Search Results

Abstract

Keywords:

Abstract

Objetivos: O objetivo do estudo é avaliar o perfil das visitas ao Pronto-Socorro de Oftalmologia (PS) do Hospital São Paulo, serviço público de atendimento terciário aberto 24 horas em São Paulo - Brasil, pertencente à Universidade Federal de São Paulo, nos últimos 11 anos.
Métodos: Foi realizado um estudo transversal retrospectivo, com base em todos os pacientes (n=634.726) admitidos no pronto-socorro de oftalmologia do Hospital São Paulo entre janeiro de 2009 e dezembro de 2019.
Resultados: De 2009 a 2019, houve um aumento no influxo de 39,2% com importante variação nos atendimentos ao longo dos anos, a mediana de idade foi de 38 ± 20,4 anos, o sexo masculino representou 53,3% e os pacientes únicos representaram 53,1%. Verificou-se que 79,5% das visitas ocorreram das 7h às 17h e 80,8% nos dias da semana. Os diagnósticos mais frequentes foram conjuntivite aguda seguida de blefarite, ceratite, hordéolo / calázio e corpo estranho corneano.
Conclusão: Ao longo do período de análise do estudo, houve importante aumento nas apresentações, com predominância de atendimentos não urgentes e baixa proporção de pacientes com uma única visita. Nossos resultados evidenciam o perfil das consultas oftalmológicas, podendo gerar mudanças no sistema público de saúde visando a melhoria da qualidade do atendimento e acesso às emergências oftalmológicas na cidade de São Paulo.

Keywords: Serviço hospitalar de emergência; Epidemiologia; Traumatismos oculares; Oftalmopatias.

Abstract

Objetivos: A pandemia de COVID-19 foi iniciada em março de 2020 e mudou o sistema de saúde. Mudanças na alocação de recursos, sobrecarga de unidades de terapia intensiva, apreensão dos pacientes em procurar atendimento médico não relacionado ao COVID-19 e redução abrupta de todas as consultas e cirurgias não urgentes. Este estudo avalia o impacto em um pronto-socorro oftalmológico após 1 ano de pandemia, avaliando a correlação entre as fases de lockdown, a mortalidade do COVID-19 e as visitas ao pronto-socorro.
Métodos: Estudo observacional retrospectivo que incluiu todos os pacientes admitidos no serviço de emergência oftalmológica do Hospital São Paulo, vinculado a UNIFESP/EPM, entre 1º de janeiro de 2019 e 28 de março de 2021. As visitas foram classificadas e comparadas em um grupo pré-pandemia e pandemia.
Resultados: No período pré-pandemia, o hospital registrou um total de 71.485 atendimentos com média de 194,78 ± 49,74 atendimentos diários, e no grupo pandemia, um total de 41.791 com média de 114,18 ± 43,12 atendimentos diários, redução de 41,4%. Uma diminuição significativa de 16,4% (p<0,001) foi observada na prevalência de conjuntivite aguda e um aumento significativo de 6,4% (p<0,01) na prevalência de corpo estranho da córnea. Foi identificada uma correlação negativa entre a taxa de mortalidade do COVID-19 e as taxas de visita ao pronto-socorro.
Conclusão: Esta análise de um ano mostrou uma redução de 41,4% nas visitas ao pronto-socorro, e uma diminuição significativa nas conjuntivites agudas. A mudança nos hábitos de higiene e o distanciamento social poderiam explicar essa redução, e o aumento da prevalência de traumas corneanos. Achados destacam a necessidade de medidas preventivas e educativas durante os períodos restritivos.

Keywords: SARS-CoV-2; COVID-19; Infecções por coronavírus; Pandemias; Serviços médicos de emergência; Trauma ocular.

Abstract

OBJETIVO: Esse estudo tem como objetivo criar um modelo de Machine Learning por um oftalmologista sem experiência em programação utilizando auto Machine Learning predizendo influxo de pacientes em serviço de emergência e casos de trauma.
MÉTODOS: Um dataset de 366,610 visitas em Hospital Universitário da Universidade Federal de São Paulo de 01 de janeiro de 2014 até 31 de dezembro de 2019 foi incluído no treinamento do modelo, incluindo visitas/dia e código internacional de doenças. O treinamento e predição foram realizados com o Amazon Forecast por dois oftalmologistas sem experiência com programação.
RESULTADOS: O período de previsão estimou um volume de 206,37 pacientes/dia em p90, 180,75 em p50, 140,35 em p10 e média de 7,42 casos de trauma/dia em p90, 3,99 em p50 e 0,56 em p10. Janeiro de 2020 teve um total de 6.604 pacientes e média de 206,37 pacientes/dia, 13,5% menos do que a predição em p50. O período teve um total de 199 casos de trauma e média de 6,21 casos/dia, 55,77% mais casos do que a predição em p50.
CONCLUSÃO: O desenvolvimento de modelos era restrito a cientistas de dados com experiencia em programação, porém a transferência de ensino com a tecnologia de auto Machine Learning permite o desenvolvimento de algoritmos por qualquer pessoa sem experiencia em programação. Esse estudo mostra um modelo com valores preditos próximos ao que ocorreram em janeiro de 2020. Fatores que podem ter influenciados no resultado foram feriados e tamanho do banco de dados. Esse é o primeiro estudo que aplicada auto Machine Learning em predição de visitas hospitalares com resultados próximos aos que ocorreram.

