Análise de dados sobre depressão a partir de postagens na rede social Twitter, utilizando Mineração de textos com Python

Abstract

Para este trabalho foi levado em consideração a crescente preocupação com a compreensão da saúde mental, especialmente em relação à depressão, que tem aumentado nos últimos anos, sendo estimado pela OMS em 2023 que 3,8% da população mundial sofra de depressão. A pesquisa se concentra na análise de postagens no Twitter para extrair dados sobre a depressão, utilizando técnicas de mineração de textos e clusterização. O Twitter foi escolhido para análise devido à sua influência crescente e papel como plataforma de compartilhamento de opiniões. O objetivo é explorar discussões sobre depressão na plataforma, identificando padrões e agrupando dados para obter percepções relevantes. A abordagem inclui o uso de técnicas de mineração de textos com Python e clusterização com o algoritmo K-means. A pesquisa buscou agrupar postagens com características textuais semelhantes a partir da clusterização, esperando extrair percepções sobre diversas manifestações da depressão. O estudo analisou então estes clusters destacando padrões distintos. Cluster 0 que demonstra experiências intensas de depressão, com ênfase no impacto familiar e busca por ajuda profissional. Cluster 1 que demonstra discussões cotidianas relacionadas à depressão, incluindo aspectos acadêmicos e profissionais, com incertezas e questionamentos. E cluster 2 que demonstra diversidade de condições mentais, abordando ansiedade, TDAH, transtorno borderline e autismo, indicando a complexidade interligada desses transtornos e a busca por apoio especializado. Como resultado foi possível concluir que a estratégia de clusterização se mostrou, sim, eficiente, permitindo uma análise refinada das experiências compartilhadas e indicando que os objetivos propostos foram atingidos, estes resultados alcançados também contribuem para uma compreensão mais holística da depressão nas redes sociais.