Uso de população sintética para estimativas de consumo abusivo de bebidas alcoólicas em pequenas áreasRESUMO
Objetivos: Este estudo avaliou o uso de populações sintéticas, geradas por redes generativas adversariais condicionais (cGAN), para estimar o consumo abusivo de bebidas alcoólicas em pequenas áreas de Belo Horizonte (MG).
Métodos: Usou-se dados do Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico (Vigitel) de 2006 a 2018. Foram consideradas variáveis sociodemográficas e de estilo de vida, e os registros sintéticos foram atribuídos a nove clusters de vulnerabilidade.
Resultados: A inclusão de dados sintéticos reduziu erros padrão e estreitou intervalos de confiança, sobretudo em áreas mais vulneráveis. Observou-se maior prevalência em áreas menos vulneráveis.
Conclusões: A abordagem mostrou-se promissora para superar limitações de representatividade e ampliar o monitoramento de fatores de risco, mas ainda depende da qualidade dos dados originais, pode introduzir vieses e requer validação externa e uso cauteloso.
Palavras-chaves:
Consumo abusivo de bebidas alcóolicas; Redes generativas adversariais; População sintética; Inquéritos populacionais
ABSTRACT
Objective: This study evaluated the use of synthetic populations, generated by conditional generative adversarial networks (cGAN), to estimate abusive alcohol consumption in small areas of Belo Horizonte (MG).
Methods: Data from the Vigitel survey from 2006 to 2018 were used. Sociodemographic and lifestyle variables were considered, and the synthetic records were assigned to nine vulnerability clusters.
Results: The inclusion of synthetic data reduced standard errors and narrowed confidence intervals, especially in more vulnerable areas. Higher prevalence was observed in less vulnerable areas.
Conclusions: The approach proved promising for overcoming representativeness limitations and enhancing risk factor monitoring, but it still depends on the quality of the original data, may introduce biases, and requires external validation and cautious use.
Keywords:
Abusive alcohol consumption; Generative adversarial networks; Synthetic population; Population surveys
INTRODUÇÃO
A análise de fatores de risco em pequenas áreas é essencial para compreender desigualdades sociais em saúde e para subsidiar o planejamento de políticas públicas locais. O Brasil, apesar de avanços em vigilância, ainda apresenta dificuldades na produção de estimativas válidas em pequenas áreas, em razão dos altos custos e dos desafios na coleta de dados, que inviabilizam a implementação de inquéritos representativos. O Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico (Vigitel), inquérito telefônico anual que abrange as capitais, constitui uma das principais fontes de monitoramento, mas sua dependência de linhas fixas limita a representatividade em grupos mais vulneráveis, como populações de baixa renda e moradores de áreas periféricas1.
Essas limitações têm estimulado o desenvolvimento de metodologias alternativas para aumentar a precisão em pequenas áreas. A literatura internacional sugere o uso de abordagens como modelos bayesianos, multinível e técnicas de estimação em pequenas áreas2.
Mais recentemente, inovações em inteligência artificial, como as redes generativas adversariais condicionais (cGAN), vêm sendo aplicadas para gerar populações sintéticas realistas, permitindo simulações que ampliam a capacidade de análise em contextos em que os dados reais são escassos, confidenciais ou de difícil obtenção3. Este estudo teve como objetivo avaliar o uso de populações sintéticas, geradas por cGAN, para estimar o consumo abusivo de bebidas alcoólicas em pequenas áreas de Belo Horizonte (MG), explorando seu potencial metodológico e discutindo suas implicações.
MÉTODOS
Trata-se de um estudo ecológico realizado com dados do Vigitel para Belo Horizonte (MG), entre 2006 e 2018. Os endereços dos entrevistados, fornecidos pelas operadoras, foram georreferenciados e vinculados ao Cadastro Nacional de Endereços para Fins Estatísticos, permitindo a associação a setores censitários2.
O consumo abusivo de bebidas alcoólicas foi definido pelo consumo de quatro ou mais doses em uma ocasião para mulheres e cinco ou mais para homens4.
