Depressão entre jovens brasileiros: uma investigação baseada em mineração de subgrupos
DOI:
https://doi.org/10.33448/rsd-v11i1.24547Palavras-chave:
Depressão; Mineração de dados; Mineração de subgrupos.Resumo
Este trabalho investigou os grupos de características socioeconômicas e de estilo de vida relacionadas à depressão entre jovens brasileiros utilizando uma abordagem baseada em mineração de dados. A depressão é o resultado da interação complexa entre um grande número de fatores ambientais e genéticos. No entanto, a interferência dos fatores ambientais contribuintes para depressão ainda é um desafio em aberto. Uma fonte de dados recente e volumosa com potencial para investigar estes fatores ambientais é a Pesquisa Nacional de Saúde (PNS), um estudo realizado periodicamente pelo Instituto Brasileiro de Geografia e Estatística (IBGE) que tem como objetivo produzir dados sobre a situação de saúde e os estilos de vida da população brasileira. Nesse sentido, utilizamos a mineração de subgrupos na PNS a fim de encontrar conjuntos de características que destacam um grupo alvo dos demais (ex.: pessoas com depressão das demais).
Referências
Atzmueller, M. (2015). Subgroup discovery. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 5(1), 35-49.
Azuelo, N. C. S., de Souza Filho, Z. A., das Neves, A. L. M., de Oliveira Ferreira, B., de Lima Oliveira, D., & Tavares, N. K. C. (2020). Prevalência de depressão em pessoas que vivenciaram violência por parceiro íntimo: revisão sistemática com meta-análise. Research, Society and Development, 9(8), e84985094-e84985094.
Barger, S. D., Messerli-Bürgy, N., & Barth, J. (2014). Social relationship correlates of major depressive disorder and depressive symptoms in Switzerland: nationally representative cross sectional study. BMC public health, 14(1), 1-10.
Brito, I. (2011). Ansiedade e depressão na adolescência. Revista Portuguesa de Medicina Geral e Familiar, 27(2), 208-14.
Carmona, C. J., González, P., del Jesus, M. J., Navío-Acosta, M., & Jiménez-Trevino, L. (2011). Evolutionary fuzzy rule extraction for subgroup discovery in a psychiatric emergency department. Soft Computing, 15(12), 2435-2448.
Carvalho, V. P. D. S. (2016). Análise da relação entre o estilo de vida da população economicamente ativa e a prevalência da depressão (Master's thesis, Universidade Federal de Pernambuco).
Daimi, K., & Banitaan, S. (2014). Using data mining to predict possible future depression cases. International Journal of Public Health Science (IJPHS), 3(4), 231-240.
da Rocha, A. C. B., Myva, L. M. M., & de Almeida, S. G. (2020). O papel da alimentação no tratamento do transtorno de ansiedade e depressão. Research, Society and Development, 9(9), e724997890-e724997890.
Gonçalves, C., Ferreira, D., Neto, C., Abelha, A., & Machado, J. (2020). Prediction of Mental Illness Associated with Unemployment Using Data Mining. Procedia Computer Science, 177, 556-561.
Helal, S., Li, J., Liu, L., Ebrahimie, E., Dawson, S., & Murray, D. J. (2019). Identifying key factors of student academic performance by subgroup discovery. International Journal of Data Science and Analytics, 7(3), 227-245.
Herrera, F., Carmona, C. J., González, P., & Del Jesus, M. J. (2011). An overview on subgroup discovery: foundations and applications. Knowledge and information systems, 29(3), 495-525.
Hullam, G., Antal, P., Petschner, P., Gonda, X., Bagdy, G., Deakin, B., & Juhasz, G. (2019). The UKB envirome of depression: From interactions to synergistic effects. Scientific reports, 9(1), 1-19.
IBGE (2021) Pesquisa Nacional da Saúde (PNS) O que é. Recuperado em novembro, 26, 2021, em https://www.ibge.gov.br/estatisticas/sociais/saude/9160-pesquisa-nacional-de-saude.html?=$t=o-que-e
Islam, M. R., Kabir, M. A., Ahmed, A., Kamal, A. R. M., Wang, H., & Ulhaq, A. (2018). Depression detection from social network data using machine learning techniques. Health information science and systems, 6(1), 1-12.
Justo, L. P., & Calil, H. M. (2006). Depressão: o mesmo acometimento para homens e mulheres?. Archives of Clinical Psychiatry (São Paulo), 33, 74-79.
Lavrač, N., Flach, P., & Zupan, B. (1999, June). Rule evaluation measures: A unifying view. In International Conference on Inductive Logic Programming (pp. 174-185). Springer, Berlin, Heidelberg.
Lucas, T., Vimieiro, R., & Ludermir, T. (2018, July). SSDP+: A diverse and more informative subgroup discovery approach for high dimensional data. In 2018 IEEE Congress on Evolutionary Computation (CEC) (pp. 1-8). IEEE.
OMS (2017) Depression and Other Common Mental Disorders.. Recuperado em novembro, 30, 2021 em https://www.who.int/publications/i/item/depression-global-health-estimates
Pasini, A. L. W., da Silveira, F. L., da Silveira, G. B., Busatto, J. H., Pinheiro, J. M., Leal, T. G., ... & Carlesso, J. P. P. (2020). Suicídio e depressão na adolescência: fatores de risco e estratégias de prevenção. Research, Society and Development, 9(4), e36942767-e36942767.
Tufféry, S. (2011). Data mining and statistics for decision making. John Wiley & Sons.
Wrobel, S. (1997, June). An algorithm for multi-relational discovery of subgroups. In European symposium on principles of data mining and knowledge discovery (pp. 78-87). Springer, Berlin, Heidelberg.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Filipe Cordeiro de Medeiros Azevedo; Tarcísio Daniel Pontes Lucas
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
