UM MODELO INTEGRADO TRI-ML PARA AVALIAÇÃO DE DESCONFORTO OSTEOMUSCULAR EM TRABALHADORES DO SERTÃO NORDESTINO

Jonhatan Magno Norte da Silva
Ayume Oliveira Santos
Jesus Ferreira Gomes Tavares 

Resumo

Este estudo piloto investigou a aplicação combinada da Teoria de Resposta ao Item (TRI) e Machine Learning (ML) para avaliar o desconforto osteomuscular nos membros inferiores em trabalhadores do interior do Nordeste. A amostra incluiu 300 trabalhadores de quatro categorias ocupacionais com dados coletados por meio de questionários estruturados e um instrumento de autorrelato de sintomas em 11 regiões anatômicas (quadril, coxas, joelhos, pernas, tornozelos e pés), utilizando uma escala Likert de 5 pontos. A análise psicométrica confirmou a unidimensionalidade do constructo "Desconforto Osteomuscular nos Membros Inferiores" através do Scree plot, Análise Fatorial Exploratória (AFE) e TRI. A TRI permitiu criar uma escala de 7 níveis de severidade, categorizando desde desconforto mínimo a máximo. Na modelagem preditiva, seis algoritmos de ML foram testados, com KNN destacando-se como o mais eficaz (acurácia = 89,2%, F1-score = 90,7%). A análise SHAP revelou que tornozelo esquerdo, coxa direita e joelhos foram as regiões mais determinantes para prever o desconforto global. O estudo demonstra que a integração entre TRI e ML oferece uma abordagem inovadora para vigilância em saúde ocupacional, permitindo mapear padrões de sintomas e prever riscos com alta precisão. Esses achados são especialmente relevantes para contextos laborais vulneráveis, onde fatores como informalidade e condições ergonômicas precárias agravam os DORTs.