B. M. C. Cuco Tlhemo ᵃ, C. C. Assaneᵇ

ᵃUniversidade Eduardo Mondlane, Faculdade de Ciências, Departamento de Matemática e Informática, Moçambique, Maputo,bettycuco@hotmail.com

ᵃUniversidade Eduardo Mondlane, Faculdade de Ciências, Departamento de Matemática e Informática, Moçambique, Maputo,cachimo.assane@uem.ac.mz

Introdução: As uniões prematuras, caracterizadas por uniões conjugais antes dos 18 anos, continuam a ser um desafio social significativo em Moçambique. Estima-se que 48% das mulheres moçambicanas entre 20 e 24 anos tenham se casado antes dos 18 anos, colocando o país na 5ª posição entre os países africanos com maiores taxas de uniões prematuras (UNICEF,2023). Essa prática viola os direitos das meninas e está relacionada a factores estruturais como pobreza, desigualdade de género, normas socioculturais, acesso limitado à educação e saúde. Compreender os determinantes dessas uniões é essencial para traçar políticas públicas mais eficazes para mitigar este problema.

Objectivo: Analisar os factores associados as uniões prematuras em  Moçambique.

Metodologia: Será utilizada base dados secundária do Inquérito Demográfico e de Saúde (IDS) 2022–2023. As variáveis foram seleccionadas com base em revisão da literatura, abrangendo aspectos demográficos, socioeconómicos, culturais e de acesso à informação.

Resultados: A análise será conduzida por meio de algoritmos de Machine Learning, que permitem explorar padrões complexos e identificar factores de risco com maior precisão. Identificadas as variáveis mais influentes serão posteriormente analisadas por meio de uma árvore de decisão, permitindo uma representação gráfica e interpretável dos principais factores associados à ocorrência de uniões prematuras.

Conclusão: Essa abordagem visa facilitar a compreensão dos mecanismos de risco e oferecer subsídios visuais e analíticos para a formulação de estratégias de intervenção mais eficazes e  orientadas por evidências, sensíveis às especificidades culturais e sociais do contexto moçambicano.

Palavras-chave: Uniões Prematuras, Machine Learning, Árvore de Decisão, Moçambique.