Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Revista Lasallista de Investigación
Print version ISSN 1794-4449
Abstract
RODRIGUEZ-ESPARZA, Luz Judith; BARRAZA-BARRAZA, Diana; SALAZAR-IBARRA, Jesús and VARGAS-PASAYE, Rafael G.. Metodologia de Análise de Emoções para Identificar o Risco de Suicídio Gerada por COVID-19. Rev. Lasallista Investig. [online]. 2021, vol.18, n.2, pp.105-124. Epub Mar 14, 2022. ISSN 1794-4449. https://doi.org/10.22507/rli.v18n2a9.
Introdução:
O início de 2020 foi acompanhado por uma pandemia causada pelo vírus denominado SARS-CoV-2. Com as medidas de distanciamento social implantadas para prevenir a propagação desse vírus, surgem problemas de saúde mental, como ansiedade, depressão, etc., resultando na necessidade de atendimento remoto ao paciente. Dados os números alarmantes de incidentes de suicídio na sociedade atual, juntamente com essas medidas de distanciamento, ferramentas de apoio são necessárias para identificar indivíduos em risco de suicídio.
Objetivo:
propor e avaliar uma nova metodologia para calcular o risco de suicídio em usuários do Twitter, a partir da análise das emoções.
Materiais e Métodos:
Usando modelos estatísticos de aprendizagem (supervisionados e não supervisionados), a metodologia proposta identifica o nível de risco no texto analisado de 77 tweets de usuários regulares e figuras políticas no México e na América Latina.
Resultados:
Verificou-se que, na comparação dos métodos utilizados, o percentual de coincidência na classificação é próximo a 96%, sendo os métodos não paramétricos supervisionados e não supervisionados aqueles que detectaram os níveis extremos de risco de suicídio.
Conclusões:
A metodologia proposta é uma ferramenta que pode ser de grande apoio aos especialistas da área de saúde mental por ajudar a identificar, de forma massiva, a presença de indícios de doença mental, para seu posterior diagnóstico.
Keywords : Aprendizagem estatística; análise de emoções; modelos supervisionados e não supervisionados.