CAN-STRESS: A Real-World Multimodal Dataset for Understanding Cannabis Use, Stress, and Physiological Responses

Este artigo apresenta o lançamento público do conjunto de dados CAN-STRESS, uma base multimodal real-world coletada por meio de dispositivos Empatica E4 e questionários de 82 participantes, destinada a investigar as respostas fisiológicas ao estresse e o impacto do consumo de cannabis em ambientes do cotidiano.

O essencial

Imagine que você tem um detetive invisível preso ao seu pulso, capaz de ler o que o seu corpo sente antes mesmo de você perceber. É exatamente isso que o estudo CAN-STRESS fez, mas com um objetivo muito específico: entender como o uso de maconha afeta o estresse no dia a dia das pessoas, fora dos laboratórios frios e artificiais.

Aqui está a explicação do artigo, traduzida para uma linguagem simples e cheia de analogias:

1. O Problema: O Laboratório vs. A Vida Real

Antes deste estudo, quase tudo que sabíamos sobre maconha e estresse vinha de testes feitos em laboratórios. É como tentar entender como um carro se comporta dirigindo em uma pista de corrida fechada, sem chuva, sem trânsito e sem buracos. Funciona para testes, mas não diz como o carro se comporta no dia a dia, na chuva e no trânsito caótico.

Os pesquisadores queriam saber: "Como o corpo de quem usa maconha reage ao estresse quando está no mundo real, lidando com trabalho, família e problemas?"

2. A Solução: O "Detetive" no Pulso (CAN-STRESS)

Para resolver isso, eles criaram um banco de dados chamado CAN-STRESS. Eles convidaram 82 pessoas (39 que usam maconha frequentemente e 43 que não usam) para uma missão de 24 horas.

• O Dispositivo: Todos usaram um relógio inteligente de alta tecnologia (o Empatica E4) no pulso. Pense nele como um "radar de emoções" que não para de medir.
• O que ele mediu:
  • Sudorese da pele (EDA): Como se a pele estivesse "suando" de nervosismo (mesmo que você não veja).
  • Batimentos cardíacos: O ritmo do coração.
  • Temperatura: Se o corpo está esquentando ou esfriando.
  • Movimento: Se a pessoa está correndo, dormindo ou parada.
• O Diário: Além do relógio, as pessoas anotavam no celular: "Agora tomei um banho", "Agora fumei um baseado", "Agora estou muito estressado".

Isso criou um mapa duplo: uma parte mostra o que o corpo fez (dados do relógio) e a outra mostra o que a pessoa sentiu (o diário).

3. O Que Eles Descobriram?

Ao misturar os dados do relógio com os diários, eles viram padrões interessantes:

• O "Termômetro" do Estresse: As pessoas que usavam maconha tendiam a ter níveis mais altos de atividade elétrica na pele e batimentos cardíacos mais acelerados em geral, comparadas às que não usavam.
• A Hipótese: Como muitas pessoas usam maconha para "aliviar o estresse", os pesquisadores achavam que o corpo delas estaria mais calmo. Mas, no mundo real, os dados mostraram que o corpo delas estava, na verdade, mais "ligado" ou reativo.

4. A Magia da Inteligência Artificial (O "Treinamento")

Para provar que esses dados eram úteis, os pesquisadores treinaram um computador (uma Inteligência Artificial) para tentar adivinhar quem era usuário e quem não era, apenas olhando para os dados do relógio.

• O Jogo: O computador recebeu milhares de "janelas" de 15 minutos de dados.
• O Resultado: A IA ficou incrivelmente boa. Ela acertou em cerca de 96% dos casos!
• O Segredo: Usando uma técnica chamada SHAP (que é como perguntar à IA: "O que você mais olhou para tomar essa decisão?"), descobriu-se que a IA focou principalmente na sua pele (sudorese) e no seu coração. Ou seja, o corpo "grita" mais alto do que a gente imagina sobre o uso de maconha e estresse.

5. Por Que Isso é Importante?

Imagine que esse banco de dados é uma biblioteca pública de segredos do corpo.

• Para a Ciência: Agora, qualquer pesquisador no mundo pode baixar esses dados e estudar como a maconha afeta o sono, o exercício ou a ansiedade, sem precisar recrutar novas pessoas.
• Para a Saúde: Isso pode ajudar a criar tratamentos melhores. Se sabemos como o corpo reage no mundo real, os médicos podem dar conselhos mais precisos.
• Para a Sociedade: Ajuda a entender se a maconha realmente ajuda a relaxar ou se, a longo prazo, deixa o corpo em um estado de alerta constante.

Resumo em Uma Frase

O estudo CAN-STRESS pegou o "radar de emoções" do pulso de 82 pessoas por um dia inteiro, misturou com seus diários pessoais e usou inteligência artificial para provar que o corpo de quem usa maconha tem uma "assinatura" única de estresse que é diferente da de quem não usa, e tudo isso foi descoberto na vida real, não num laboratório.

