Homicídios na Região Metropolitana de Manaus: Uma Análise Preditiva Baseada em Dados de Remoção de Corpos do IML

DSpace Repository

A- A A+

Homicídios na Região Metropolitana de Manaus: Uma Análise Preditiva Baseada em Dados de Remoção de Corpos do IML

Show full item record

Title: Homicídios na Região Metropolitana de Manaus: Uma Análise Preditiva Baseada em Dados de Remoção de Corpos do IML
Author: Rosario, Ariosto Soares; Leite, Sanmya Beatriz Tiradentes
Abstract: A violência letal configura-se como um desafio global de proporções epidêmicas no Brasil, com reconfiguração espacial para municípios menores. Embora a Região Norte seja um foco de preocupação crescente, o Estado do Amazonas tem demonstrado uma tendência notável de redução. Em 2024, o Amazonas alcançou o quarto ano sequencial de queda nas taxas de homicídio, com uma redução de 16% em relação ao ano anterior, superando as médias nacional e regional, e posicionando-se como o 7º melhor desempenho em segurança pública no país. Este resultado é atribuído a investimentos estratégicos em tecnologia, reforço de efetivo e bases fluviais. Este estudo objetivou conduzir uma análise estatística e preditiva aprofundada de homicídios na Região Metropolitana de Manaus (RMM), utilizando dados históricos de remoção de corpos do Instituto Médico Legal do Amazonas (IML) entre 2022 e 2025. A metodologia empregou desenho quantitativo, descritivo, exploratório e preditivo com Machine Learning, incluindo Análise Exploratória de Dados (EDA) espaço-temporal e de perfil da vítima. A análise exploratória revelou uma tendência decrescente de homicídios na RMM (redução de aproximadamente 61,5% entre 2022 e 2025), contrastando com a tendência de aumento na Região Norte. Espacialmente, a violência letal concentra-se em "hotspots" na capital (Zonas Norte e Leste, com bairros como Jorge Teixeira e Novo Aleixo), bem como em municípios do interior. O perfil da vítima é predominantemente masculino, jovem adulto (18 a 45 anos) e com ocupações vulneráveis, sendo armas de fogo o meio mais relevante (59%). Modelos de Machine Learning foram desenvolvidos, e o Random Forest otimizado demonstrou desempenho promissor na validação (AUC-ROC de 0.8295) e aceitável no teste out of-time (AUC-ROC de 0.7715), fornecendo inteligência proativa para a tomada de decisão operacional. Atributos como "contagem de eventos por arma de fogo", "arma branca sem desmembramento" e "agressão física" foram os mais importantes. Os achados contribuem para a compreensão da violência na RMM, sugerindo que a diminuição observada se correlaciona com os investimentos em segurança pública do Amazonas, ao passo que o aumento de 64% nos crimes cibernéticos em 2024 (com estelionato crescendo 57,6%) aponta para uma reconfiguração dos desafios criminais. Este estudo oferece subsídios para políticas de segurança pública e saúde mais eficazes, adaptadas à complexa realidade da RMM.
URI: https://repositorio.ufsc.br/handle/123456789/272982
Date: 2026-03-25


Files in this item

Files Size Format View
TCC_-_UFSC_Sanm ... _assinado_assinado (1).pdf 1.951Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record

Search DSpace


Browse

My Account

Statistics

Compartilhar