O uso da aprendizagem de máquina na identificação de preditores do consumo precoce de álcool: revisão sistemática

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.