Uso de inteligência artificial para análise da violência contra mulheres em São Paulo

Authors:
Open Access
Publisher website
Google Scholar
Abstract
OBJETIVO: Propor o framework Health Research Standard Process for Artificial Intelligence, adaptado da abordagem Cross-Industry Standard Process for Data Mining e aplicá-lo por meio de técnicas de séries temporais e inteligência artificial na análise dos dados do Sistema de Informação de Agravos de Notificação sobre violência contra mulheres em São Paulo, explorando dimensões sociodemográficas, espaciais e preditivas. MÉTODOS: A metodologia foi adaptada às pesquisas em saúde, substituindo a etapa original do Business Understanding por Research Understanding ao incorporar elementos técnico-científicos essenciais. Foram analisadas 80.148 notificações de violência contra mulheres entre 20 e 59 anos, residentes no município de São Paulo, no período de 2013 a 2023. As análises incluíram estatísticas descritivas, cálculo de razões de prevalência, decomposição e modelagem preditiva de séries temporais capturando tendências e sazonalidade, e análise geoespacial das notificações. RESULTADOS: Observou-se padrões temporais e características sociodemográficas das vítimas, com tendências crescentes nas notificações de violência física, psicológica e sexual após 2015 e comportamento sazonal. Entre as associações, identificou-se aumento de 32% na prevalência de violência sexual quando o agressor estava sob efeito de álcool e risco 2,47 vezes maior de violência sexual entre gestantes. A distribuição geoespacial revelou concentrações de notificações em áreas periféricas do município, como a zona sul, leste e central. A modelagem preditiva indicou que a tendência de aumento persistirá nos próximos 24 meses, com estimativas de taxas alcançando até 12 casos por 100.000 habitantes. CONCLUSÃO: A aplicabilidade do Health Research Standard Process for Artificial Intelligence foi eficaz como modelo para análises de dados e desenvolvimento de algoritmos preditivos em saúde pública. Foi possível propor uma matriz metodológica replicável para futuras pesquisas e intervenções baseadas em evidências.
Funding Information
  • Ministério da Saúde (TED 179/2023)