SAÚDE OCUPACIONAL ORIENTADA POR DADOS: MÉTODOS ANALÍTICOS PARA GESTÃO DE RISCOS

Resumo

Esta revisão sistemática tem por objetivo analisar como a aplicação de métodos de análise de dados, especialmente algoritmos de inteligência artificial, contribuem para identificar padrões relacionados aos agravos à saúde dos trabalhadores e apoiar decisões estratégicas na gestão de pessoas. A busca foi conduzida nas bases BVS e PubMed, com publicações entre 2020 e 2025, seguindo as diretrizes PRISMA 2020, resultando em 12 estudos incluídos na amostra final. Os achados evidenciam que o aprendizado de máquina constitui o eixo metodológico central dos estudos analisados, confirmando sua relevância no campo da saúde ocupacional. Os estudos primários demonstraram que técnicas como redes neurais, lógica fuzzy e algoritmos evolutivos permitem antecipar riscos ocupacionais e diagnosticar doenças relacionadas ao trabalho, somando-se ao uso de tecnologias de coleta, como sensores vestíveis e sensores fixos, empregados para monitorar padrões posturais, biomecânicos e de movimento em tempo real, o que amplia a qualidade e a diversidade dos dados analisados pelos modelos. As análises também evidenciaram avanços metodológicos, com ênfase em modelos preditivos e arquiteturas híbridas, além de apontarem lacunas relacionadas à padronização dos modelos, validação multicêntrica e integração aos sistemas organizacionais. A aplicação de inteligência artificial amplia a capacidade preditiva, fortalece a gestão de pessoas e subsidia políticas preventivas, promovendo ambientes laborais mais seguros e sustentáveis. Contudo, a consolidação dessa abordagem exige interoperabilidade entre sistemas, integração organizacional e formação de gestores com competências em análise de dados e ética digital, a fim de assegurar reprodutibilidade, transparência e aplicabilidade prática dos modelos no contexto ocupacional.