Análise do sono para identificar indícios de depressão utilizando árvore de decisão

Abstract

Os transtornos ou mesmo características do sono que indiquem depressão infelizmente são comuns e nem sempre são de fácil e rápida identificação, sobretudo, quando vários pacientes precisam ter seu sono analisado. Dito isto, este trabalho tem por objetivo apresentar um modelo de classificação utilizando algoritmo de árvore de decisão para auxiliar a detecção de indícios da depressão no sono a partir do uso de hipnogramas. Diversos métodos foram empregados durante a pesquisa como a utilização da pilha de bibliotecas conhecida como scikit learn, o pré-processamento e limpeza da base de dados, extração de características, análise exploratória, classificação e por fim, métricas de teste de desempenho do classificador, tais como acurácia, precisão, sensibilidade e especificidade. Os três testes foram desenvolvidos de forma organizada dividindo o conjunto de dados de treino em 40%, 60% e 80%, respectivamente. Durante os resultados foi possível observar que a capacidade do modelo de predizer corretamente quem realmente tinha indícios de depressão foi consideravelmente satisfatória, a predição de indivíduos considerados normais, infelizmente, já não apresentou resultado tão satisfatório. Desta forma, tanto a especificidade quanto as demais métricas tiveram seu desempenho melhorado conforme aumentava a quantidade de dados usados para treino do modelo, ao passo que a sensibilidade se mostrou estável e o modelo, de modo geral, teve bom desempenho.