Please use this identifier to cite or link to this item: https://repositorio.ifgoiano.edu.br/handle/prefix/3222
metadata.dc.type: Trabalho de Conclusão de Curso
Title: DESCOBERTA DE CONHECIMENTO SOBRE O SUICÍDIO NO BRASIL EM UMA BASE DE DADOS EXTRAÍDA DO KAGGLE
metadata.dc.creator: Oliveira, Gilsimar Antônio de
metadata.dc.contributor.advisor1: Feitosa, Rafael Divino Ferreira
metadata.dc.contributor.referee1: Ribeiro, Jaqueline Alves
metadata.dc.contributor.referee2: Braga, Adriano Honorato
metadata.dc.description.resumo: A busca de conhecimento em base de dados (Knowledge Discovery in Databases – KDD) é uma prática cada vez mais comum para a análise de grande volume de dados. Para isso é necessário utilizar ferramentas que auxiliem na busca por padrões entre os dados. Atualmente é possível ter acesso a grandes bases de dados ou compiladas por pesquisadores ou disponibilizadas em sistemas governamentais. O kaggle é uma dessas plataformas que disponibiliza, entre outros recursos, uma enorme quantidade de datasets (base de dados) de diversas áreas. Nesta plataforma foi possível obter a base de dados com registros compilados sobre suicídio no Brasil entre os anos 2010 e 2019, obtidos do DATASUS, sistema vinculado ao Ministério da Saúde do Brasil. A análise dos dados foi feita com o uso da biblioteca Pandas da linguagem de programação Python. Os resultados qualitativos mostram que o uso de bibliotecas de análise de dados de alto desempenho é imprescindível para abstrair a complexidade dos modelos de análise e garantir a qualidade das informações geradas, permitindo ao especialista dedicar-se ao objeto de estudo. Os dados mostram que os casos de suicídio no Brasil vêm aumentando a cada ano, em 2010 a taxa de mortes por 100 mil habitantes era de 5,0 em 2019 saltou para 6,4. A região Sul é a que apresenta a maior taxa de mortes por suicídio, em 2019 era de 10,6 por 100 mil habitantes. A análise dos resultados mostra também uma forte relação entre a causa básica de suicídio com as variáveis idade e estado.
Abstract: Knowledge Discovery in Databases (KDD) is an increasingly common practice for the analysis of large volumes of data. For this it is necessary to use tools that assist in the search for patterns among the data. Currently it is possible to access large databases either compiled by researchers or made available in government systems. Kaggle is one of these platforms that makes available, among other resources, a huge amount of datasets from several areas. On this platform it was possible to obtain the database with compiled records on suicide in Brazil between the years 2010 and 2019, obtained from DATASUS, a system linked to the Brazilian Ministry of Health. The data analysis was done using the Pandas library of the Python programming language. The qualitative results show that the use of high-performance data analysis libraries is essential to abstract the complexity of the analysis models and ensure the quality of the information generated, allowing the specialist to dedicate himself to the object of study. Data shows that suicide cases in Brazil have been increasing every year, in 2010 the rate of deaths per 100,000 inhabitants was 5.0 in 2019 it jumped to 6.4. The South region has the highest rate of deaths by suicide, in 2019 it was 10.6 per 100,000 inhabitants. The analysis of the results also shows a strong relationship between the underlying cause of suicide with the variables age and state.
Keywords: Análise de dados
Suicídio
KDD
Políticas públicas
metadata.dc.subject.cnpq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Instituto Federal Goiano
metadata.dc.publisher.initials: IF Goiano
metadata.dc.publisher.department: Campus Ceres
metadata.dc.rights: Acesso Aberto
URI: https://repositorio.ifgoiano.edu.br/handle/prefix/3222
Issue Date: 1-Dec-2022
Appears in Collections:Bacharelado em Sistemas de Informação

Files in This Item:
File Description SizeFormat 
tcc_Gilsimar Oliveira_Rafael Feitosa.pdf2,02 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.