16 de noviembre de 2026
Modelagem exploratória do efeito do tratamento preemptivo da citomegalovirose em pacientes com aids
Karin Regina Kolbe; Igor Pinheiro de Araújo Costa
DOI: 10.22167/2675-6528-202604173
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
O citomegalovírus (CMV) é altamente prevalente e causa doença grave em indivíduos imunocomprometidos, como pacientes com HIV. Diante da escassez de dados robustos sobre o tratamento preemptivo para esta infecção, desenvolveu-se um modelo exploratório. O objetivo foi identificar potenciais subgrupos que se beneficiariam dessa abordagem. Realizou-se um estudo observacional retrospectivo, analisando 176 prontuários de pacientes internados em um hospital terciário entre 2017 e 2022. Após aplicação de critérios de inclusão e exclusão, 116 pacientes foram divididos em um grupo de tratamento preemptivo (19) e um grupo controle (97). Utilizaram-se técnicas de aprendizado de máquina, como LinearDML e CausalForestDML, e análise de variáveis por Feature Importance e SHAP. A análise das variáveis indicou que a alta viremia de CMV esteve associada ao óbito, com uma Odds Ratio de 1,85 (p = 0,004). O modelo estimou um aumento na mortalidade global associado ao tratamento preemptivo (ATE de 48%, p = 0,0180), possivelmente refletindo a maior gravidade basal dos pacientes tratados. Contudo, a análise de heterogeneidade identificou que pacientes mais velhos apresentaram um efeito estimado relativamente mais favorável. As limitações incluíram o pequeno tamanho amostral e o caráter retrospectivo e observacional. Entretanto, com a ampliação do grupo avaliado, o modelo poderá servir como base para a construção de ferramentas de apoio à decisão clínica.
Palavras-chave: Aprendizagem de máquina; Double machine learning; Inferência causal; Mortalidade.
1. Introdução
O citomegalovírus (CMV), ou herpesvírus humano (HHV)-5, pertencente à subfamília Betaherpesvirinae, é um patógeno de alta prevalência global, com infecções ocorrendo predominantemente na infância. Sua transmissão se dá principalmente por contato com secreções corporais, como saliva, urina e sêmen. No Brasil, estudos indicam uma alta prevalência de imunidade contra o CMV, atingindo até 98% em diversas regiões do país (Alves et al., 2022; Souza et al., 2010; Tuon et al., 2019; Warnecke et al., 2020). Embora a maioria das infecções agudas por CMV seja subclínica, o vírus, similar a outros da família Herpes, pode persistir de forma latente no organismo. Em condições de imunossupressão severa, como em pacientes pós-transplantados ou em estágio de síndrome da imunodeficiência adquirida (aids), o vírus pode ser reativado devido à falha no controle das células de defesa do sistema imunológico (Britt, 2019).
Em pessoas vivendo com HIV/aids (PVHA), o vírus da imunodeficiência humana (HIV) ataca e destrói os linfócitos T CD4+, comprometendo gravemente a imunidade. Essa condição predispõe ao desenvolvimento de infecções oportunistas, entre as quais a citomegalovirose reativada. As manifestações clínicas mais comuns da citomegalovirose em pacientes com aids incluem retinite, esofagite e colite. Quando a doença se manifesta, a internação hospitalar é frequentemente necessária para o tratamento, especialmente no Brasil, onde a medicação oral específica não está disponível (Bekker et al., 2023). Historicamente, antes da introdução da terapia antirretroviral altamente eficaz (TARV), o CMV era uma causa significativa de progressão da doença e óbito em pacientes com HIV (Deayton, 2004). A incidência da doença por CMV nessa população diminuiu de aproximadamente 40% para 1,7 casos por 1000 pacientes-ano entre 2004 e 2015, evidenciando o benefício da TARV na supressão do HIV e na melhoria da imunidade (Perello et al., 2019).
