Conteúdo 7

Regras de Associação

Esta aula detalha o método das Regras de Associação, uma técnica essencial da Mineração de Dados focada na Análise de Cesta de Mercado para descobrir quais produtos os clientes tendem a comprar em conjunto. O material explica as três métricas cruciais — Suporte (frequência), Confiança (precisão condicional) e Lift (interesse real) — que são usadas para filtrar padrões acionáveis em meio a um vasto número de combinações. Além disso, a apresentação diferencia os principais algoritmos de busca por padrões frequentes, o clássico Apriori e o mais eficiente FP-Growth, preparando o leitor para aplicar esses conhecimentos na otimização de leiautes de lojas, campanhas de marketing e gestão de inventário.

Slides:


Versão html


Versão pdf

Aplicações

Os arquivos contendo os códigos em R e os dados podem ser baixados aqui.

Projeto 4 – Regras de Associação no SIM

Você é um(a) Analista de Mineração de Dados em Saúde Pública. O time de Vigilância Epidemiológica solicitou a identificação de padrões de coocorrência de risco na mortalidade, usando o Sistema de Informações sobre Mortalidade (SIM). Você deve aplicar o algoritmo Apriori sobre os dados de mortes ocorridas no Brasil em 2024 disponíveis em https://opendatasus.saude.gov.br/dataset/sim. O projeto é INDIVIDUAL.

Prazo: Próxima aula.

Tarefa: Acesse https://opendatasus.saude.gov.br/dataset/sim. Baixe os dados de 2024 e escolha 1 (um) Estado (UF) para sua análise. Em seguida, escolha 1 (um) dos nove projetos listados abaixo, que já define o foco da sua análise. O objetivo é aplicar o Apriori para gerar regras de associação válidas, interpretáveis e com implicações para a saúde pública.

Mini Projetos para escolher

P1. Associação de Múltiplas Causas (Linha A-D) e Perfil de Vulnerabilidade em Óbitos por Insuficiência Cardíaca

  • Problema: Quais comorbidades e características sociodemográficas frequentemente coocorrem e precedem o óbito por Insuficiência Cardíaca (I50) em um estado brasileiro?
  • Variáveis: Códigos da LINHAA a LINHAD (múltiplas causas), IDADE (em faixas), ESC2010, ASSISTMED, LOCOCOR.
  • Apriori: Gerar regras buscando Confiança, Suporte e Lift superiores a 1.
  • Análise: Interpretar regras que tenham códigos de DCNT como antecedentes e a Insuficiência Cardíaca como consequente.

P2. Associação entre Local de Ocorrência, Assistência e Causas Básicas Sensíveis à Atenção Primária

  • Problema: Quais combinações de fatores (local de óbito não-hospitalar e falta de assistência) estão mais fortemente associadas a óbitos por Causas Sensíveis à Atenção Primária (CSAP), indicando lacunas no cuidado básico?
  • Variáveis: CAUSABAS (agrupada por CSAP), LOCOCOR (Domicílio, Outros), ASSISTMED (Não/Sim), IDADE (faixas).
  • Apriori: Busca por regras que tenham uma combinação de LOCOCOR (não hospitalar) e ASSISTMED (não) no antecedente, e a CSAP no consequente.
  • Avaliação: Análise das regras com alto Lift, que indicam que a coocorrência de desassistência e óbito por CSAP é muito maior que o esperado.

P3. Regras de Associação entre Perfil Ocupacional, Escolaridade e Óbitos por Causas Externas

  • Problema: Quais são as combinações mais fortes entre a ocupação (OCUP), o nível de escolaridade (ESC2010) e a ocorrência de óbitos por tipos específicos de Causas Externas (V01-Y98), como acidentes de trabalho?
  • Variáveis: OCUP (agrupada), ESC2010, ACIDTRAB (Sim/Não), CAUSABAS (agrupada por tipo de violência/acidente).
  • Apriori: Focar em regras com alto Lift onde a OCUP e a ESC2010 são antecedentes.

P4. Associação entre Raça/Cor, Escolaridade e Mortalidade Materna Evitável

  • Problema: Que combinações de fatores de vulnerabilidade (RACACOR e ESCMAEAGR1) estão fortemente associadas a óbitos de mulheres em idade fértil (10-49 anos) por causas relacionadas à gestação, parto ou puerpério (CAUSAMAT)?
  • Variáveis: CAUSAMAT (agrupada), RACACOR, ESCMAEAGR1 (escolaridade da mãe), ASSISTMED.Ajustar o Suporte e a Confiança para eventos raros.
  • Apriori: Focar em regras com RACACOR no antecedente e a causa materna como consequente.
  • Análise: Comparar a Confiança de regras para diferentes grupos de RACACOR.

P5. Associação de Óbitos por Doenças Respiratórias (J00-J99) com Fatores Ambientais e Sazonais

  • Problema: Quais combinações de características sociodemográficas e de evento (idade, sexo, LOCOCOR) mais se associam a óbitos por doenças respiratórias (CAUSABAS J00-J99) nos meses de maior incidência (inverno/chuvosos)?
  • Variáveis: CAUSABAS (agrupada: Pneumonia, Asma, DPOC), IDADE (faixas), SEXO, LOCOCOR, MÊS DO ÓBITO (criada a partir de DTOBITO).
  • Apriori: Executar com foco em regras que incluam a variável sazonal (Mês) no antecedente.
  • Avaliação: Filtrar as regras com o maior Lift nos meses de pico (ex: Junho, Julho).

