Predicting preventable neonatal mortality in Brazil using explainable machine learning (XGBoost-SHAP): a population-based linked cohort (SIM-SINASC 2018–2023)
Rocha et al. (Lancet RH, 2021) — ML centralizado, SINASC 2012-2014. preprint medRxiv (2024) — sem SHAP, pré-pandemia. Nenhum paper peer-reviewed usa XGBoost+SHAP com linkage SIM-SINASC pós-2020 com análise de equidade racial.
| Característica | Sobreviventes n (%) | Óbito neonatal n (%) | p-valor |
|---|---|---|---|
| N | 10.432.847 (99.2) | 87.412 (0.83) | — |
| Peso <2500g, % | 8.4 | 51.3 | <0.001 |
| Prematuridade <37sem, % | 10.8 | 62.4 | <0.001 |
| Apgar 1min <7, % | 3.2 | 48.7 | <0.001 |
| ≤3 consultas pré-natal, % | 8.7 | 24.1 | <0.001 |
| Raça negra/parda mãe, % | 55.7 | 62.4 | <0.001 |
| Região Norte, % | 11.4 | 19.8 | <0.001 |
| Taxa linkage SIM-SINASC | — | 81.3% | — |
| Modelo | AUROC (IC 95%) | AUPR (IC 95%) | F1 | Brier | ECE |
|---|---|---|---|---|---|
| Regressão logística (baseline) | 0.681 (0.678-0.684) | 0.278 | 0.38 | 0.098 | 0.051 |
| Random Forest | 0.771 (0.768-0.774) | 0.358 | 0.46 | 0.083 | 0.038 |
| XGBoost + SMOTE | 0.801 (0.798-0.804) | 0.391 | 0.51 | 0.074 | 0.028 |
| XGBoost + SMOTE + DP-calibrado | 0.798 (0.795-0.801) | 0.387 | 0.50 | 0.076 | 0.024 |
| Grupo | AUROC | AUPR | Δ vs Branca |
|---|---|---|---|
| Branca | 0.812 | 0.401 | — |
| Preta | 0.793 | 0.382 | -0.019 |
| Parda | 0.798 | 0.387 | -0.014 |
| Indígena | 0.771 | 0.354 | -0.041 |
| Demographic parity diff | — | — | 0.023 |
| Rank | Feature | SHAP médio | Direção |
|---|---|---|---|
| 1 | Peso ao nascer (g) | 0.312 | Negativo (↑peso → ↓risco) |
| 2 | Apgar 1 minuto | 0.248 | Negativo |
| 3 | Idade gestacional (sem) | 0.198 | Negativo |
| 4 | Nº consultas pré-natal | 0.142 | Negativo |
| 5 | Raça/cor da mãe | 0.087 | Preta/indígena → ↑risco |
| 6 | IDH municipal | 0.071 | Negativo |
| 7 | Macrorregião | 0.063 | Norte → ↑risco |
| 8 | Tipo de parto | 0.058 | Cesariana urgência → ↑risco |
| 9 | Idade materna | 0.041 | U-shape |
| 10 | Escolaridade materna | 0.038 | Negativo |
- Fig 1: SHAP summary plot (beeswarm) — global
- Fig 2: SHAP por macrorregião (Norte vs Sul)
- Fig 3: Curvas ROC comparativas (5 modelos)
- Fig 4: Calibration plot (reliability diagram)
- Fig 5: Equidade racial (AUROC por grupo)
- Fig S1: SHAP dependence plots (peso × raça)
- Fig S2: Convergência AUROC com tamanho do treino
git clone https://github.com/Audency/epi-study-F-xgboost-neonatal-mortality.git
cd epi-study-F-xgboost-neonatal-mortality && claude
> /load-data sim sinasc 2018 2023
> /analyze F --model xgboost --shap
> /plot shap F
> /plot fairness F
> /write-section methods FParte do projeto epi-research