Keywords: Aprendizado de máquina; Serviço hospitalar de emergência; Traumatismos oculares; Modelos estatísticos; Algoritmos

Abstract

PURPOSE: Natural language models and chatbots, particularly OpenAI’s Generative Pre-Trained Transformer architecture, have transformed human interaction with digital interfaces. The latest versions, including ChatGPT-4o, offer enhanced functionalities compared to their predecessors. This study evaluates the accuracy of ChatGPT-4, ChatGPT-4o, and Claude 3.5 Sonnet in answering questions from the Brazilian Retina and Vitreous Society certification exam.
METHODS: We compiled 200 multiple-choice questions from the Brazilian Retina and Vitreous Society 2018 and 2019 exams. Questions were categorized into three domains: Anatomy and Physiology of the Retina, Retinal Pathology, and Diagnosis and Treatment. Using a standardized prompt developed according to prompt design guidelines, we tested ChatGPT-4, ChatGPT-4o, and Claude 3.5 Sonnet, recording their first responses as final. Three retina specialists performed a qualitative analysis of the answers. Accuracy was determined by comparing responses to the official correct answers. Statistical analysis was conducted using chi-square tests and Cohen’s Kappa.
RESULTS: Claude 3.5 Sonnet achieved the highest overall accuracy (72.5%), followed by ChatGPT-4o (66.0%) and ChatGPT-4 (55.5%). Claude 3.5 Sonnet and ChatGPT-4o significantly outperformed ChatGPT-4 (p<0.01 and p=0.03, respectively), while no significant difference was observed between Claude 3.5 Sonnet and ChatGPT-4o (p=0.16). Model responses agreed 74.5% of the time, with a Cohen’s κ of 0.47. Retinal Pathology was the best-performing domain for all models, whereas Anatomy and Physiology of the Retina and Diagnosis and Treatment were the weakest domains for Claude 3.5 Sonnet and ChatGPT-4, respectively.
CONCLUSIONS: This study is the first to assess Claude 3.5 Sonnet, ChatGPT-4, and ChatGPT-4o in retina specialist certification exams. Claude 3.5 Sonnet and ChatGPT-4o significantly outperformed ChatGPT-4, highlighting their potential as effective tools for studying retina specialist board exams. These findings suggest that the enhanced functionalities of Claude 3.5 Sonnet and ChatGPT-4o offer substantial improvements in medical education contexts.

Keywords: Artificial intelligence; ChatGPT; Retina; Medical education; Ophthalmology, Large language model; Natural language processing

Abstract

PURPOSE: To evaluate the academic and professional trajectories of graduates from the Graduate Program in Ophthalmology and Visual Sciences at the Escola Paulista de Medicina, Universidade Federal de São Paulo, including geographic distribution, occupational characteristics, and scientific productivity.
METHODS: This descriptive, retrospective, quantitative study included 498 alumni who completed the program between 1979 and 2021. Data were obtained from institutional records and supplemented by public databases (Google Scholar, Lattes Platform, and LinkedIn). The analyzed variables included demographic characteristics, academic background, current professional role, and bibliometric indicators (citation count and h-index). Statistical analyses comprised nonparametric tests and linear regression, with a significance level set at 5%.
RESULTS: Most alumni were Brazilian (96.6%) and physicians (90.7%), predominantly located in the Southeast region (66.9%). Doctoral training was completed by 80.5% of participants. Alumni with current institutional ties to Universidade Federal de São Paulo or Hospital São Paulo demonstrated significantly higher citation counts and h-index values. No significant correlation was observed between time since graduation and citation count (p=0.185). Alumni engaged in academic roles or with postdoctoral training showed greater scientific productivity.
CONCLUSIONS: The findings highlight the strong academic performance and professional integration of alumni from Universidade Federal de São Paulo, particularly within public institutions and the Southeast region of Brazil. Doctoral training and institutional affiliation were associated with higher scientific productivity. Alumni tracking provides valuable insights into the impact of postgraduate programs and informs strategic planning and development.

Keywords: Factual databases; Program evaluation; Medical education; Graduate education; Ophthalmology; Linear models