Banca de DEFESA: LUCAS SOARES BEZERRA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: LUCAS SOARES BEZERRA
DATA : 21/07/2026
HORA: 14:00
LOCAL: Google Meet
TÍTULO:

DESENVOLVIMENTO E VALIDAÇÃO DE UM MODELO PREDITIVO BASEADO EM MACHINE LEARNING PARA AVALIAÇÃO DO RISCO DE BURNOUT EM ESTUDANTES DE PÓS-GRADUAÇÃO EXECUTIVA

PALAVRAS-CHAVES:

síndrome de burnout; qualidade de vida; status social; saúde ocupacional; pós-graduação.

 

PÁGINAS: 100
RESUMO:

A Síndrome de Burnout (SB) é um distúrbio emocional que se manifesta através
de exaustão e desapego ao trabalho. Pesquisas sobre esta condição em
estudantes de formação executiva ainda são incipientes. Este estudo teve como
objetivo desenvolver e validar um modelo preditivo baseado em Machine
Learning (ML) para avaliação do risco de SB em estudantes de pós-graduação
executiva. A pesquisa foi desenvolvida em três etapas: na primeira, foi realizado
um estudo quantitativo, descritivo e transversal, incluindo estudantes com idade
≥18 anos, e que exercem atividade laboral. Os dados foram coletados através
de questionário online entre novembro de 2023 e fevereiro de 2024. Na segunda,
foi desenvolvido o modelo preditivo baseado em ML e realizada a validação
interna dos dados. Na terceira, foi realizada a validação de conteúdo do modelo
por um comitê de juízes. Dos 215 participantes incluídos, 57,2% eram mulheres,
e a idade mediana foi de 35 anos. A SB foi estimada em 64,2%, com 72,6% tendo
apenas exaustão e 78,1% distanciamento. O risco de SB foi baixo em 2,3%,
moderado em 66,5% e alto em 31,2%. O status social subjetivo (SSS) médio foi
de 6,7±1,4, e o WHO-5 foi de 58,8±19,1. Embora o gênero feminino não
estivesse associado à SB (p=0,246), mulheres apresentaram menor renda
(p=0,002). Cor não-branca (24,7%) também não mostrou associação com SB
(p=0,995), mas esteve associada a menor renda (p<0,001) e SSS (p=0,020).
Secundariamente, estruturou-se um pipeline preditivo, elegendo o algoritmo
XGBoost como modelo final devido ao seu desempenho superior em
sensibilidade (0,929) no conjunto de teste independente. A análise pelos valores
das Explicações Aditivas de Shapley indicou que a execução mecânica do
trabalho foi o preditor mais forte. Na última etapa, a validação de conteúdo por
um comitê de cinco juízes alcançou um Índice de Validade de Conteúdo Global
de 0,72 e consistência Kappa de Fleiss de 0,25, reforçando a usabilidade do
modelo. Concluiu-se que a SB afeta uma parcela expressiva de estudantes de
pós-graduação executiva e que o algoritmo desenvolvido pode ser uma
ferramenta valiosa no rastreio preventivo da síndrome.

 

MEMBROS DA BANCA:
Presidente - 2678968 - DINALDO CAVALCANTI DE OLIVEIRA
Externo à Instituição - JOAO VICTOR BATISTA CABRAL - UFPB
Interna - ***.594.314-** - MARIA MARIANA BARROS MELO DA SILVEIRA - UFPE
Externa à Instituição - MOARA MARIA SILVA CARDOZO - UNICAP
Externa à Instituição - RAPHAELLA AMANDA MARIA LEITE FERNANDES - UPE