Essays on newborn's health and socioeconomic conditions

Abstract

Resumo: Esta tese é composta por três ensaios sobre a relação entre a saúde do recém-nascido e as condições socioeconômicas. O primeiro ensaio diz respeito à identificação dos fatores de risco associados à mortalidade infantil. Usando 2,9 milhões de observações dos dados do Sistema Único de Saúde (SUS) de 2017, estimamos um conjunto de diferentes modelos de aprendizado de máquina para prever quais bebês têm maior risco de não sobreviver ao primeiro ano de vida. Descobrimos que, pela medida do índice de concordância, os modelos Survival Support Vector Machines, Extreme Gradient Boosting e Random Survival Forest podem gerar previsões de mortalidade muito precisas. Além disso, os modelos de aprendizado de máquina indicam que fatores como cesarianas, semanas gestacionais e baixo peso afetam a mortalidade de forma não linear. O segundo ensaio analisou o impacto do pré-natal no peso do recém-nascido, utilizando dados de uma amostra de 7,3 milhões de nascimentos entre 2015 e 2017 do Sistema Único de Saúde (SUS). A estrutura de correspondência do escore de propensão foi utilizada para avaliar o impacto do pré-natal inadequado na probabilidade de baixo peso ao nascer (<2500g). Além disso, um modelo de variável instrumental com efeitos fixos foi utilizada para mensurar o impacto da assistência pré-natal no peso ao nascer. Nossos achados são que um número inadequado de consultas de pré-natal aumenta as chances de baixo peso (<2500g) e muito baixo peso (<1500g) para os recém-nascidos da amostra. Além disso, cada consulta de pré-natal tem efeito médio positivo no peso ao nascer e cada mês de atraso no pré-natal tem efeito médio negativo. O terceiro ensaio examinou o impacto da cesariana em recém-nascidos de gestações pélvicas utilizando uma amostra de 28 mil partos do Sistema Único de Saúde (SUS). Um método de ponderação de probabilidade inversa de tratamento foi usado para medir o impacto da cesariana nos escores de APGAR e mortalidade infantil no primeiro ano de vida, abordando o viés de autoseleção inerente a esse cenário. Nossos achados são que, para bebês pélvicos, ter uma cesariana diminui a probabilidade de ter baixos escores de APGAR e morte. Não há evidência de impacto na probabilidade de nascimento com baixo peso (<2500g).

Abstract: This thesis consists o f three essays on the relationship between the newborn's health and socioeconomic conditions. The first essay concerns the identification of risk factors associated with infant mortality. Using 2.9 million observations from the Brazilian Unique Health System (SUS) 2017 data, we estimated a set of different machine learning models to predict which infants have the highest risk of not surviving the first year of life. We found that by the concordance index measure, the Survival Support Vector Machines, the Extreme Gradient Boosting, and the Random Survival Forest models can generate very accurate mortality predictions. Also, the machine learning models indicate that factors such as cesarean sections, gestational weeks, and low weight affect mortality nonlinearly. The second essay examined the impact of prenatal care on the newborn's weight, using data from a sample of 7.3 million births between 2015 and 2017 from the Brazillian Unique Health System (SUS). A propensity score matching framework was used to assess the impact of inadequate prenatal care on the probability of low birth weight (<2500g). Also, a fixed-effects instrumental variable was used to measure the prenatal care impact on birth weight. Our findings are that an inadequate number of prenatal care visits increase the odds of low weight (<2500g) and very low birth weight (<1500g) for newborns in the sample. Also, each prenatal care visit has a positive mean effectin the birth weight and each delayed month in prenatal care has a negative mean effect. The third essay examined the impact of having a cesarean section (C-Section) on newborns born from breech pregnancies using a sample of 28 thousands births from the Brazillian Unique Health System (SUS). An inverse probability of treatm ent weighting method was used to measure the c-section impact on the infant's APGAR scores and mortality in the first year of life, addressing the self selection bias inherent in this setting. Our findings are that, for breech babies, having a C-Section decreases the probability of having low APGAR scores and death in There is no evidence of impact in the probability of having low weight birth (<2500g).