0381/2025 - A practical machine learning approach to identifying adverse effects due to COVID-19 vaccines Uma abordagem prática de machine learning para identificar efeitos adversos devido às vacinas contra a COVID-19
This study aims to elucidate potential connections between various health-related factors and reported adverse effects (AEs) following COVID-19 vaccination. Using the "snowball sampling" method, we collected data from 301 Brazilians participants, both sexes, who underwent COVID-19 vaccination during SARS-COV-2 pandemic. We also collected data from general health status, vaccine type received, sleep quality, physical activity levels, dietary habits, alcohol consumption, history of COVID-19 infection, and the use of chronic medications. Employing a decision tree regression (DTR) model, we sought to unravel intricate associations between lifestyle, health profile, and AEs attributed to COVID-19 vaccines. Our DTR analysis revealed that AEs tended to be lower in older individuals, with sleep quality further influencing this decrease (all P? 0.02). Intriguingly, individuals with suboptimal sleep efficiency were also users of medication, and notably, medication usage appeared to mitigate AEs in this subgroup (all P ? 0.01). Here, we demonstrate that the DTR is a valuable model for investigating the AEs related to COVID-19 vaccines. In summary, our findings underscore the impact of age, sleep efficiency, and medication use for non-COVID-19-related conditions in explaining the observed AEs following COVID-19 vaccination.
Palavras-chave:
Coronavirus; Sleep quality; Vaccination.
Abstract:
Este estudo visou elucidar possíveis conexões entre vários fatores relacionados à saúde e efeitos adversos (EAs) relatados após a vacinação contra COVID-19. Com o método de “amostragem por bola de neve”, coletamos dados de 301 brasileiros, ambos os sexos, que foram vacinados contra a COVID-19 durante a pandemia por SARS-COV-2. Também foi coletado dados sobre estado geral de saúde, tipo de vacina recebida, qualidade do sono, nível de atividade física, hábitos alimentares, consumo de álcool, histórico de infecção por COVID-19 e uso de medicamentos crônicos. Empregamos o modelo de regressão de árvore de decisão (RAD) para desvendar associações entre estilo de vida, perfil de saúde e EAs atribuídos às vacinas contra a COVID-19. Nossas análises evidenciaram que os EAs tendem a ser mais baixos em indivíduos mais idosos, sendo que uma boa qualidade do sono diminui ainda mais os EAs (P≤0,02). Entretanto, indivíduos com eficiência de sono abaixo e usuários de medicamentos têm os EAs mitigados (P≤0,01). Aqui, demonstramos que o RAD é um modelo adequado para investigar os EAs relacionados às vacinas contra a COVID-19. Em resumo, nossos resultados ressaltam o impacto da idade, da eficiência do sono e do uso de medicamentos para condições não relacionadas à COVID-19 na explicação dos EAs observados após a vacinação contra a COVID-19.
Uma abordagem prática de machine learning para identificar efeitos adversos devido às vacinas contra a COVID-19
Resumo (abstract):
Este estudo visou elucidar possíveis conexões entre vários fatores relacionados à saúde e efeitos adversos (EAs) relatados após a vacinação contra COVID-19. Com o método de “amostragem por bola de neve”, coletamos dados de 301 brasileiros, ambos os sexos, que foram vacinados contra a COVID-19 durante a pandemia por SARS-COV-2. Também foi coletado dados sobre estado geral de saúde, tipo de vacina recebida, qualidade do sono, nível de atividade física, hábitos alimentares, consumo de álcool, histórico de infecção por COVID-19 e uso de medicamentos crônicos. Empregamos o modelo de regressão de árvore de decisão (RAD) para desvendar associações entre estilo de vida, perfil de saúde e EAs atribuídos às vacinas contra a COVID-19. Nossas análises evidenciaram que os EAs tendem a ser mais baixos em indivíduos mais idosos, sendo que uma boa qualidade do sono diminui ainda mais os EAs (P≤0,02). Entretanto, indivíduos com eficiência de sono abaixo e usuários de medicamentos têm os EAs mitigados (P≤0,01). Aqui, demonstramos que o RAD é um modelo adequado para investigar os EAs relacionados às vacinas contra a COVID-19. Em resumo, nossos resultados ressaltam o impacto da idade, da eficiência do sono e do uso de medicamentos para condições não relacionadas à COVID-19 na explicação dos EAs observados após a vacinação contra a COVID-19.
França, E, Marques, CG, Leite, GSF, Magalhães, ACO, Caperuto, EC, Thomatieli-Santos, RV. A practical machine learning approach to identifying adverse effects due to COVID-19 vaccines. Cien Saude Colet [periódico na internet] (2025/nov). [Citado em 06/11/2026].
Está disponível em: http://cienciaesaudecoletiva.com.br/artigos/a-practical-machine-learning-approach-to-identifying-adverse-effects-due-to-covid19-vaccines/19857
