Abstract:
Objetivo: Revisar sistematicamente a literatura acerca da utilização da Aprendizagem de
Máquina (AM) na identificação de preditores do consumo precoce de álcool. Método:
Conduzimos uma revisão sistemática com o objetivo de sumarizar estudos existentes acerca da
utilização da AM para identificação de preditores do uso de bebidas alcoólicas por
adolescentes. A busca ocorreu nas bases de dados PubMed, EMBASE, Web of Science e
PsychInfo. Resultados: Dos 683 estudos identificados, após a exclusão das duplicatas, 8 foram
incluídos nessa revisão por compreenderem todos os critérios de inclusão. As amostras eram
compostas de ambos os sexos sendo que o intervalo de idade consistia em 10 a 20 anos. Os
estudos foram conduzidos em países da América do Norte, Europa e Oceania. A maioria fez uso
da floresta aleatória além de outros modelos de predição com o objetivo de compará-los.
Conclusões: A AM tem capacidade de identificar os preditores que levam determinados
adolescentes a serem mais propensos ao consumo de álcool.
Objective: This study aims to provide a systematic review about Machine Learning (ML) use
to identify early alcohol consumption predictors. Method: A systematic review was conducted
aiming to summarize existing studies on the use of AM to identify alcoholic beverages use
predictors by adolescents. The following databases were searched: PubMed, EMBASE, Web
of Science and PsychInfo. Results: 683 studies were identified after excluding duplicates and
8 met all the inclusion criteria for the final review. The samples were composed of both sexes
and the age range consisted of 10 to 20 years old individuals. The studies were conducted in
North America, Europe and Oceania countries. Most of them
used random forest and other prediction models in order to compare them. Conclusions: AM
is capable of identifying predictors that lead certain adolescents to be more prone to alcohol
consumption.
