Mostrar el registro sencillo del ítem
Modelo preditivo para tentativa de suicídio em pacientes internados por uso de crack : uma abordagem por aprendizado de máquina
dc.contributor.advisor | Kessler, Felix Henrique Paim | pt_BR |
dc.contributor.author | Roglio, Vinícius Serafini | pt_BR |
dc.date.accessioned | 2022-01-29T04:51:15Z | pt_BR |
dc.date.issued | 2020 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/234574 | pt_BR |
dc.description.abstract | O suicídio e os comportamentos do espectro suicida constituem um importante problema de saúde que levam a cerca de 800.000 mortes por ano mundialmente, segundo a Organização Mundial da Saúde. Na população de indivíduos com transtornos por uso de substâncias, principalmente de crack-cocaína, as taxas de suicídio e tentativa de suicídio se mostram muito elevadas em comparação à população geral, bem como também é observado a ocorrência de múltiplas comorbidades e condições socioeconômicas desfavoráveis, colocando essa população em situação de especial vulnerabilidade. Modelos teóricos de suicídio propõem explicações para o surgimento de comportamentos suicidas que integram fatores diáteses ou pré-motivacionais com fatores estressores ou precipitadores. Observa-se também uma grande sobreposição de fatores associados aos desfechos de suicídio e dependência química e possivelmente da existência de fatores específicos para esta população e de acordo com o gênero. Portanto, este trabalho objetiva investigar preditores de tentativa de suicídio em uma amostra de homens e mulheres internados por transtorno por uso de crack-cocaína e discutir a respeito dos elementos que podem contribuir para esse cenário. O artigo 1 apresenta um artigo original sobre a aplicação de duas metodologias analíticas de forma estratificada por gênero, uma descritiva e outra preditiva. A primeira sendo a regressão de Poisson com variância robusta a fim de estimar razões de prevalência e identificar fatores associados à tentativa de suicídio; e a segunda sendo o algoritmo Floresta Aleatória de Aprendizado de Máquina supervisionado, a fim de investigar preditores de tentativa de suicídio e avaliar a performance preditiva alcançada. O trabalho consiste de um estudo transversal que utiliza um banco de dados secundários mesclado de duas instituições especializadas no tratamento da dependência química de Porto Alegre/RS, contém uma amostra composta por homens e mulheres internados por transtorno por uso de crack e variáveis oriundas da aplicação de três instrumentos de pesquisa que coletaram informações sociodemográficas, psiquiátricas (transtornos e traumas) e sobre o padrão de uso de drogas. O artigo 2 apresenta um editorial sobre uso de drogas e suicídio a fim de incentivar futuros trabalhos e reforçar a necessidade de políticas públicas, estratégias de tratamento acessíveis e uso de tecnologias promissoras para promoção do bem estar social e redução da desigualdade. | pt_BR |
dc.description.abstract | Suicide and suicide behaviors are an important health problem that lead to around 800,000 deaths per year worldwide, according to the World Health Organization. In the population of individuals with substance use disorders, especially crack-cocaine, the rates of suicide and attempted suicide are very high compared to the general population, as well as the occurrence of multiple comorbidities and unfavorable socioeconomic conditions, which place this population in a situation of special vulnerability. Theoretical models of suicide propose explanations for the emergence of suicidal behaviors that integrate diathesis or pre-motivational factors with stressors or precipitating factors. There is also a large overlap of factors associated with the outcomes of suicide and substance use disorder and possibly the existence of specific factors for this population and also gender-specific factors. Therefore, this study aims to investigate predictors of attempted suicide in a sample of men and women hospitalized for crack-cocaine disorder and discuss the elements that may contribute to this scenario. Article 1 presents an original article on the application of two analytical methodologies stratified by gender, a descriptive one and a predictive one. The first being the Poisson regression with robust variance in order to estimate prevalence ratios and to identify factors associated with suicide attempt; and the second being the supervised Machine Learning Random Forest algorithm, in order to investigate predictors of attempted suicide and evaluate the predictive performance achieved. The work consists of a cross-sectional study that uses a secondary database merged from two institutions specialized in the treatment of chemical dependence in Porto Alegre / RS, contains a sample composed of men and women hospitalized for crack use disorder and variables from the application of three research instruments that collected sociodemographic and psychiatric information (disorders and traumas) and the pattern of drug use. Article 2 presents an editorial on drug use and suicide in order to encourage future work and reinforce the need for public policies, accessible treatment strategies and the use of promising technologies to promote social welfare and reduce inequality. | en |
dc.format.mimetype | application/pdf | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Transtornos relacionados ao uso de substâncias | pt_BR |
dc.subject | Prognóstico | pt_BR |
dc.subject | Tentativa de suicídio | pt_BR |
dc.subject | Cocaína crack | pt_BR |
dc.subject | Aprendizado de máquina | pt_BR |
dc.title | Modelo preditivo para tentativa de suicídio em pacientes internados por uso de crack : uma abordagem por aprendizado de máquina | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.advisor-co | Borges, Eduardo Nunes | pt_BR |
dc.identifier.nrb | 001135262 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Faculdade de Medicina | pt_BR |
dc.degree.program | Programa de Pós-Graduação em Psiquiatria e Ciências do Comportamento | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2020 | pt_BR |
dc.degree.level | mestrado | pt_BR |
Ficheros en el ítem
Este ítem está licenciado en la Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)
-
Ciencias de la Salud (9011)Psiquiatría (437)