Análise de padrões da violência contra mulheres no Brasil: uma abordagem com aprendizado de máquina não supervisionado

Análisis de los patrones de violencia contra las mujeres en Brasil: un enfoque con aprendizaje automático no supervisado

Analisar padrões de associação entre diagnósticos relacionados à violência doméstica em internações hospitalares e identificar perfis clínico-demográficos por aprendizado de máquina não supervisionado. Utilizaram-se dados do Sistema de Informações Hospitalares do SUS entre 2008 e 2023, abrangendo 90.798 internações de mulheres de 20 a 59 anos com códigos CID-10 relacionados à violência. Aplicaram-se frameworks para preparação dos dados, e algoritmos para identificação de regras de associação entre diagnósticos e modelagem de tópicos. A taxa de internações estabilizou após 2012, com média entre 2,6 e 3,2 por 100.000 mulheres. Estados como São Paulo, Bahia e Minas Gerais concentraram 46% dos casos absolutos; Rio Grande do Norte e Pará apresentaram as maiores taxas proporcionais. O algoritmo identificou regras significativas entre tipos de lesão e mecanismos de agressão. A modelagem Latent Dirichlet Allocation revelou nove perfis distintos, com destaque para mulheres jovens submetidas a cirurgias de urgência por politraumatismos. O uso de aprendizado de máquina identificou padrões clínico-epidemiológicos relevantes para subsidiar estratégias de predição e vigilância na Atenção Primária, contribuindo para o enfrentamento da violência de gênero.

Palavras-chave:
Violência contra a Mulher; Sistemas de Informação Hospitalar; Aprendizado de Máquina; Inteligência Artificial