IDENTIFICAÇÃO DE DETERMINANTES DE RISCO NA QUALIDADE DE VIDA DE MÃES DE CRIANÇAS COM TEA: UMA ABORDAGEM VIA APRENDIZADO DE MÁQUINA E XAI PARA APOIO À GESTÃO EM SAÚDE

Este trabalho aborda padrões de associação na Qualidade de Vida (QV) de mães de crianças com Transtorno do Espectro Autista (TEA) sob a ótica do suporte à gestão em saúde pública. Utilizando dados do projeto SOLACE-Brasil (n=1.908), o estudo avalia modelos de aprendizagem de máquina otimizados via GridSearch. A abordagem tem foco no reconhecimento de indicadores de risco para apoiar decisões estratégicas e equitativas. Os resultados indicam que o método de Regressão Logística apresenta maior estabilidade global (AUC=0,8171, Precisao=0,7198), enquanto o Random Forest oferece melhor sensibilidade (Recall=0,6957) para triagem de grupos prioritários. A análise via Inteligência Artificial Explicável (XAI) revelou que fatores psicossociais, suporte social e situação funcional (desemprego) são determinantes críticos da QV. Conclui-se que a metodologia provê um sistema de apoio à decisão robusto, permitindo que gestores reconheçam indicadores de risco e priorizem intervenções proativas centradas nas necessidades das cuidadoras.