Associations between substance use and oppositional defiant disorder among U.S. adolescents: A national study of high-prevalence subgroups
Este estudo nacional com mais de 226.000 adolescentes dos EUA descobriu que o uso de cannabis possui a associação mais forte com o transtorno opositor desafiador (TOD), enquanto a análise de aprendizado de máquina identificou adolescentes do sexo masculino, entre 12 e 17 anos, que utilizam álcool mas não cannabis, como o subgrupo com a maior probabilidade prevista de TOD, sustentando a necessidade de triagem direcionada em ambientes escolares.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine uma biblioteca imensa contendo os registros de saúde de mais de 226.000 adolescentes americanos. Pesquisadores da Universidade do Sul da Flórida decidiram vasculhar esses registros para responder a uma pergunta específica: Como os comportamentos rebeldes (como discutir com autoridades ou ser desafiador) estão conectados ao uso de drogas ou álcool por adolescentes?
Eles não estavam apenas procurando uma resposta simples de "sim ou não". Eles queriam descobrir quais substâncias específicas estavam ligadas a esses comportamentos e, mais importante, identificar grupos específicos de adolescentes que estivessem em maior risco.
Aqui está a história do que eles descobriram, dividida em termos simples:
O Trabalho de Detetive: Limpando os Dados
Antes de poderem tirar qualquer conclusão, os pesquisadores tiveram que atuar como detetives. No mundo real, adolescentes que usam drogas também podem ter maior probabilidade de apresentar outros problemas (como questões familiares ou diferentes ambientes escolares) que poderiam confundir os resultados.
Para corrigir isso, eles usaram uma ferramenta estatística chamada Pareamento por Escore de Propensão (Propensity Score Matching). Pense nisso como um serviço de matchmaking de alta tecnologia. Eles pegaram um adolescente que usava uma substância específica (por exemplo, cannabis) e encontraram um "gêmeo" no banco de dados que era quase idêntico em todos os outros aspectos (mesma idade, mesmo gênero, mesma origem), mas que não usava essa substância. Ao comparar esses pares combinados, eles puderam ter muito mais confiança de que qualquer diferença de comportamento estava realmente ligada ao uso da substância, e não a algum outro fator oculto.
As Principais Descobertas: Os "Dois Grandes"
Uma vez que os dados foram limpos e combinados, duas substâncias se destacaram por terem uma forte conexão com o Transtorno Opositor Desafiador (TOD) — uma condição caracterizada por comportamento irritável, colérico e desafiador.
- Cannabis (Maconha): Esta teve o vínculo mais forte. Adolescentes que usavam cannabis eram significativamente mais propensos a ter TOD do que seus "gêmeos" não usuários. Os pesquisadores calcularam que os usuários de cannabis tinham cerca de 60% mais chances de apresentar esses problemas comportamentais.
- Álcool: Este também mostrou um vínculo, embora menor do que a cannabis. Usuários de álcool eram ligeiramente mais propensos a ter TOD em comparação com não usuários.
As Substâncias "Silenciosas":
O estudo também observou a cocaína e os opioides. No entanto, pouquíssimos adolescentes neste vasto conjunto de dados relataram o uso dessas substâncias. Como os números eram ínfimos, os pesquisadores não puderam afirmar com certeza se havia uma conexão ou não. É como tentar prever o tempo olhando apenas para duas gotas de chuva; simplesmente não há dados suficientes para estabelecer um padrão claro.
A "Bola de Cristal" do Aprendizado de Máquina
Para ir mais fundo, os pesquisadores usaram Aprendizado de Máquina (Machine Learning) (um tipo de inteligência computacional que encontra padrões ocultos). Em vez de olhar apenas uma coisa de cada vez, o computador construiu uma "árvore de decisão" para ver como diferentes fatores se combinavam para criar o maior risco.
Imagine um fluxograma que faz uma série de perguntas para classificar os adolescentes em diferentes baldes de risco. O computador descobriu que as perguntas mais importantes eram:
- Você é menino ou menina? (Meninos apresentavam maior risco).
- Você usa cannabis?
- Você usa álcool?
- Qual é a sua idade?
O Grupo de Maior Risco:
O computador identificou um grupo específico com a maior "probabilidade prevista" de ter TOD (cerca de 20% de chance):
- Adolescentes do sexo masculino, entre 12 e 17 anos, que relataram usar álcool, mas não cannabis.
O segundo grupo de maior risco foi:
- Adolescentes do sexo masculino, entre 12 e 17 anos, que relataram usar cannabis (mas não mencionaram o álcool).
Curiosamente, o grupo com o menor risco (apenas cerca de 1 a 2% de chance) foi o de adolescentes do sexo feminino, entre 18 e 20 anos, que não usavam nem álcool nem cannabis.
O Que os Pesquisadores Concluíram
O estudo descobriu que:
- A cannabis tem o vínculo estatístico mais forte com o comportamento desafiador entre os adolescentes dos EUA.
- O álcool também está ligado, especialmente em meninos de 12 a 17 anos que consomem álcool, mas não cannabis.
- O aprendizado de máquina é uma ferramenta útil para identificar esses grupos específicos de alto risco que a matemática tradicional pode deixar passar.
Os pesquisadores observaram que, como este estudo analisou um recorte temporal (um único ano de dados), eles não podem dizer que as drogas causaram o comportamento ou que o comportamento causou o uso de drogas. Eles também admitiram que, como os dados vieram de pessoas que já estavam no sistema de saúde mental, eles podem não representar perfeitamente todos os adolescentes do país.
Em resumo: O estudo sugere que, se você estiver procurando por adolescentes que possam precisar de apoio extra para problemas comportamentais, prestar atenção especial aos meninos na pré-adolescência/adolescência inicial que consomem álcool ou usam cannabis é um bom lugar para começar.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.