv")


  • Agora, será verificado se cada entrada na coluna “Medication.Usage” é uma string vazia e, se for, substitui essa entrada por NA, representando um valor ausente
glaucoma_dataset$Medication.Usage <- ifelse(glaucoma_dataset$Medication.Usage == "", NA, glaucoma_dataset$Medication.Usage)


  • Então, a seguinte função converte valores da escala LogMar para a notação Snellen, que é uma medida de acuidade visual. A função recebe um valor da escala LogMar como entrada e retorna o equivalente na notação Snellen. Se o valor de entrada não estiver na escala LogMar, a função retorna o valor original (que já é Snellen).
convert_to_snellen <- function(logmar_value) {
  if (logmar_value == "LogMAR 0.0") {
    return("20/20")
  } else if (logmar_value == "LogMAR 0.1") {
    return("20/25")
  } else if (logmar_value == "LogMAR 0.2") {
    return("20/32")
  } else if (logmar_value == "LogMAR 0.3") {
    return("20/40")
  } else if (logmar_value == "LogMAR 0.4") {
    return("20/50")
  } else if (logmar_value == "LogMAR 0.5") {
    return("20/63")
  } else if (logmar_value == "LogMAR 0.6") {
    return("20/80")
  } else if (logmar_value == "LogMAR 0.7") {
    return("20/100")
  } else if (logmar_value == "LogMAR 0.8") {
    return("20/125")
  } else if (logmar_value == "LogMAR 0.9") {
    return("20/160")
  } else if (logmar_value == "LogMAR 1.0") {
    return("20/200")
  } else {
    return(logmar_value) 
  }
}


  • E agora, será aplicada a função de conversão para a coluna ‘Visual.Acuity.Measurements’
glaucoma_dataset$Visual.Acuity.Measurements <- sapply(glaucoma_dataset$Visual.Acuity.Measurements, convert_to_snellen)


  • Esta função recebe uma string contendo sintomas separados por vírgula e espaço e remove quaisquer sintomas duplicados, retornando uma versão da string com apenas sintomas únicos. Para fazer isso, a função divide a string em sintomas individuais, remove os sintomas duplicados, e então junta os sintomas únicos de volta em uma string
remove_duplicate_symptoms <- function(symptoms_string) {
  # Dividir a string em sintomas individuais
  symptoms <- strsplit(symptoms_string, ", ")[[1]]
  
  # Remover sintomas duplicados
  unique_symptoms <- unique(symptoms)
  
  # Juntar os sintomas novamente em uma string
  cleaned_symptoms <- paste(unique_symptoms, collapse = ", ")
  
  return(cleaned_symptoms)
}


  • E agora, será aplicada a função acima para cada linha da coluna ‘Visual.Symptoms’
glaucoma_dataset$Visual.Symptoms <- sapply(glaucoma_dataset$Visual.Symptoms, remove_duplicate_symptoms)


  • As colunas serão renomeadas para facilitar a visualização
names(glaucoma_dataset)[names(glaucoma_dataset) == "Patient.ID"] <- "Patient ID"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Visual.Acuity.Measurements"] <- "Visual Acuity Measurements"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Intraocular.Pressure..IOP."] <- "Intraocular Pressure (IOP)"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Cup.to.Disc.Ratio..CDR."] <- "Cup-to-Disc Ratio (CDR)"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Family.History"] <- "Family History"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Medical.History"] <- "Medical History"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Medication.Usage"] <- "Medication Usage"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Visual.Field.Test.Results"] <- "Visual Field Test Results"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Optical.Coherence.Tomography..OCT..Results"] <- "Optical Coherence Tomography (OCT) Results"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Cataract.Status"] <- "Cataract Status"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Angle.Closure.Status"] <- "Angle Closure Status"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Visual.Symptoms"] <- "Visual Symptoms"
names(glaucoma_dataset)[names(glaucoma_dataset) == "Glaucoma.Type"] <- "Glaucoma Type"


  • E para finalizar, o dataset será ordenado baseado na idade dos pacientes
glaucoma_dataset <- glaucoma_dataset[order(glaucoma_dataset$Age), ]


Aqui está uma demosntração do conjunto final:

Patient ID Age Gender Visual Acuity Measurements Intraocular Pressure (IOP) Cup-to-Disc Ratio (CDR) Family History Medical.History Medication Usage Visual Field Test Results Optical Coherence Tomography (OCT) Results Pachymetry Cataract Status Angle Closure Status Visual Symptoms Diagnosis Glaucoma Type
76 16916 18 Male 20/20 17.34 0.53 No Diabetes Omeprazole, Amoxicillin, Metformin, Atorvastatin, Lisinopril, Ibuprofen, Aspirin Sensitivity: 0.72, Specificity: 0.93 RNFL Thickness: 77.77 µm, GCC Thickness: 56.64 µm, Retinal Volume: 6.46 mm³, Macular Thickness: 278.09 µm 579.86 Absent Open Tunnel vision, Nausea, Halos around lights Glaucoma Angle-Closure Glaucoma
199 72250 18 Male 20/40 12.48 0.49 No None NA Sensitivity: 0.9, Specificity: 0.76 RNFL Thickness: 82.75 µm, GCC Thickness: 64.46 µm, Retinal Volume: 6.37 mm³, Macular Thickness: 269.21 µm 525.17 Present Open Eye pain, Blurred vision, Halos around lights Glaucoma Primary Open-Angle Glaucoma
212 60411 18 Female 20/25 10.38 0.48 Yes Hypertension Amoxicillin, Aspirin, Ibuprofen, Lisinopril, Omeprazole Sensitivity: 0.55, Specificity: 0.88 RNFL Thickness: 97.38 µm, GCC Thickness: 60.05 µm, Retinal Volume: 6.21 mm³, Macular Thickness: 275.40 µm 507.56 Present Closed Vision loss, Tunnel vision, Blurred vision No Glaucoma Primary Open-Angle Glaucoma
291 60222 18 Female 20/20 21.53 0.78 Yes Diabetes Atorvastatin, Aspirin Sensitivity: 0.53, Specificity: 0.77 RNFL Thickness: 79.11 µm, GCC Thickness: 62.94 µm, Retinal Volume: 5.97 mm³, Macular Thickness: 281.63 µm 521.23 Present Closed Redness in the eye, Vision loss, Tunnel vision No Glaucoma Secondary Glaucoma
353 31023 18 Female 20/20 24.25 0.57 No None Aspirin, Metformin, Omeprazole, Amoxicillin, Lisinopril Sensitivity: 0.67, Specificity: 0.97 RNFL Thickness: 88.69 µm, GCC Thickness: 59.40 µm, Retinal Volume: 5.97 mm³, Macular Thickness: 269.37 µm 516.30 Absent Closed Vomiting, Blurred vision, Vision loss Glaucoma Congenital Glaucoma
363 94570 18 Female 20/25 19.25 0.66 No Diabetes Atorvastatin, Ibuprofen, Aspirin, Omeprazole, Amoxicillin, Lisinopril, Metformin Sensitivity: 0.66, Specificity: 0.8 RNFL Thickness: 75.63 µm, GCC Thickness: 69.82 µm, Retinal Volume: 6.48 mm³, Macular Thickness: 274.52 µm 549.92 Present Open Blurred vision, Eye pain, Vision loss No Glaucoma Secondary Glaucoma
397 13533 18 Male 20/40 20.62 0.46 Yes None Atorvastatin, Lisinopril, Metformin, Aspirin, Ibuprofen Sensitivity: 0.75, Specificity: 0.71 RNFL Thickness: 88.02 µm, GCC Thickness: 69.09 µm, Retinal Volume: 6.30 mm³, Macular Thickness: 276.68 µm 510.87 Present Open Vision loss, Redness in the eye, Eye pain Glaucoma Secondary Glaucoma
463 870 18 Male 20/40 10.74 0.72 No Diabetes Aspirin, Metformin, Omeprazole, Amoxicillin, Ibuprofen, Atorvastatin Sensitivity: 0.51, Specificity: 0.95 RNFL Thickness: 87.10 µm, GCC Thickness: 56.90 µm, Retinal Volume: 6.45 mm³, Macular Thickness: 275.61 µm 581.23 Absent Open Redness in the eye, Blurred vision, Eye pain No Glaucoma Primary Open-Angle Glaucoma
479 20342 18 Male 20/40 16.85 0.53 Yes Diabetes NA Sensitivity: 0.52, Specificity: 0.7 RNFL Thickness: 82.74 µm, GCC Thickness: 67.47 µm, Retinal Volume: 5.59 mm³, Macular Thickness: 277.00 µm 507.09 Present Open Nausea, Blurred vision, Vomiting Glaucoma Congenital Glaucoma
659 43429 18 Male 20/25 24.55 0.35 Yes Glaucoma in family NA Sensitivity: 0.9, Specificity: 0.88 RNFL Thickness: 80.16 µm, GCC Thickness: 66.18 µm, Retinal Volume: 6.02 mm³, Macular Thickness: 286.95 µm 508.21 Present Closed Redness in the eye, Vision loss, Vomiting No Glaucoma Congenital Glaucoma