0031/2026 - Análise de Padrões da Violência contra Mulheres no Brasil: Uma Abordagem com Aprendizado de Máquina Não Supervisionado Analysis of Patterns of Violence against Women in Brazil: An Unsupervised Machine Learning Approach
• Paulo Bandiera-Paiva - Bandiera-Paiva, P - <paiva@unifesp.br> ORCID: 0000-0001-9409-3970
Resumo:
Analisar padrões de associação entre diagnósticos relacionados à violência doméstica em internações hospitalares e identificar perfis clínico-demográficos por aprendizado de máquina não supervisionado. Utilizaram-se dados do Sistema de Informações Hospitalares do SUS entre 2008 e 2023, abrangendo 90.798 internações de mulheres de 20 a 59 anos com códigos CID-10 relacionados à violência. Aplicaram-se frameworks para preparação dos dados, e algoritmos para identificação de regras de associação entre diagnósticos e modelagem de tópicos. A taxa de internações estabilizou após 2012, com média entre 2,6 e 3,2 por 100.000 mulheres. Estados como São Paulo, Bahia e Minas Gerais concentraram 46% dos casos absolutos; Rio Grande do Norte e Pará apresentaram as maiores taxas proporcionais. O algoritmo identificou regras significativas entre tipos de lesão e mecanismos de agressão. A modelagem Latent Dirichlet Allocation revelou nove perfis distintos, com destaque para mulheres jovens submetidas a cirurgias de urgência por politraumatismos. O uso de aprendizado de máquina identificou padrões clínico-epidemiológicos relevantes para subsidiar estratégias de predição e vigilância na Atenção Primária, contribuindo para o enfrentamento da violência de gênero.
Palavras-chave:
Violência contra a Mulher; Sistemas de Informação Hospitalar; Aprendizado de Máquina; Inteligência Artificial.
Abstract:
Analyze patterns of association between diagnoses related to domestic violence in hospital admissions and identify clinical-demographic profiles using unsupervised machine learning. Data from the SUS Hospital Information System between 2008 and 2023 were used, covering 90,798 hospitalizations of women aged 20 to 59 years with ICD-10 codes related to violence. Frameworks for data preparation were applied, as well as algorithms for identifying association rules between diagnoses and topic modeling. The hospitalization rate stabilized after 2012, with an average between 2.6 and 3.2 per 100,000 women. States such as São Paulo, Bahia, and Minas Gerais accounted for 46% of absolute cases; Rio Grande do Norte and Pará presented the highest proportional rates. The algorithm identified significant rules between types of injury and mechanisms of aggression. Latent Dirichlet Allocation modeling revealed nine distinct profiles, highlighting young women undergoing emergency surgeries due to polytrauma. The use of machine learning identified relevant clinical-epidemiological patterns to support prediction and surveillance strategies in Primary Care, contributing to addressing gender-based violence.
Keywords:
Violence Against Women; Hospital Information Systems; Machine Learning; Artificial Intelligence.
Analysis of Patterns of Violence against Women in Brazil: An Unsupervised Machine Learning Approach
Resumo (abstract):
Analyze patterns of association between diagnoses related to domestic violence in hospital admissions and identify clinical-demographic profiles using unsupervised machine learning. Data from the SUS Hospital Information System between 2008 and 2023 were used, covering 90,798 hospitalizations of women aged 20 to 59 years with ICD-10 codes related to violence. Frameworks for data preparation were applied, as well as algorithms for identifying association rules between diagnoses and topic modeling. The hospitalization rate stabilized after 2012, with an average between 2.6 and 3.2 per 100,000 women. States such as São Paulo, Bahia, and Minas Gerais accounted for 46% of absolute cases; Rio Grande do Norte and Pará presented the highest proportional rates. The algorithm identified significant rules between types of injury and mechanisms of aggression. Latent Dirichlet Allocation modeling revealed nine distinct profiles, highlighting young women undergoing emergency surgeries due to polytrauma. The use of machine learning identified relevant clinical-epidemiological patterns to support prediction and surveillance strategies in Primary Care, contributing to addressing gender-based violence.
Palavras-chave (keywords):
Violence Against Women; Hospital Information Systems; Machine Learning; Artificial Intelligence.
Shimaoka, AM, Silva Junior, AC, Duarte, JM, Areco, KCN, Ribeiro, MB, Araujo, LM, Nascimento, DD, Salvador, ME, Bandiera-Paiva, P. Análise de Padrões da Violência contra Mulheres no Brasil: Uma Abordagem com Aprendizado de Máquina Não Supervisionado. Cien Saude Colet [periódico na internet] (2026/jan). [Citado em 14/08/2026].
Está disponível em: http://cienciaesaudecoletiva.com.br/artigos/analise-de-padroes-da-violencia-contra-mulheres-no-brasil-uma-abordagem-com-aprendizado-de-maquina-nao-supervisionado/19929?id=19929
