Análise do impacto da COVID-19 no desenvolvimento do transtorno de estresse pós-traumático na população brasileira: um estudo com aprendizado de máquina

Abstract

O transtorno de estresse pós-traumático (TEPT) é uma condição mental caracterizada por sintomas de ansiedade e pode surgir em indivíduos expostos a eventos traumáticos. De origem multicausal e heterogênea, manifesta-se em pessoas que vivenciaram guerras, desastres naturais, abusos físicos ou psicológicos, etc. Este estudo analisa o desenvolvimento de casos de TEPT durante a pandemia da COVID-19 na população brasileira, por meio de técnicas de análise de dados e aprendizado de máquina. Os dados foram coletados por questionários online aplicados no início e no fim da pandemia, totalizando 515 participantes que responderam a ambas as ondas. Os instrumentos incluíram características sociodemográficas, experiências relacionadas à pandemia e escalas psicométricas como GAD-7, PHQ-9, UCLA, AUDIT-C, OSLO e PCL-5, este último para mensurar a gravidade dos sintomas de TEPT. Foram construídos classificadores com Support Vec tor Machine e Random Forest, avaliados com diferentes representações dos instrumentos (perguntas, pontuação total e codificação binária) e métricas (curvas ROC e PR). Os modelos foram ajustados por otimização Bayesiana, considerando atributos, normalização, balanceamento de classe, subamostragem e threshold. O modelo com melhor desempenho alcançou, na média dos folds da validação cruzada, revocação de 0,578 0,111, precisão de 0,265 0,108, AUROC de 0,724 0,056 e especificidade de 0,871 0,048. Ainterpretação incluiu redução de dimensionalidade e valores SHAP, que indicaram sintomas de depressão, ansiedade e solidão; consumo de mídia; e uso de benzodiazepínicos e opioides como atributos mais relevantes para a incidência de TEPT. Apesar do tamanho amostral, os achados contribuem para compreender fatores de risco associados ao TEPT no contexto pandêmico.

Post-traumatic stress disorder (PTSD) is a mental condition characterized by anxiety symptoms and may arise in individuals exposed to traumatic events. With a multifac torial and heterogeneous origin, it manifests in people who have experienced wars, nat ural disasters, physical or psychological abuse, among others. This study analyzes the development of PTSD cases during the COVID-19 pandemic in the Brazilian popula tion through data analysis and machine learning techniques. Data were collected via online questionnaires administered at the beginning and end of the pandemic, totaling 515 participants who responded in both waves. The instruments included sociodemo graphic characteristics, pandemic-related experiences, and psychometric scales such as GAD-7, PHQ-9, UCLA,AUDIT-C,OSLO,andPCL-5—thelatterusedto measure PTSD symptom severity. Classifiers were built using Support Vector Machine and Random For est, evaluated with different representations of the instruments (individual questions, total scores, and binary encoding) and metrics (ROC and PR curves). Models were optimized using Bayesian optimization, considering features, normalization, class balancing, sub sampling, and threshold adjustment. The best-performing model achieved, on average across cross-validation folds, a recall of 0.578 0.111, precision of 0.265 0.108, AU ROCof 0.724 0.056, and specificity of 0.871 0.048. Interpretation involved dimen sionality reduction and SHAP values, which indicated that depression, anxiety, and lone liness symptoms; media consumption; and the use of benzodiazepines and opioids were the most relevant attributes for PTSD incidence. Despite the sample size, the findings contribute to understanding risk factors associated with PTSD in the pandemic context.