Análise de Padrões de Burnout e Episódios Depressivos no Ambiente de Trabalho Utilizando Métodos Estatísticos e Aprendizado de Máquina

• Nicole V. L. da Costa Universidade do Estado do Pará (UEPA)
• Laiane M. de Souza Universidade do Estado do Pará (UEPA)
• Leno R. Martins Universidade do Estado do Pará (UEPA)
• Marta de O. Barreiros Universidade do Estado do Pará (UEPA)

DOI: https://doi.org/10.5753/sbbd_estendido.2026.249687

Resumo

A depressão e o burnout representam importantes desafios de saúde pública entre trabalhadores brasileiros. Este estudo aplica técnicas de estatística e clusterização em dados do DATASUS (2016-2019 e 2022-2025) para identificar perfis associados a esses transtornos. Na totalidade dos dados, observou-se predominância feminina (~75%), maior número de casos na região Sudeste e idade média de 40,7 anos (DP=9,6). Como resultado, o modelo K-means com FAMD obteve silhouette score de 0,418, revelando três perfis que evidenciam padrões educacionais, ocupacionais e territoriais no adoecimento mental do país. O estudo contribui, portanto, para a compreensão e mitigação desse problema nacional.

Palavras-chave: Burnout, depressão, saúde ocupacional, estatística, clusterização

Referências

Bailo D. W. et al. (2024). Impacto dos Transtornos Mentais Relacionados ao Trabalho no Brasil: Uma Revisão de Dados e Perspectivas Epidemiológicas. Brazilian Journal of Implantology and Health Sciences, 6(8): 4723-4733.

Baghdadi, N. A. et al. (2022). An Analysis of Burnout among Female Nurse Educators in Saudi Arabia Using K-Means Clustering. European Journal of Investigation in Health, Psychology and Education, 13(1):33-55.

Barcelar, R. R. et al. (2025). Analysis of Criminal Patterns in Police Report Narratives using Spectral Clustering with K-means. In XII Symposium on Knowledge Discovery, Mining and Learning(KDMILE).SBC

Brasil. Ministério da Previdência Social (2026). Previdência Social concede 546.254 benefícios por incapacidade temporária por transtornos mentais e comportamentais, [link]

Brasil. Ministério da Saúde do Brasil (2001). Doenças relacionadas ao trabalho manual e procedimentos para os serviços de saúde. Ministério Da Saúde Do Brasil, Brasília.

Brasil. Ministério do Trabalho e Emprego (2023). Classificação Brasileira de Ocupações (CBO), [link]

De Melo Silva, M. L. et al. (2025). Desigualdades Educacionais no Brasil: Uma Análise por Clusterização de Indicadores Educacionais e Desempenho Escolar. In XL Simpósio Brasileiro de Banco de Dados(SBBD).SBC.

Instituto Brasileiro de Geografia e Estatística - IBGE (2023). Censo Demográfico 2022, [link].

Instituto Brasileiro de Geografia e Estatística - IBGE (2026). Códigos dos municípios. [link].

Jain, A. K. Data clustering: 50 years beyond K-means. Pattern Recognition Letters, v. 31, n. 8, p. 651–666, 1 jun. 2010.

Makara-Studzinska, M. et al. (2022). Profiles of Occupational Burnout in the Group of Representatives High-Risk Professions in Poland. International Journal of Environmental Research and Public Health, 19(10): 6297.

Pachi, A. et al. (2022). Burnout, Depression and Sense of Coherence in Nurses during the Pandemic Crisis. Healthcare, 10(1): 134.

Pagès, J. (2004). Analyse Factorielle de Données Mixtes. Revues de Statistique Appliquée, 52(4): 93-111.

Salvadori, I. L. (2024). Análise e Publicação de Dados de Processos Eletrônicos em Organizações Públicas. In XXXIX Simpósio Brasileiro de Bancos de Dados (SBBD). SBC.