Apesar do reconhecimento do benefício do tratamento preemptivo para CMV em populações imunossuprimidas pós-transplante, a aplicação dessa prática em pacientes com aids, quando há detecção viral no sangue sem doença manifesta, permanece controversa. O risco de desenvolvimento de doença em órgão-alvo é sabidamente maior quando a contagem de CD4 é inferior a 100 células/µl. Contudo, estudos anteriores que avaliaram os benefícios do tratamento preemptivo em pessoas com aids apresentaram resultados divergentes, sem uma conclusão definitiva sobre a redução da mortalidade nessa população (National Institutes of Health, 2025; Griffiths e Reeves, 2021; Skipper e Schleiss, 2023; Levi et al., 2022). Essa lacuna de dados robustos e a inconsistência dos achados dificultam a tomada de decisão clínica sobre a melhor abordagem terapêutica.
Diante da complexidade e da incerteza na tomada de decisões em cenários clínicos com evidências inconclusivas, algoritmos de Machine Learning (ML) têm se mostrado ferramentas valiosas para auxiliar em tarefas preditivas e diagnósticas, utilizando dados observacionais. Exemplos de sua aplicação incluem o desenvolvimento de modelos para predizer neurotuberculose (Stadelman-Behar et al., 2024) e identificar pacientes com hepatites B ou C (Majzoobi et al., 2022). A capacidade do ML de processar e analisar grandes volumes de dados complexos oferece uma abordagem promissora para desvendar padrões e relações que podem não ser evidentes por métodos estatísticos tradicionais, contribuindo para a construção de ferramentas de apoio à decisão clínica.
Nesse contexto, o presente estudo tem como objetivo explorar possíveis variáveis que influenciam no tratamento preemptivo da citomegalovirose em pacientes com aids através da técnica de Machine Learning. Especificamente, pretende-se realizar uma análise descritiva da coorte avaliada, estimar, de forma exploratória, o efeito causal do tratamento preemptivo sobre a mortalidade e identificar, dentro do subgrupo analisado, características clínicas e demográficas de pacientes que teriam benefício no tratamento preemptivo da citomegalovirose.
2. Material e Métodos
O presente estudo caracterizou-se como uma pesquisa observacional retrospectiva, baseada na revisão de prontuários de pacientes internados em um hospital terciário em São Paulo, SP. A coleta de dados abrangeu o período de 2017 a 2022. O projeto foi aprovado pelo Comitê de Ética (CEP) da instituição (número 30/2023), com dispensa do Termo de Consentimento Livre e Esclarecido (TCLE), considerando a natureza não intervencionista do estudo e a inclusão de pacientes já falecidos ou sem contato possível.
A seleção dos participantes iniciou-se pela obtenção da relação de exames laboratoriais com quantificação de carga viral (CV) positiva para citomegalovírus (CMV) no sangue. De um total de 1346 pacientes com amostras coletadas, 176 prontuários foram avaliados. Foram incluídos indivíduos maiores de 18 anos, vivendo com HIV, com contagem de linfócitos T CD4+ inferior a 200 células/µl e assintomáticos para doença por CMV no momento da coleta da carga viral.
Os critérios de exclusão abrangeram pacientes com doença em órgão-alvo (DOA) provável ou confirmada, conforme as Diretrizes de Prevenção e Tratamento de Infecções Oportunistas em Adultos e Adolescentes vivendo com HIV (National Institutes of Health [NIH], 2025). Internações subsequentes em menos de 30 dias foram consideradas reinternações e não novas entradas. Após a aplicação desses critérios, 116 pacientes foram incluídos na análise, sendo 19 no grupo de tratamento preemptivo e 97 no grupo controle.
A coleta de dados foi realizada por meio de uma ficha estruturada, desenvolvida na plataforma REDCap (Research Electronic Data Capture). As informações foram extraídas dos prontuários de forma anonimizada. As variáveis coletadas incluíram dados demográficos, clínicos e laboratoriais, como idade, sexo designado ao nascimento, contagem de CD4, carga viral de HIV, presença de comorbidades, doenças oportunistas e carga viral de CMV. Novas variáveis, como tempo de internação e logaritmo da carga viral de CMV, foram criadas para otimizar a análise.
Os dados anonimizados foram submetidos a etapas de limpeza e pré-processamento utilizando as bibliotecas Pandas e NumPy da linguagem Python. Posteriormente, realizou-se uma análise descritiva das variáveis, caracterizando as quantitativas por medidas de tendência central e de dispersão, e as categóricas por tabelas de frequências. Para a criação de gráficos, foram empregadas as bibliotecas Seaborn e Matplotlib.