Eles liberaram esses dados para que todos possam continuar essa investigação, como se tivessem aberto as portas de um cofre cheio de pistas sobre a saúde humana.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "CAN-STRESS: A Real-World Multimodal Dataset for Understanding Cannabis Use, Stress, and Physiological Responses", apresentado em português:

Resumo Técnico: CAN-STRESS

1. Problema e Motivação

O uso crônico de cannabis é frequentemente motivado pela tentativa de lidar com o estresse. A hipótese central é que usuários de cannabis exibem respostas fisiológicas ao estresse distintas em comparação com não usuários, especialmente durante momentos de consumo. No entanto, a maioria dos estudos existentes é conduzida em ambientes laboratoriais controlados, o que limita a validade ecológica (a capacidade de generalizar os resultados para o mundo real). Existe uma escassez crítica de conjuntos de dados públicos que permitam testar essas hipóteses sob condições naturais, capturando a interplay complexa entre estressores, contexto e consumo de cannabis no dia a dia.

2. Metodologia

O estudo apresenta o CAN-STRESS, um conjunto de dados multimodal coletado em condições do mundo real.

• Participantes: 82 indivíduos (39 usuários de cannabis e 43 não usuários).
  • Critérios de Inclusão: Usuários relataram uso diário ou quase diário (≥4 vezes/semana por pelo menos 1 ano); não usuários relataram menos de 10 usos na vida e nenhum no último ano.
  • Exclusões: Transtornos neurológicos, psicose, uso pesado de álcool, drogas ilícitas recentes, nicotina ou corticosteroides.
• Coleta de Dados:
  • Dispositivo Wearable: Pulseiras Empatica E4, usadas por 24 horas durante a rotina diária.
  • Modalidades Fisiológicas: Dados contínuos de Eletrodermografia (EDA/Condutância da pele), Volume de Pulso Sanguíneo (BVP), Acelerômetro (ACC) e Temperatura Corporal (TEMP).
  • Auto-relato: Questionários estruturados registrando horários de sono, uso de cannabis, atividade física e classificações de estresse percebido (escala de 1 a 10) em momentos-chave.
• Processamento e Análise:
  • Os dados foram segmentados em janelas de 15 minutos com 50% de sobreposição.
  • Foram extraídas 31 características fisiológicas (features) de cada janela, incluindo métricas de variabilidade da frequência cardíaca (HRV), componentes tônico e fásico da EDA, e estatísticas de movimento e temperatura.
  • Modelo de Machine Learning: Foi desenvolvido um classificador para distinguir usuários de não usuários.
    • Arquitetura: Perceptron Multicamadas (MLP) com três camadas ocultas (128, 64 e 32 neurônios), normalização em lote (batch normalization) e dropout.
    • Estratégia de Validação: "Leave-one-subject-out" (um participante por vez como teste, os demais como treino).
    • Personalização: Transfer learning aplicado, onde 50% dos dados do sujeito de teste foram usados para ajustar (fine-tuning) a camada final do modelo pré-treinado, e os outros 50% para avaliação.

3. Principais Contribuições

1. Lançamento do Dataset CAN-STRESS: Um recurso público e rico que integra dados fisiológicos de alta resolução com logs de auto-relato, focado em usuários e não usuários de cannabis em ambientes naturais.
2. Análise Descritiva Comparativa: Identificação de padrões estatísticos que diferenciam os dois grupos, fornecendo uma base para pesquisas futuras.
3. Pipeline de Machine Learning Baseline: Demonstração da viabilidade de usar dados de wearables para classificação de usuários, estabelecendo benchmarks de desempenho.
4. Análise de Importância de Características: Uso de valores SHAP para elucidar quais sinais fisiológicos são mais preditivos.

4. Resultados

• Desempenho do Modelo: O modelo alcançou uma acurácia de classificação de aproximadamente 96% (95,96%) e um F1-score de 95,92% nos dados de teste. A precisão (precision) foi de 97,82% e a recall de 100%.
• Características Predominantes: A análise SHAP revelou que as métricas de Atividade Eletrodérmica (EDA) e Frequência Cardíaca (HR) foram os preditores mais influentes.
  • O recurso mais impactante foi a frequência cardíaca máxima (hr_max), seguido por métricas de EDA (como eda_min, eda_mean, eda_phasic_mean) e variabilidade da frequência cardíaca (hrv_sdnn, hrv_rmssd).
• Observações Comportamentais: Os usuários de cannabis relataram níveis de estresse percebido mais altos e exibiram valores elevados de EDA e frequência cardíaca em comparação com os não usuários.

5. Significado e Impacto

O CAN-STRESS preenche uma lacuna crítica na pesquisa de saúde computacional e ciências comportamentais ao fornecer dados ecologicamente válidos.

• Validade Ecológica: Permite estudar os efeitos da cannabis e a regulação do estresse fora do laboratório, capturando a dinâmica real do consumo e do estresse.
• Aplicações Futuras: O dataset é um recurso fundamental para avanços em detecção de estresse, reconhecimento de atividades, diagnóstico médico e políticas de saúde pública baseadas em evidências.
• Inovação Computacional: O estudo demonstra que sinais fisiológicos passivos de wearables podem ser usados para inferir comportamentos complexos (como o status de uso de cannabis) com alta precisão, abrindo caminho para monitoramento contínuo e intervenções personalizadas.

O conjunto de dados está disponível publicamente (Zenodo), incentivando a comunidade científica a realizar pesquisas adicionais sobre as correlações fisiológicas do uso de cannabis e estresse.