O adoecimento mental relacionado ao trabalho configura-se como um dos principais desafios contemporâneos da saúde pública, com impactos expressivos sobre a qualidade de vida dos trabalhadores e a eficiência dos sistemas de saúde. No setor de saúde, profissionais estão sistematicamente expostos a condições de alta exigência emocional, jornadas prolongadas e ambientes de pressão crônica, fatores que contribuem para o desenvolvimento de transtornos como burnout, depressão e ansiedade (SHANAFELT et al., 2015; WHO, 2022). Modelos tradicionais de gestão da saúde ocupacional, predominantemente reativos, mostram-se insuficientes para identificar precocemente sinais de risco antes da manifestação clínica do adoecimento.
Este projeto propõe a investigação sistemática da aplicabilidade de técnicas de aprendizado de máquina (ML) para a identificação de padrões coletivos de risco psicossocial em trabalhadores da saúde, a partir da análise de registros de absenteísmo e variáveis ocupacionais. A abordagem metodológica é quantitativa aplicada, estruturada em etapas de revisão sistemática da literatura, coleta e tratamento de dados institucionais, modelagem preditiva, análise de explicabilidade por meio de técnicas de IA Explicável (XAI) e validação com especialistas. O projeto incorpora um eixo ético transversal, abordando questões de privacidade, transparência algorítmica e conformidade com a Lei Geral de Proteção de Dados (LGPD). Como contribuições científicas, esperam-se a proposição de um protocolo metodológico replicável, a publicação de artigos em periódicos qualificados e a formação de pesquisadores na interface entre Inteligência Artificial e saúde do trabalhador.
Projeto importado do Suap em 06/09/2026 às 03:11 (há 7 horas, 54 minutos)