Na avaliação comparativa entre os grupos, empregou-se a biblioteca Scipy.stats para testes estatísticos não-paramétricos, como o teste de Mann-Whitney U para variáveis métricas e os testes exato de Fisher e Qui-Quadrado de Pearson para variáveis categóricas. A avaliação de colinearidade entre as variáveis preditoras foi realizada através da correlação de Spearman, utilizando pontos de corte propostos por Mukaka (2012), para identificar e gerenciar redundâncias.
A regressão logística foi aplicada para identificar potenciais variáveis preditoras associadas ao desfecho óbito. O modelo Logit da biblioteca Statsmodels foi estimado utilizando o algoritmo BFGS. As variáveis categóricas foram selecionadas com base no critério de possuírem pelo menos 10 observações em cada grupo (Peduzzi et al., 1996). As covariáveis incluídas no modelo final foram idade, sexo designado ao nascimento, contagem de CD4, logaritmo da carga viral de CMV, presença de comorbidades e logaritmo da carga viral de HIV.
Para a análise causal do efeito do tratamento preemptivo sobre o desfecho óbito, utilizou-se o método Double Machine Learning (DML), formalizado por Chernozhukov et al. (2018), implementado via biblioteca EconML. Foram empregados os estimadores LinearDML e CausalForestDML para avaliar o efeito médio do tratamento (ATE) e os efeitos condicionais (CATE). Os parâmetros dos modelos Random ForestRegressor e Random ForestClassifier incluíram 100 estimadores, profundidade máxima de 3 e mínimo de 5 amostras por folha. A análise exploratória de subgrupos com potencial benefício foi realizada com CATE negativo e visualizada com SingleTreeCateInterpreter. A importância das variáveis foi avaliada pelos métodos Feature Importance e SHAP (SHapley Additive ExPlanations).
3. Resultados e Discussão
A análise inicial da coorte compreendeu 176 prontuários de pacientes com coleta de carga viral para citomegalovírus (CMV), dos quais 53 (30,1%) foram excluídos por não atenderem aos critérios de inclusão predefinidos. Entre os pacientes excluídos, quatro (7,5%) tinham menos de dezoito anos, vinte e dois (41,5%) apresentavam contagem de CD4 superior a 200 células/µl, e vinte e um (39,6%) possuíam suspeita ou confirmação de doença por CMV. Adicionalmente, dois (3,8%) não apresentavam carga viral de CMV positiva no sangue e cinco (9,4%) não viviam com HIV. É importante notar que um único paciente poderia ter sido excluído por múltiplas razões, o que explica a soma percentual superior a cem.
Do total de 123 pacientes incluídos na análise, a estatística descritiva das variáveis numéricas revelou uma população predominantemente jovem, com idade média de 40,15 anos e desvio-padrão de 11,31, variando entre dezoito e sessenta e cinco anos. A contagem média de CD4 foi de 49,28 células/µl, indicando imunossupressão severa, com valores entre um e 193 células/µl. A carga viral do HIV apresentou uma média de 710.924,56 cópias/mL, e a carga viral do CMV, 54.633,76 cópias/mL, com o logaritmo da carga viral do CMV tendo uma média de 2,98. O tempo médio de internação foi de 33,82 dias, e o tempo até o início do antiviral, avaliado em 26 pacientes, foi de 10,19 dias.
A população estudada, majoritariamente masculina, caracterizou-se por severa imunossupressão e alta carga viral para HIV, refletindo um controle viral deficiente, frequentemente associado à interrupção da terapia antirretroviral (TARV). Observou-se que 56,5% dos pacientes haviam perdido o seguimento ou eram virgens de tratamento. A alta carga viral de CMV e a presença de múltiplas doenças oportunistas foram achados comuns, coerentes com a baixa contagem de CD4, um conhecido fator de risco. Comorbidades como hipertensão ou doença renal crônica foram menos prevalentes, dada a idade relativamente jovem da coorte.
Na comparação entre o grupo controle (n=97) e o grupo de tratamento preemptivo (n=19), observou-se que a maioria das variáveis demográficas e clínicas era semelhante. Contudo, o logaritmo da carga viral de CMV e o tempo de internação foram significativamente maiores no grupo que recebeu tratamento preemptivo (p < 0,05). Essa diferença sugere que os pacientes que receberam tratamento preemptivo apresentavam uma condição basal de maior gravidade, com viremia mais elevada e necessidade de internações mais prolongadas, o que pode influenciar a interpretação dos desfechos.