Consideraram-se como “pequenas áreas” nove clusters de vulnerabilidade (BA-0, BA-1, MD-0, MD-1, EL-0, EL-1, EL-2, ME-0, ME-1), derivados das quatro categorias do Índice de Vulnerabilidade à Saúde (IVS) (Baixo, Médio, Elevado e Muito Elevado). Essa estratégia de reagrupamento foi proposta em estudo anterior5 para reduzir a variabilidade do IVS. As populações sintéticas foram geradas por redes cGAN implementadas em PyTorch, seguindo a arquitetura clássica de GAN, em que gerador e discriminador são otimizados conjuntamente em cenário adversarial. O treinamento ocorreu por 1.024 épocas, com batch size de 500, taxa de aprendizado de 2 × 10⁻4 e otimizador Adam (parâmetros padrão). O critério de parada baseou-se apenas no número de épocas, sem early stopping, e a função de perda adotada foi a adversarial canônica (minimax log loss). As variáveis utilizadas foram sociodemográficas e de estilo de vida (por exemplo, sexo, idade, raça/cor, escolaridade e consumo diário de frutas), selecionadas pela relevância epidemiológica e disponibilidade na base. Foram gerados entre 5 mil e 100 mil registros sintéticos por cluster, dos quais subamostras de 700 indivíduos foram selecionadas (definidas com base na estabilização do erro padrão em ~1%) e incorporadas, por modelos supervisionados como o XGBoost, à base do Vigitel nos clusters de elevada e muito elevada vulnerabilidade, totalizando 3.500 entrevistas por período (Tabela 1). A similaridade entre distribuições reais e sintéticas foi avaliada pelo índice KSComplement.
A prevalência e os intervalos de confiança de 95% (IC95%) foram estimados por cluster e período (2006-2009; 2010-2013; 2014-2018), considerando-se os pesos de pós-estratificação. As diferenças entre clusters em um mesmo período foram avaliadas pela não sobreposição dos IC95%.
O estudo foi aprovado pelo Comitê de Ética em Pesquisa da Universidade Federal de Minas Gerais (Parecer no 6.538.883).
Tamanho da amostra do Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico (Vigitel) e da população sintética por cluster e por período.
Declaração De Disponibilidade De Dados:
Dados disponíveis mediante solicitação ao pesquisador correspondente.
RESULTADOS
As prevalências de consumo abusivo de bebidas alcoólicas foram consistentemente mais elevadas nos clusters de menor vulnerabilidade, em todos os períodos analisados, tanto nos dados reais (T1 28,2%; IC95% 25,1-31,3; T2 26,2%; IC95% 23,0-29,4; T3 27,0%; IC95% 22,9-31,0) quanto nos sintéticos (T1 27,4%; IC95% 24,7-30,0; T2 27,7%; IC95% 24,7-30,7; T3 26,5%; IC95% 22,6-30,5) (Tabela 2).
A inclusão de populações sintéticas na base reduziu os erros padrão e estreitou intervalos de confiança, principalmente nas áreas mais vulneráveis, onde as amostras originais eram menores. Por exemplo, no cluster ME-0 e período T1, o IC95% variou de 7,3-24,4% (EP=4,3) com dados reais e de 12,4-18,2% (EP=1,5) com dados sintéticos (Tabela 2). O índice KSComplement de 0,96 confirmou alta similaridade entre as distribuições observadas e sintéticas.
DISCUSSÃO
Os achados reforçam que o uso de populações sintéticas geradas por cGAN pode mitigar limitações de inquéritos de base populacional ao produzir estimativas mais precisas em pequenas áreas. O maior consumo de bebidas alcóolicas em áreas menos vulneráveis está em consonância com a literatura nacional e internacional4,6 e pode ser explicado pelo fato de que, em contextos de maior renda, há não apenas maior disponibilidade financeira para a aquisição de bebidas alcoólicas, mas também maior oferta de estabelecimentos comerciais e espaços de socialização que estimulam o consumo. Além disso, aspectos culturais e comportamentais, como a valorização de práticas sociais vinculadas ao uso de bebidas alcoólicas, contribuem para reforçar esse padrão. Por outro lado, áreas mais vulneráveis podem apresentar menor prevalência relatada, mas estão mais expostas a agravos decorrentes do consumo, pela menor disponibilidade de serviços de saúde e suporte social.
A utilização de dados sintéticos contribuiu para maior estabilidade das estimativas, reduzindo a variabilidade entre períodos e mostrando-se uma abordagem promissora para mitigar a escassez de dados coletados e reduzir vieses de distribuição e representação em pequenas áreas geográficas.
Apesar dos avanços metodológicos, a técnica deve ser considerada exploratória. Sua aplicação depende da qualidade dos dados reais, pode introduzir vieses relacionados à modelagem e exige validação externa em diferentes contextos7. Questões éticas emergem do uso de dados sintéticos, incluindo a necessidade de transparência e de salvaguardas contra usos inadequados. Quando comparadas a abordagens tradicionais de pequenas áreas, como modelos bayesianos e multinível, as cGAN apresentam desempenho competitivo e complementar2,7. No entanto, sua adoção requer estudos adicionais que avaliem sensibilidade, generalização e replicação em outras populações.
