Projeto usa dados do SUS para estimar risco de violência contra a mulher

Uma equipe do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP aplicou técnicas avançadas de aprendizado de máquina a dados públicos do DataSUS para estimar o risco de violência contra a mulher nos âmbitos físico, sexual e psicológico. O projeto, desenvolvido pela doutoranda Rafaela Miglinski Lucca, foi premiado na 9ª Conferência Internacional de Aprendizado de Máquina e Inteligência de Máquina em Tóquio e será apresentado no 41° Simpósio Brasileiro de Banco de Dados.

Metodologia e modelos

Foram testados diversos algoritmos, destacando‑se a regressão logística, que atribui pesos a variáveis como nível de escolaridade, presença de rede de apoio e acesso a serviços de saúde. Para avaliar a confiabilidade das previsões, a pesquisadora utilizou o método Locart, que quantifica a incerteza em subgrupos específicos, revelando diferenças significativas de acurácia entre grupos de mulheres.

Resultados e insights

Os modelos geram probabilidades de ocorrência de violência, por exemplo, indicando 78% de chance de um caso envolver violência sexual. Entre os fatores de risco identificados estão baixa escolaridade, ausência de apoio social, residência em áreas com poucos serviços de saúde e, no caso da violência sexual, idade jovem. A reincidência em hospitais e delegacias emergiu como indicador relevante para a violência psicológica.

Aplicações práticas

Os achados podem orientar políticas públicas regionais, permitindo que delegacias e serviços de saúde utilizem as previsões para direcionar intervenções específicas. A análise subgrupal demonstra que, embora a acurácia média seja alta (90%), determinados grupos vulneráveis podem apresentar confiabilidade muito menor, reforçando a necessidade de validação por subgrupos antes da implementação em escala.

Próximos passos

O artigo está em fase de revisão por pares e será publicado pela Springer Nature. As pesquisadoras planejam expandir o estudo em parceria com outras universidades, explorando novas fontes de dados e refinando o método Locart para outras questões sociais.