A análise da frequência de óbitos revelou um total de 28 mortes (24,1%) na coorte. Notavelmente, 12 desses óbitos ocorreram no grupo de tratamento preemptivo, representando 63,2% dos pacientes desse grupo, em contraste com 16,5% no grupo controle. Essa proporção mais elevada de desfechos negativos no grupo preemptivo reforça a hipótese de que esses pacientes possuíam uma gravidade basal superior. Tal cenário os expôs a internações mais longas, maiores riscos de reações adversas a medicamentos e complicações decorrentes de procedimentos invasivos, fatores que podem ter contribuído para a mortalidade observada.
Regressão Logística e Fatores de Risco para Mortalidade
A avaliação da colinearidade entre as variáveis preditoras, utilizando a correlação de Spearman, não evidenciou fortes correlações que justificassem a exclusão de variáveis por redundância. Embora tenha sido identificada uma correlação fraca, mas significativa, entre idade e presença de comorbidades (p < 0,01), e entre CD4 e logaritmo da carga viral de CMV (p = 0,010), bem como entre comorbidade e carga viral de HIV (p = 0,024), essas associações são clinicamente esperadas. Por exemplo, pacientes mais velhos tendem a ter mais comorbidades, e baixas contagens de CD4 estão associadas a maiores viremias de CMV, conforme já indicado em estudos anteriores.
O modelo de regressão logística, que incluiu idade, sexo designado ao nascimento, contagem de CD4, logaritmo da carga viral de CMV, presença de comorbidades e logaritmo da carga viral de HIV, teve como objetivo identificar variáveis associadas ao desfecho óbito. Para evitar erros decorrentes de um número reduzido de eventos por variável, foram mantidas apenas as variáveis categóricas com pelo menos dez observações em cada grupo, como sexo designado ao nascimento (vinte e nove casos, 25%) e presença de comorbidades (vinte e dois casos, 19%).
Os resultados do modelo de regressão logística indicaram que apenas o logaritmo da carga viral de CMV foi estatisticamente significante para predizer o desfecho óbito (p = 0,004). Um aumento de um log na viremia de CMV elevou a chance de óbito em 1,853 vezes (Odds Ratio de 1,853, com intervalo de confiança de 95% entre 1,216 e 2,825). Este achado corrobora estudos anteriores que também associaram alta viremia de CMV à mortalidade em pacientes com HIV, como os de Micol et al. (2009) e Levi et al. (2022), que destacaram a viremia persistente como fator preditor de morbimortalidade.
A ausência de significância estatística para outras variáveis no modelo pode ser atribuída ao pequeno tamanho amostral, que limita o poder de detecção de associações mais sutis. O critério de Peduzzi et al. (1996), que recomenda um mínimo de dez eventos por variável para regressão logística, não foi plenamente atendido (4,67 eventos por variável), o que implica que os resultados devem ser interpretados de forma exploratória. Análises futuras com uma coorte maior poderiam revelar outras variáveis preditoras relevantes para o desfecho.
Análise Causal do Tratamento Preemptivo
Para investigar o efeito causal do tratamento preemptivo sobre a mortalidade, empregou-se o método Double Machine Learning (DML), conforme formalizado por Chernozhukov et al. (2018), utilizando a biblioteca EconML. Este método foi escolhido por sua capacidade de lidar com a disparidade no número de observações entre os grupos e por não descartar dados, ao contrário de outras abordagens como Propensity Score Matching ou Inverse Probability of Treatment Weighting, que podem ser sensíveis a amostras pequenas e valores extremos.
O LinearDML estimou um efeito médio de tratamento (ATE) de 0,4801, indicando um aumento de 48,01% na chance de óbito associado ao tratamento preemptivo, com um intervalo de confiança de 95% variando de 0,0825 a 0,8778 e p = 0,0180. Este resultado, embora estatisticamente significativo, deve ser interpretado com cautela, pois provavelmente reflete a maior gravidade basal dos pacientes que receberam o tratamento preemptivo, bem como a presença de confundidores residuais não totalmente controlados pelo modelo.
