Integrando a teoria social cognitiva com aprendizado de máquina para prever comportamento sexual de homens que fazem sexo com homens com mulheres: um estudo multicêntrico de desenvolvimento de modelo random forest na China

Por que as pontes sexuais escondidas importam

Especialistas em saúde pública se preocupam com comportamentos de “ponte” que conectam discretamente grupos de alto risco de HIV à população em geral. Na China, alguns homens que fazem sexo com homens (HSH) também têm relações com mulheres, frequentemente mantendo em segredo seus comportamentos homoeróticos. Esse padrão pode expor involuntariamente parceiras mulheres à infecção e torna a prevenção muito mais difícil. O estudo resumido aqui faz uma pergunta prática: podemos usar percepções da psicologia juntamente com a ciência de dados moderna para identificar esse comportamento oculto precocemente, de uma forma que apoie as pessoas em vez de culpá‑las?

Um olhar mais atento a uma comunidade de difícil alcance

Os pesquisadores trabalharam com organizações comunitárias em seis cidades chinesas para entrevistar anonimamente 2.403 homens que fizeram sexo com homens nos seis meses anteriores. Perguntaram não apenas sobre contatos sexuais com homens e mulheres, mas também sobre humor, autoestima, uso de substâncias, relacionamentos, trabalho, educação e situação de moradia. Cerca de 17% dos participantes relataram ter feito sexo com uma mulher nos últimos seis meses. A maioria era de adultos jovens, altamente escolarizada, e muitos haviam saído de suas cidades natais. Essa abordagem baseada na comunidade permitiu à equipe alcançar pessoas que, de outra forma, poderiam evitar pesquisas oficiais por causa do estigma ou do medo de serem identificadas.

Como psicologia e algoritmos foram combinados

O estudo foi guiado pela Teoria Social Cognitiva, um quadro que vê o comportamento como produto da interação contínua entre pensamentos e sentimentos pessoais, ações cotidianas e o mundo social circundante. Usando essa lente, a equipe agrupou 28 fatores medidos em três áreas amplas: estado pessoal (como depressão, ansiedade e autoestima), comportamento (como sexo em grupo com homens ou uso de drogas antes do sexo) e ambiente (como nível educacional, estado civil e migração). Em vez de deixar um computador vasculhar cegamente todos os padrões, os autores primeiro escolheram variáveis que a teoria sugere serem relevantes e então usaram um método de aprendizado de máquina conhecido como random forest para ranquear quais realmente ajudavam mais a prever sexo com mulheres.

Construindo uma pontuação de risco compacta

Das 28 medidas originais, o algoritmo identificou um conjunto compacto de nove que concentravam a maior parte do poder preditivo: ansiedade, depressão, autoestima, idade, nível educacional, estado civil, orientação sexual, sexo em grupo recente com homens e uso de drogas antes do sexo. Esses nove fatores foram então inseridos em um modelo estatístico mais simples que fornece uma probabilidade de que um determinado homem tenha tido relações sexuais recentes com uma mulher. Usando treinamento e teste repetidos em diferentes subconjuntos dos dados, o modelo conseguiu distinguir com precisão razoavelmente alta HSH que relataram e não relataram sexo com mulheres: cerca de 80% numa escala padrão de performance. Também produziu estimativas de risco coerentes com as frequências observadas, ou seja, as probabilidades previstas não foram sistematicamente altas nem baixas.

O que o modelo revela sobre os padrões de risco

Os sinais mais fortes vieram do estado civil e da forma como os participantes rotularam sua orientação sexual, seguidos por sofrimento psicológico e certos comportamentos. Homens casados, ou que se identificavam como homossexuais ou bissexuais em vez de incertos, tinham maior probabilidade de relatar sexo com mulheres. Escores mais altos de ansiedade e depressão e menor autoestima também estavam associados a maior probabilidade de sexo com parceiras do outro gênero, assim como sexo em grupo recente com homens e uso de drogas antes do sexo. Idade mais jovem e menor escolaridade tenderam a aumentar o risco. Importante, o modelo apresentou desempenho semelhante entre diferentes idades, níveis educacionais, situações conjugais e entre migrantes e residentes locais, sugerindo que a pontuação de risco não está limitada a um subgrupo restrito.

Transformando números em uma ferramenta prática e não culpabilizante

Para tornar os resultados utilizáveis fora de um laboratório de estatística, a equipe converteu os nove preditores-chave em um gráfico de pontuação simples, ou nomograma. Um conselheiro, clínico ou trabalhador de campo pode usar esse gráfico para atribuir pontos aos escores de humor, situação relacional, educação, comportamentos recentes etc.; o total de pontos se traduz em uma chance estimada de que a pessoa também esteja tendo relações com mulheres. Os autores enfatizam que essa ferramenta foi desenhada para conversas confidenciais e de apoio e para prevenção precoce — ajudando a direcionar aconselhamento, testagem e recursos de sexo mais seguro para aqueles que podem funcionar como pontes ocultas — em vez de rotular indivíduos ou aumentar o estigma.

Citação: Liu, S., Gao, Y., Xu, H. et al. Integrating social cognitive theory with machine learning to predict MSM-women sexual behavior: a multicenter random forest model development study in China. Sci Rep 16, 6029 (2026). https://doi.org/10.1038/s41598-026-36202-0

Palavras-chave: Prevenção do HIV, Comportamento bissexual, Aprendizado de máquina, Saúde mental, MSM na China