Assim, conclui-se que populações sintéticas representam um recurso inovador para vigilância em saúde, mas seu uso deve ser acompanhado de avaliações críticas, validação contínua e reflexão ética. Essa inovação pode apoiar a formulação de políticas públicas mais precisas e equitativas, desde que utilizada de forma responsável.
AGRADECIMENTOS:
Deborah Carvalho Malta agradece ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPQ) pela bolsa recebida (CNPQ 0-0202/771013). Crizian Saar Gomes agradece a Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) pela bolsa pesquisa (processo no 2024/07524-0).
Referências bibliográficas
-
1. Malta DC, Silva MMA, Moura L, Morais Neto OL. A implantação do Sistema de Vigilância de Doenças Crônicas Não Transmissíveis no Brasil, 2003 a 2015: alcances e desafios. Rev Bras Epidemiol 2017; 20(4): 661-75. https://doi.org/10.1590/1980-5497201700040009
» https://doi.org/https://doi.org/10.1590/1980-5497201700040009 -
2. Bernal RTI, Carvalho QH, Pell JP, Leyland AH, Dundas R, Barreto ML, et al. A methodology for small area prevalence estimation based on survey data. Int J Equity Health 2020; 19(200): 124. https://doi.org/10.1186/s12939-020-01220-5
» https://doi.org/https://doi.org/10.1186/s12939-020-01220-5 -
3. Murtaza H, Ahmed M, Khan NF, Murtaza G, Zafar S, Bano A. Synthetic data generation: state of the art in health care domain. Comput Sci Rev 2023; 48: 100546. https://doi.org/10.1016/j.cosrev.2023.100546
» https://doi.org/https://doi.org/10.1016/j.cosrev.2023.100546 - 4. World Health Organization. Global status report on alcohol and health 2018. Geneva: WHO; 2018.
-
5. Faria TMTR, Vasconcelos MA, Bernal RTI, Mielke GI, Souza JB, Gomes CS, et al. Improving the mapping of leisure-time physical activity inequities: the use of artificial intelligence to advance estimates of small-areas in Brazil. Public Health 2025; 243: 105727. https://doi.org/10.1016/j.puhe.2025.105727
» https://doi.org/https://doi.org/10.1016/j.puhe.2025.105727 -
6. Malta DC, Silva AG, Prates EJS, Alves FTA, Cristo EB, Machado IE. Convergência no consumo abusivo de álcool nas capitais brasileiras entre sexos, 2006 a 2019: o que dizem os inquéritos populacionais. Rev Bras Epidemiol 2021;24: e210022.SUPL1. https://doi.org/10.1590/1980-549720210022.supl.1
» https://doi.org/https://doi.org/10.1590/1980-549720210022.supl.1 -
7. Kang J, Kim Y, Imran MM, Jung GS, Kim YB. Generating population synthesis using a diffusion model. WSC ‘23: Proceedings of the Winter Simulation Conference. 2024;2944-55. https://dl.acm.org/doi/10.5555/3643142.3643387
» https://dl.acm.org/doi/10.5555/3643142.3643387
-
COMO CITAR ESSE ARTIGO:
Gomes CS, Bernal TRI, Araújo LF, França Júnior CR, Alves SN, Souza JB, et al. Uso de população sintética para estimativas de consumo abusivo de bebidas alcoólicas em pequenas áreas. Rev Bras Epidemiol. 2026; 29: e260013. https://doi.org/10.1590/1980-549720260013.2
-
FONTE DE FINANCIAMENTO:
Este estudo foi financiado com os seguintes recursos: Centro de Inovação e Inteligência Artificial para Saúde (CI-IA Saúde), em parte com recursos da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP), Processo no 2020/09866-4, da Fundação de Amparo à Pesquisa de Minas Gerais (FAPEMIG), Processo no PPE-00030-21, e da UNIMED Belo Horizonte; CNPq e Decit/SECTICS/MS (chamada 21/2023); Fapemig chamada B01/2025 (APQ 02385-25); Ministério da Saúde/Fundo Nacional de Saúde (TED no 114/2024 - “Núcleo de Inteligência Artificial para Saúde - NIAR-Saúde - UFMG” )
Editado por
-
EDITORA ASSOCIADA:
Vera Maria Vieira Paniz https://orcid.org/0000-0003-3186-9991
-
EDITOR CIENTÍFICO:
Francisco Chiaravalloti Neto https://orcid.org/0000-0003-2686-8740