Em complemento, a análise pelo CausalForestDML, que considera variações não-lineares no efeito do tratamento, estimou um ATE de 0,3273 (32,73%), com um intervalo de confiança de 95% de -0,0373 a 0,6919. Embora a direção do efeito seja consistente com o LinearDML, este resultado não alcançou significância estatística, o que pode ser atribuído ao poder limitado da análise devido ao pequeno número de pacientes no grupo tratado (n=19). A combinação de ambos os métodos permitiu uma avaliação mais robusta do efeito médio e dos efeitos condicionais do tratamento.
A maior gravidade basal dos pacientes no grupo preemptivo é um fator crucial. Esses indivíduos frequentemente apresentavam baixa contagem de linfócitos CD4 e alta viremia de CMV, resultando em internações mais prolongadas e maior exposição a procedimentos invasivos, como intubação orotraqueal e passagem de cateter venoso central. Tais intervenções aumentam o risco de infecções relacionadas à assistência, como pneumonia associada à ventilação mecânica, e infecções generalizadas, contribuindo para a morbidade e mortalidade observadas.
Adicionalmente, o uso de medicamentos antivirais, como Ganciclovir e Foscarnet, está associado a efeitos adversos significativos, como mielotoxicidade e nefrotoxicidade, respectivamente. Em pacientes já debilitados e em uso de múltiplos medicamentos, esses efeitos podem agravar o quadro clínico. Assim, o tratamento preemptivo, embora visando controlar a viremia, pode ter contribuído para a piora clínica geral devido à toxicidade medicamentosa e à complexidade do manejo desses pacientes gravemente imunocomprometidos.
Importância das Variáveis e Heterogeneidade do Efeito
A análise dos efeitos individuais do tratamento preemptivo (CATE) pelo LinearDML identificou um subgrupo de 20 pacientes com potencial benefício. As características desses pacientes incluíram idade mais avançada (mediana de 56,0 anos, comparado a 38,0 anos no grupo de malefício), menor contagem de CD4 (mediana de 12,5 células/µl versus 41,5 células/µl), maior logaritmo da carga viral de CMV (3,3 versus 2,6), menor viremia pelo HIV e maior prevalência de comorbidades (50% versus 12,5%).
Esses achados sugerem que, para pacientes mais velhos e com imunossupressão mais acentuada, o benefício do tratamento preemptivo no controle da viremia de CMV poderia suplantar os potenciais malefícios da medicação. A menor viremia pelo HIV nesse subgrupo pode indicar que estavam em tratamento antirretroviral mais recente, o que, por si só, contribui para a melhoria da imunidade ao longo do tempo. Contudo, a análise do ATE pelo LinearDML ainda apontou um malefício global do tratamento, e o pequeno tamanho da amostra impede conclusões definitivas sobre o subgrupo potencialmente beneficiado.
Para avaliar a contribuição de cada variável no modelo CausalForestDML, utilizou-se o método Feature Importance, que destacou o logaritmo da carga viral de CMV, a idade e a contagem de CD4 como as variáveis de maior importância. Complementarmente, o método SHAP (SHapley Additive ExPlanations) foi aplicado para analisar a contribuição individual de cada variável no efeito estimado do tratamento para cada paciente, revelando que a idade foi o fator de maior influência.
Pacientes mais velhos apresentaram um efeito mais favorável ao tratamento preemptivo, corroborando a análise do subgrupo com potencial benefício. Em contraste, alta viremia de CMV e menores contagens de CD4 também foram relevantes, mas em direção oposta à observada na análise do subgrupo pelo LinearDML. Essa divergência ocorre porque o LinearDML avalia o desfecho de forma global, enquanto o SHAP examina o efeito do tratamento em cada indivíduo, permitindo identificar nuances na heterogeneidade do efeito.
A árvore interpretativa do modelo CausalForestDML confirmou a idade como o principal fator de divisão. Pacientes com idade superior a 45,5 anos e contagem de CD4 menor ou igual a 27 células/µl apresentaram o efeito estimado mais favorável (CATE = 0,108, n=16). Em contrapartida, pacientes com idade inferior ou igual a 45,5 anos, contagem de CD4 maior que 28,5 células/µl e logaritmo da carga viral de CMV menor ou igual a 2,74 apresentaram o efeito estimado mais desfavorável (CATE = 0,54, n=21). Esses achados reforçam a idade como o principal influenciador do efeito do tratamento preemptivo, com o CD4 atuando como critério secundário para a estratificação desse pequeno grupo.
