[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-119473-pt":3,"doc-seo-119473-112":31,"detail-sidebar-cat-0-pt-112":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},119473,2336475104736,"Quinn","https://ap-avatar.wpscdn.com/avatar/22000c4c5e0e5b17e70?x-image-process=image/resize,m_fixed,w_180,h_180&k=1786591360781797222",31,"Saúde e Cuidados","Big data e machine learning na previsão de ideação suicida - revisão integrativa","Análise na literatura da aplicação de técnicas de Machine Learning e Big Data para predição da ideação suicida em diferentes populações. Revisão integrativa conduzida conforme Whittemore e Knafl, com busca em MEDLINE/PubMed, Web of Science e PsycINFO por dois revisores independentes em outubro de 2024, seguindo PRISMA. Inclui estudos primários sem restrição de idioma ou data, totalizando dez investigações que apontam padrões de risco com alta acurácia e destaque para random forest.","Revisão  \nBig data e machine learning na previsão de ideação suicida: revisão integrativa  \nBig data and machine Learning in predicting suicidal ideation: an integrative review  \nBig data y machine learning en la predicción de la ideación suicida: una revisión integradora  \nGiovanna VitóriaAragãode Almeida Santos1  \nORCID: 0000-0002-7499-2749 Lidya Tolstenko Nogueira1 ORCID: 0000-0003-4918-6531 Fernando José Guedes da Silva Júnior1  \nORCID: 0000-0001-5731-632X  \nBelquior Gomes de Aguiar Filho2  \nORCID: 0000-0002-5069-5344  \nÁlvaro Sepúlveda Carvalho Rocha1  \nORCID: 0000-0002-7968-9597  \nJefferson Abraão Caetano Lira1  \nORCID: 0000-0002-7582-4157  \n1Universidade Federal do Piauí . Teresina, Piauí, Brasil.  \n2Centro Universitário Uninovafapi. Teresina, Piauí, Brasil.  \nAutor correspondente: Giovanna Vitória Aragão de  \nAlmeida Santos E-mail:  \n[giovannavitoriasantos@gmail.com](giovannavitoriasantos@gmail.com)  \nResumo  \nObjetivo: Analisar, na literatura, a aplicação de técnicas de Machine Learning e Big Data para predição da ideação suicida em diferentes populações. Métodos: Revisão integrativa, conduzida conforme o modelo proposto por Whittemore e Knafl, no mês de outubro de 2024. Dois revisores independentes realizaram a busca nas bases de dados MEDLINE/PubMed, Web of Science e PsycINFO. Foram incluídosestudos primários que abordaram o uso de Big Data e Machine Learning na previsão da ideação suicida, sem restrições quanto ao idioma ou à data de publicação. A apresentação dos resultados seguiu as diretrizes do protocolo PRISMA. Resultados: Foram selecionados dez estudos para compor esta revisão, que demonstraram o potencial de Big Data e Machine Learning na identificação de padrões de risco para ideação suicida em diversos grupos, como minorias sexuais e degênero, estudantes, pacientes psiquiátricos, pacientes que sofreramacidente vascular cerebral, trabalhadores e a população em geral, comalta precisão preditiva. Realizados na Ásia e América do Norte, os estudos empregaram métodos variados de coleta e análise, destacandose a random forest como técnica recorrente e potencialmente eficaz. Conclusão: O uso de Big Data e Machine Learning na saúde mental oferece avanços significativos na predição da ideação suicida.  \nDescritores: Big Data; Aprendizado de Máquina; Ideação Suicida; Saúde Mental.  \nO que se sabe?  \nA literatura atual indica que Big Data e Machine Learning são potenciais ferramentas para predição de ideação suicida.  \nO que o estudo adiciona?  \nO estudo destaca uma síntese da aplicação de técnicas de Machine Learning e Big Data para predição da ideação suicida em diversas populações.  \nComo citar este artigo: Santos GVAA, Nogueira LT, Silva Júnior FJGS, Aguiar Filho BG, Rocha ASC, Lira JAC. Big data e machine learning na previsão de ideação suicida: revisão integrativa. Rev. enferm. UFPI. [internet] 2025 [citado em: dia mês abreviado ano];14:e6249 . DOI: 10.26694/reufpi.v14i1.6249  \nAbstract  \nObjective: To analyze, in literature, the application of Machine Learning and Big Data techniques to predict suicidal ideation indifferent populations. Methods: An integrative review, conducted according to the model proposed by Whittemore and Knafl in October 2024. Two independent reviewers performed the search in the MEDLINE/PubMed, Web of Science and PsycINFO databases. Primary studies that addressed the use of Big Data and Machine Learning in predicting suicidal ideation were included, with no restrictions regarding language or publication date. The presentation of results followed the PRISMA protocol guidelines. Results: Ten studies were selected to compose this review, which demonstrated the potential of Big Data and Machine Learning in identifying risk patterns for suicidal ideation in various groups, such as sexual and gender minorities, students, psychiatric patients, patients who have suffered a stroke, workers and the general population, with high predictive accuracy. Conducted in Asia and North America, the studies ","cbCaii2hnXKT0imd","https://ap.wps.com/l/cbCaii2hnXKT0imd","pdf",388164,2,1,11,"Portuguese","pt",112,"# Introdução\n## Contexto do suicídio e predição por dados\n# Objetivo\n# Métodos\n## Desenho da revisão integrativa e protocolo PRISMA\n## Bases de dados e critérios de inclusão\n# Resultados\n## Estudos incluídos e técnicas recorrentes\n## Grupos populacionais avaliados\n# Discussão\n## Interpretação dos achados e implicações\n# Conclusão","[{\"question\":\"Qual é o objetivo da revisão integrativa?\",\"answer\":\"Analisar, na literatura, como técnicas de Machine Learning e Big Data são aplicadas para prever ideação suicida em diferentes populações.\"},{\"question\":\"Como a busca e a seleção dos estudos foram conduzidas?\",\"answer\":\"A revisão integrativa foi realizada conforme Whittemore e Knafl, com dois revisores independentes buscando em MEDLINE/PubMed, Web of Science e PsycINFO, sem restrição de idioma ou data, seguindo diretrizes PRISMA.\"},{\"question\":\"Quais foram os principais achados sobre técnicas e populações?\",\"answer\":\"Dez estudos compuseram a revisão e demonstraram potencial para identificar padrões de risco em diversos grupos, como minorias sexuais e de gênero, estudantes, pacientes psiquiátricos e trabalhadores, com destaque para a random forest como técnica recorrente.\"}]","Big data e machine learning na previsão de ideação suicida - revisão integrativa | PDF",1785724506,17,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"big-data-and-machine-learning-in-predicting-suicidal-ideation-integrative-review","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,48,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":20},"https://docshare.wps.com/pt/document/","Document",{"item":49,"name":12,"@type":44,"position":50},"https://docshare.wps.com/pt/document/saúde-e-cuidados/",3,{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/pt/document/big-data-and-machine-learning-in-predicting-suicidal-ideation-integrative-review/119473/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-11","2026-08-03",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Qual é o objetivo da revisão integrativa?","Question",{"text":76,"@type":77},"Analisar, na literatura, como técnicas de Machine Learning e Big Data são aplicadas para prever ideação suicida em diferentes populações.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Como a busca e a seleção dos estudos foram conduzidas?",{"text":81,"@type":77},"A revisão integrativa foi realizada conforme Whittemore e Knafl, com dois revisores independentes buscando em MEDLINE/PubMed, Web of Science e PsycINFO, sem restrição de idioma ou data, seguindo diretrizes PRISMA.",{"name":83,"@type":74,"acceptedAnswer":84},"Quais foram os principais achados sobre técnicas e populações?",{"text":85,"@type":77},"Dez estudos compuseram a revisão e demonstraram potencial para identificar padrões de risco em diversos grupos, como minorias sexuais e de gênero, estudantes, pacientes psiquiátricos e trabalhadores, com destaque para a random forest como técnica recorrente.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,119,123,127,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},26,"Contos e Romances",60,"story-novel",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},46,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},28,"Exames","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},47,"Geral","general",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":97,"slug":114},29,"Histórias em Quadrinhos","comic",{"id":116,"doc_module":4,"doc_module_name":47,"category_name":117,"show_sort_weight":97,"slug":118},27,"Literatura","literature",{"id":120,"doc_module":4,"doc_module_name":47,"category_name":121,"show_sort_weight":97,"slug":122},32,"Pesquisa e Relatórios","research-report",{"id":124,"doc_module":4,"doc_module_name":47,"category_name":125,"show_sort_weight":97,"slug":126},33,"Religião e Espiritualidade","religion-spirituality",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":128},"healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},45,"Tecnologia","technology"]