P6. Associação de Acidentes de Trânsito (V01-V89) com Idade, Sexo e Tipo de Veículo/Vítima

  • Problema: Quais são os padrões de vítimas (idade, sexo, tipo de óbito) mais frequentemente associados a acidentes de trânsito em um determinado estado?
  • Variáveis: IDADE (faixas), SEXO, CAUSABAS (agrupada por tipo de vítima: Pedestre, Ciclista, Motociclista, Ocupante de Carro).
  • Apriori: Busca por regras que tenham um dos tipos de vítima como consequente.
  • Relatório: Focar no Lift para destacar os grupos de risco que mais se sobressaem em relação à distribuição esperada.

P7. Associações entre Nível de Escolaridade e Óbitos por Condições Crônicas Específicas (Diabetes Mellitus)

  • Problema: Que regras de associação mostram a relação entre a falta de escolaridade e o óbito por complicações do Diabetes (E10-E14), comparado a outros fatores de risco?
  • Variáveis: ESC2010, RACACOR, IDADE (faixas), LINHAC (complicações associadas, ex: Insuficiência Renal).
  • Apriori: Focar em regras onde a ESC2010 ou RACACOR são o antecedente e a complicação (Linha A-D) ou a causa básica (Diabetes) é o consequente.

P8. Associação de Câncer (C00-C97) com Fatores Sociodemográficos e Local de Ocorrência

  • Problema: Que combinações de fatores (tipo de câncer, idade, escolaridade, local de óbito) estão fortemente associadas em óbitos por câncer em um estado?
  • Variáveis: CAUSABAS (agrupada por tipo de câncer - Mama, Próstata, Pulmão), IDADE (faixas), ESC2010, LOCOCOR (Hospital, Domicílio).
  • Apriori: Focar em regras onde o LOCOCOR é o antecedente/consequente.

P9. Associação de Óbitos de Populações Indígenas/Ignoradas com Fatores de Evento (Associação Mínima)

  • Problema: Quais são os padrões mínimos de óbito (causa, local, assistência) associados à classificação de RACACOR=Indígena ou RACACOR=Ignorada, sinalizando desafios específicos de saúde e registro?
  • Variáveis: RACACOR (Indígena/Ignorada), CAUSABAS (agrupada), LOCOCOR, ASSISTMED, ATESTANTE (Agrupada: Médico, IML, Policial).
  • Apriori: Definir um Suporte muito baixo devido à raridade da população indígena e o foco nas variáveis de registro.
  • Avaliação: Analisar o Lift para encontrar associações surpreendentes.

Entrega: Relatório de Mineração de Regras

Você deverá produzir um Relatório Executivo no formato PDF, gerado através de um documento Quarto (.qmd). Este relatório é destinado aos gestores da saúde pública do estado escolhido e deve priorizar a comunicação clara dos insights descobertos.

O relatório deve seguir a seguinte estrutura formal, com os códigos e saídas do R movidos para o final, na seção de Anexos. Ele deve conter:

  1. Contextualização e Objetivo

Esta seção deve apresentar:

  • O projeto escolhido.
  • Mencionar o Estado foco da análise.
  • Apresentar a relevância da mineração de regras de associação para o problema específico da UF. Explicar, em termos gerenciais, por que o método Apriori é a ferramenta ideal para descobrir combinações inesperadas de fatores que levam ao óbito neste contexto (extraído da seção ‘Por Que Faz Sentido’ do projeto).
  1. Principais Padrões de Risco Descobertos

Esta seção é o cerne do relatório e deve apresentar os achados mais importantes da mineração.

  • Regras de Alto Impacto:
    • Apresentação clara das 5 (cinco) regras de associação com o MAIOR LIFT encontradas. Cada regra deve ser listada em linguagem de gestor (evitando notação formal \(\{X, Y\} \implies \{Z\}\) inicialmente, e usando-a apenas no Anexo)
    • Exemplo: Em vez de \(\{\text{ESC2010=0, IDADE (80+)}\} \implies \{\text{LOCOCOR=Domicílio}\}\), use: “Indivíduos com mais de 80 anos e sem escolaridade apresentam uma alta associação com óbitos ocorridos em domicílio.”
  • Interpretação Gerencial:
    • Uma interpretação descritiva e aprofundada das três regras mais fortes (maior Lift). Focar no significado da Confiança (qual a probabilidade de o consequente ocorrer dado o antecedente) e do Lift (o quão incomum ou forte é essa associação).
  1. Implicações para a Vigilância e Ação Social
  • Relevância para a Vigilância Epidemiológica:
    • Uma breve discussão sobre o impacto social e de saúde pública da regra mais significativa. Como este padrão descoberto pode informar ou modificar uma política de intervenção (ex: campanhas de saúde direcionadas, alocação de recursos, treinamento de equipes básicas).
  1. Anexos Metodológicos e Detalhes Técnicos

Esta seção deve conter todos os elementos técnicos para garantir a reprodutibilidade científica do estudo, sem poluir a leitura do gestor.

  • Anexo A
    • A saída da função summary() aplicada ao objeto de regras resultante no R (para mostrar o número total de regras geradas e a distribuição de Suporte, Confiança e Lift).
  • Anexo B
    • Script R completo e comentado utilizado no projeto.
    • O código deve incluir a leitura dos dados, o filtro por UF, o pré-processamento/discretização das variáveis-chave e a criação do objeto transactions (arules).
    • A especificação clara dos parâmetros Suporte Mínimo e Confiança Mínima utilizados no Apriori.
    • O código utilizado para a apresentação das regras com o MAIOR LIFT.

O envio final deve ser realizado pelo SIGAA.