Análise Preditiva de Saúde Mental: Uma Abordagem de Machine Learning para Previsão de Risco de Depressão

Abstract

A depressão constitui um importante problema de saúde pública, destacando-se a necessidade de métodos capazes de auxiliar na identificação de indivíduos em situação de risco. Este projeto teve como objetivo desenvolver e avaliar modelos de Machine Learning supervisionados para a previsão de risco de depressão a partir de variáveis psicossociais e comportamentais. Para isso, foi aplicado um questionário digital a 62 participantes, contendo questões relacionadas a estresse, sono, relações sociais, atividade física e sintomas depressivos, utilizando o PHQ-9 como referência para a avaliação dos sintomas. Os dados foram submetidos a etapas de pré-processamento, análise exploratória e modelagem, utilizando técnicas como Regressão Logística e Random Forest. O desempenho dos modelos foi avaliado por métricas de classificação, incluindo Precision, Recall e ROC-AUC. Os resultados permitiram identificar padrões associados ao risco de depressão e comparar o desempenho dos modelos, contribuindo para a compreensão da aplicação de técnicas de Ciência de Dados na análise da saúde mental.