Em síntese, os resultados deste estudo exploratório indicam que, embora o tratamento preemptivo para citomegalovirose em pacientes com aids tenha sido associado a um aumento na mortalidade global, provavelmente devido à maior gravidade basal dos pacientes tratados, a análise de heterogeneidade sugere que subgrupos específicos, como pacientes mais velhos com imunossupressão severa, podem apresentar um efeito mais favorável. A alta viremia de CMV foi um preditor significativo de óbito, e a idade, juntamente com a contagem de CD4, emergiu como um fator crucial na modulação do efeito do tratamento. Estes achados, embora limitados pelo tamanho amostral e natureza retrospectiva, fornecem uma base exploratória para futuras investigações e o desenvolvimento de ferramentas de apoio à decisão clínica.
4. Conclusão
O presente estudo buscou explorar variáveis que influenciam o tratamento preemptivo da citomegalovirose em pacientes com aids por meio de técnicas de Machine Learning, visando estimar seu efeito causal sobre a mortalidade e identificar subgrupos que poderiam se beneficiar dessa abordagem. Verificou-se que o tratamento preemptivo esteve associado a um aumento na mortalidade global, com um efeito médio de tratamento de 48%, achado que provavelmente reflete a maior gravidade basal dos pacientes que receberam essa intervenção, caracterizados por viremia de citomegalovírus mais elevada e internações mais prolongadas. A análise de regressão logística indicou que a alta viremia de citomegalovírus foi um preditor estatisticamente significativo de óbito, elevando a chance de mortalidade em 1,85 vezes para cada aumento de um log na viremia. Contudo, a análise de heterogeneidade revelou que pacientes mais velhos, especialmente aqueles com imunossupressão severa, apresentaram um efeito estimado relativamente mais favorável ao tratamento preemptivo. Essa abordagem exploratória, ao identificar características demográficas e clínicas que modulam o efeito do tratamento, oferece uma contribuição inicial para a compreensão da complexidade da citomegalovirose em pacientes com aids e para o desenvolvimento de estratégias terapêuticas mais personalizadas.
As limitações deste estudo incluem o pequeno tamanho amostral e seu caráter retrospectivo e observacional, o que restringe a generalização dos achados e a capacidade de controlar todos os fatores de confusão. A disparidade no número de pacientes entre os grupos de tratamento preemptivo e controle também dificultou o poder estatístico para detectar associações mais sutis. Sugere-se que estudos futuros ampliem a coorte avaliada para aumentar o poder estatístico e validar os resultados aqui encontrados, permitindo uma compreensão mais robusta do efeito do tratamento preemptivo. Adicionalmente, a consolidação desses achados poderá servir como base para a construção de ferramentas de apoio à decisão clínica, utilizando técnicas avançadas de Machine Learning, como o SingleTreePolicyInterpreter, para auxiliar na identificação de pacientes que realmente se beneficiariam dessa intervenção na prática clínica.
Referências Bibliográficas
Alves, C.E.C.; Pinheiro-Silva, R.; Silva, M.T.; Galvão, T.F.; Silva, J.M.; Moura Neto, J.P.; Pontes, G.S. 2022. Seroprevalence of Epstein-Barr virus and cytomegalovirus infections in Presidente Figueiredo, Amazonas, Brazil. Journal of Immunoassay & Immunochemistry 43(1): 67–77.
Souza, M.A.; Passos, A.M.; Treitinger, A.; Spada, C. 2010. Seroprevalence of cytomegalovirus antibodies in blood donors in southern, Brazil. Revista da Sociedade Brasileira de Medicina Tropical 43(4): 359-361.
Tuon, F.F.; Wollmann, L.C.; Pegoraro, D.; Gouveia, A.M.; Andrejow, A.P.; Schultz, A.T.; Gomes, C.J.; Novaes, O.C.; Salmória, P.A. 2019. Seroprevalence of Toxoplasma gondii, cytomegalovirus and Epstein Barr virus in 578 tissue donors in Brazil. Journal of Infection and Public Health 12(2): 289-291.
Warnecke, J.M.; Pollmann, M.; Borchardt-Lohölter, V.; Moreira-Soto, A.; Kaya, S.; Sener, A.
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy