1. Introdução

A música atua em regiões do córtex cerebral críticas para a análise consciente, influenciando alterações multissensoriais e de integração motora, apoiando a aprendizagem da fala, a compreensão musical e a memória. Nesse contexto, pacientes que sofrem de transtornos mentais podem se beneficiar de terapias complementares, uma vez que a música pode ser utilizada como tratamento de sintomas desagradáveis.

Este estudo visa analisar, através de um banco de dados, como a ação de escutar música impacta na vida das pessoas que possuem algum transtorno mental a partir do estudo realizado com diversos participantes que foram compelidos a responder perguntas relacionadas a música e sua saúde mental.

2. Objetivos

O presente relatório tem como objetivo principal, identificar, se houver, as correlações entre o gosto musical de um indivíduo e a sua saúde mental. O estudo se trata de uma análise da preferência musical e do hábito de escutar música de indivíduos de diferentes idades, e do efeito que tal escolha de gênero musical tem em sua saúde mental.

Objetivos específicos:

    1. As horas por dia ouvindo música afetam a saúde mental.
    1. O gênero musical favorito afeta a saúde mental.
    1. Existe uma relação entre idade e quantas horas os participantes ouvem música por dia.
    1. Existe uma relação da quantidade de horas de música ouvidas por dia com o transtorno mental.

3. Metodologia

A base de dados usada no presente relatório foi retirada do site “Kaggle”, ela foi coletada e gerenciada por Catherine Rasgaitis (@catherinerasgaitis) estudante da Universidade de Washington em Seattle, Estados Unidos, por meio de um formulário do Google. Os entrevistados não foram restritos por idade ou localização. O formulário foi postado em vários fóruns do Reddit, servidores do Discord e plataformas de mídia social. Cartazes e “cartões de visita” também foram usados para divulgar o formulário em bibliotecas, parques e outros locais públicos. A base de dados é distribuída em 33 variáveis, contendo 736 informações, que corresponde a cada participante da pesquisa no total.

As informações abaixo constitui o dicionário de dados, onde mostramos as variáveis e o que cada uma delas significa.

  • Timestamp: carimbo de data/hora
  • Age: idade
  • Primary streaming services: serviços de streaming primários
  • Hours per day: horas por dia
  • While working: enquanto trabalha
  • Instrumentalist: instrumentista
  • Composer: compositor
  • Fav genre: gênero favorito
  • Exploratory: exploratório
  • Foreign languages: Línguas estrangeiras
  • BPM
  • Frequency: Frequência - cada frequência possui um gênero musical (clássica, country, EDM, folk, gospel, hip hop, jazz, k-pop, latin, lofi, metal, pop, r&b, rap, rock e música de videogame.
  • Anxiety: ansiedade
  • Depression: depressão
  • Insomnia: insônia
  • OCD: TOC
  • Music effects: efeitos musicais
  • Permissions: permissões

As variáveis de interesse utilizadas no referido estudo são: Idade, Horas de música ouvidas por dia, Efeito da música, Ansiedade, Depressão, Insônia, TOC e Gênero musical. Também foram realizados testes de hipóteses (Shapiro-Wilk, Kruskal-Wallis, Qui-Quadrado, Fisher e Pearson) para as variáveis escolhidas para estudo, onde testamos suas normalidades e se seus resultados interferem ou não entre si. Bem como tabelas, gráficos de barra, boxplots, diagramas de dispersão , coeficientes de correlação e histogramas.

A seguir é possível visualizar o carregamento das bibliotecas, da base de dados, e as primeiras linhas da mesma.

#Bibliotecas carregadas:
library(flextable)
library(dplyr)
library(readr)
library(RColorBrewer)
library(corrplot)
library(nortest)

#Base de dados:
library(readr)
mmhsr <- read_csv("C:/Users/natps/Downloads/archive.zip")
View(mmhsr)

#Primeiras linhas do banco de dados:
mmhsr %>% head() %>% data.frame() %>% flextable()

Em seguida está presente uma visão geral básica dos dados, contendo tabelas e gráficos para a distribuição de idade entre os participantes, horas de música ouvidas por dia, efeito da música, nível de cada transtorno mental e preferência por gênero musical.

Gráficos Básicos

Distribuição de idade entre os participantes

hist(mmhsr$Age,main = "Idade dos participantes",ylab = "Número de participantes",xlab = "Idade",col = c("lavender"))

Horas de música ouvidas por dia

hist(mmhsr$`Hours per day`,main = "Horas de música ouvidas por dia",ylab = "Número de participantes",xlab = "Horas",col = c("lavender"))

Efeito da música na saúde mental

#Mudança dos nomes da variável:
mmhsr$`Music effects` = gsub("Improve","Melhorou",mmhsr$`Music effects`)
mmhsr$`Music effects` = gsub("No effect","Sem efeito",mmhsr$`Music effects`)
mmhsr$`Music effects` = gsub("Worsen","Piorou",mmhsr$`Music effects`)

tabela = table(mmhsr$`Music effects`)
tabela
## 
##   Melhorou     Piorou Sem efeito 
##        542         17        169
round(prop.table(tabela)*100)
## 
##   Melhorou     Piorou Sem efeito 
##         74          2         23
barplot(tabela,main = "Efeito da música na saúde mental dos participantes",col = c("lavender","#7663A2"))

Nível de cada transtorno mental

Os participantes classificam ansiedade, depressão, insônia e TOC numa escala de 0 a 10, onde:

  • 0 - Eu não experiencio nenhuma doença.
  • 10 - Eu experiencio isto regularmente, constantemente ou ao extremo.
hist(mmhsr$Anxiety,main = "Ansiedade",ylab = "Número de participantes",xlab = "Nível",col = c("lavender"))

hist(mmhsr$Depression,main = "Depressão",ylab = "Número de participantes",xlab = "Nível",col = c("lavender"))

hist(mmhsr$Insomnia,main = "Insônia",ylab = "Número de participantes",xlab = "Nível",col = c("lavender"))

hist(mmhsr$OCD,main = "TOC",ylab = "Número de participantes",xlab = "Nível",col = c("lavender"))

Preferência por gênero musical

tabela = table(mmhsr$`Fav genre`)
tabela
## 
##        Classical          Country              EDM             Folk 
##               53               25               37               30 
##           Gospel          Hip hop             Jazz            K pop 
##                6               35               20               26 
##            Latin             Lofi            Metal              Pop 
##                3               10               88              114 
##              R&B              Rap             Rock Video game music 
##               35               22              188               44
barplot(tabela,main = "Gênero de música favorito",col = c("lavender","#7663A2"))

De acordo com os gráficos e histogramas acima, é possível ver que a maioria dos participantes tem menos de 25 anos de idade para este conjunto de dados. A maioria dos participantes também ouve música de 1 a 4 horas por dia, mas há algumas pessoas que ouvem música durante uma maior parte de tempo.

Dos participantes da pesquisa, 74% relataram uma melhora nos sintomas de saúde mental ouvindo música, 23% não tiveram efeito e 2% afirmaram que piorou os sintomas.

A maioria dos participantes apresenta os sintomas mais graves relacionados à ansiedade e à depressão, ao passo que menos participantes têm algum ou sintomas menos graves relacionados à insônia ou TOC. Rock é o gênero musical mais ouvido entre os participantes, já o gospel e música latina são os menos ouvidos.

4. Análises de resultados

Teste de hipótese

Como horas por dia ouvindo música afeta a saúde mental?

mmhsr %>% select(`Hours per day`,`Music effects`) %>% group_by(`Music effects`) %>% summarise(Média=mean(`Hours per day`),Mediana=median(`Hours per day`),Desvio_padrão=sd(`Hours per day`),Mínimo=min(`Hours per day`),Máximo=max(`Hours per day`)) %>% flextable() %>% theme_zebra()
boxplot(mmhsr$`Hours per day` ~ mmhsr$`Music effects`,main= "Efeito da música vs Horas de música ouvidas por dia",ylab = "Horas por dia",xlab = "Efeito da música",col = c("lavender","#7663A2"))

Foi realizado o teste de Shapiro-Wilk para verificar a normalidadde e se a hipótese é verdadeira para o caso das variáveis Horas por dia e Efeitos da música, onde:

  • H0: os dados seguem uma distribuição normal
  • H1: os dados não seguem uma distribuição normal
  • Alpha: 0,05

Se p-valor <= alpha, rejeita H0

Se p-valor => alpha, não rejeita H0

shapiro.test(mmhsr$`Hours per day`)
## 
##  Shapiro-Wilk normality test
## 
## data:  mmhsr$`Hours per day`
## W = 0.77592, p-value < 2.2e-16

Para a variável Horas por dia, se tem como resultado p-valor < 0.05, a hipótese nula H0 é rejeitada, o que significa que os dados não seguem uma distribuição normal, e deve ser executado, em seguida, o teste de Kruskal-Wallis.

kruskal.test(mmhsr$`Hours per day`~mmhsr$`Music effects`)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  mmhsr$`Hours per day` by mmhsr$`Music effects`
## Kruskal-Wallis chi-squared = 7.2154, df = 2, p-value = 0.02711

No teste realizado de Kruskal-Wallis foi encontrado o p-valor de 0.02711, o que significa que p-value é menor que 0.05, ou seja, os dados não seguem uma distribuição normal. Em outras palavras, não existe uma relação entre a quantidade de horas de música ouvidas por dia e o efeito da música na saúde mental.

O genêro musical favorito afeta a saúde mental?

tabela = table(mmhsr$`Fav genre`,mmhsr$`Music effects`)
tabela
##                   
##                    Melhorou Piorou Sem efeito
##   Classical              39      1         13
##   Country                20      0          5
##   EDM                    30      0          6
##   Folk                   23      0          6
##   Gospel                  6      0          0
##   Hip hop                31      0          4
##   Jazz                   16      0          4
##   K pop                  19      0          4
##   Latin                   1      0          1
##   Lofi                   10      0          0
##   Metal                  67      0         21
##   Pop                    85      4         25
##   R&B                    26      0          9
##   Rap                    17      1          4
##   Rock                  126      7         53
##   Video game music       26      4         14
cor = brewer.pal(9,"Purples")
barplot(tabela,main = "Gênero musical favorito vs Efeito da música na saúde mental",beside = TRUE,col = cor)

Foi realizado o teste Qui-Quadrado para verificar se a hipótese é verdadeira e tem associação para o caso das variáveis Gênero favorito e Efeitos da música, onde:

  • H0: Não existe associação entre as variáveis
  • H1: Existe associação entre as variáveis
  • Alpha = 0,05

Se p-valor <= alpha, rejeita H0

Se p-valor => alpha, não rejeita H0

tabela = table(mmhsr$`Fav genre`,mmhsr$`Music effects`)
tabela
##                   
##                    Melhorou Piorou Sem efeito
##   Classical              39      1         13
##   Country                20      0          5
##   EDM                    30      0          6
##   Folk                   23      0          6
##   Gospel                  6      0          0
##   Hip hop                31      0          4
##   Jazz                   16      0          4
##   K pop                  19      0          4
##   Latin                   1      0          1
##   Lofi                   10      0          0
##   Metal                  67      0         21
##   Pop                    85      4         25
##   R&B                    26      0          9
##   Rap                    17      1          4
##   Rock                  126      7         53
##   Video game music       26      4         14
a = chisq.test(tabela)
a$expected
##                   
##                      Melhorou    Piorou Sem efeito
##   Classical         39.458791 1.2376374 12.3035714
##   Country           18.612637 0.5837912  5.8035714
##   EDM               26.802198 0.8406593  8.3571429
##   Folk              21.590659 0.6771978  6.7321429
##   Gospel             4.467033 0.1401099  1.3928571
##   Hip hop           26.057692 0.8173077  8.1250000
##   Jazz              14.890110 0.4670330  4.6428571
##   K pop             17.123626 0.5370879  5.3392857
##   Latin              1.489011 0.0467033  0.4642857
##   Lofi               7.445055 0.2335165  2.3214286
##   Metal             65.516484 2.0549451 20.4285714
##   Pop               84.873626 2.6620879 26.4642857
##   R&B               26.057692 0.8173077  8.1250000
##   Rap               16.379121 0.5137363  5.1071429
##   Rock             138.478022 4.3434066 43.1785714
##   Video game music  32.758242 1.0274725 10.2142857

Os valores esperados devem ser maiores que 5, e como nem todos os valores esperados foram maiores que a condição, o teste Qui-Quadrado não é adequado para verificar se existe associação entre as variáveis. Então é necessário fazer o teste exato de Fisher.

fisher.test(tabela,hybrid = TRUE,simulate.p.value = TRUE)
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based on
##  2000 replicates)
## 
## data:  tabela
## p-value = 0.3058
## alternative hypothesis: two.sided

Com base no teste exato de Fisher, foi encontrado o p-valor de 0.3178, o que significa que ele é maior que 0.05. Então, a hipótese não rejeita H0, ou seja, obtivemos o resultado de que os dados seguem uma distribuição normal. Em outras palavras, existe uma relação entre o gênero musical favorito e efeito da música na saúde mental. Para este gráfico, assume-se que o gênero favorito dos participantes é o tipo de música que mais ouvem. O rock, o pop e o metal são os principais gêneros musicais favoritos e também os três gêneros ouvidos com mais frequência. O gráfico mostra que todos os gêneros musicais tiveram participantes que mostraram melhorias nos seus sintomas de saúde mental. Alguns não mostraram melhorias, principalmente os ouvintes de rock, e os participantes que tiveram sintomas de agravamento são das músicas de videogames, rock, rap, pop e clássicos.

Teste de correlação

Existe uma relação entre idade e quantas horas os participantes ouvem música por dia?

plot(mmhsr$Age,mmhsr$`Hours per day`,main = "Idade vs Horas de música ouvidas por dia",ylab = "Horas por dia",xlab = "Idade")
abline(lsfit(mmhsr$Age,mmhsr$`Hours per day`),col = c("red"))

cor.test(mmhsr$Age,mmhsr$`Hours per day`)
## 
##  Pearson's product-moment correlation
## 
## data:  mmhsr$Age and mmhsr$`Hours per day`
## t = -1.2097, df = 733, p-value = 0.2268
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.11657710  0.02776802
## sample estimates:
##         cor 
## -0.04463751

O teste de correlação entre a idade e a quantidade de horas de música ouvidas por dia teve um coeficiente de correlação de 0.044. O resultado indica que existe uma correlação positiva fraca. A maioria dos participantes tem menos de 30 anos neste estudo, o resultado para uma descrição precisa da quantidade de horas de música ouvidas por dia comparada a idade dos participantes é inconclusiva, visto que há valores discrepantes. Embora no diagrama de dispersão é possível ver que a sua correlação é positiva fraca.

Existe uma relação da quantidade de horas de música ouvidas por dia com o transtorno mental?

plot(mmhsr$Anxiety,mmhsr$`Hours per day`,main = "Horas de música ouvidas por dia x Ansiedade", ylab = "Horas por dia",xlab = "Ansiedade")
abline(lsfit(mmhsr$Anxiety,mmhsr$`Hours per day`),col = c("red"))

cor.test(mmhsr$`Hours per day`,mmhsr$Anxiety)
## 
##  Pearson's product-moment correlation
## 
## data:  mmhsr$`Hours per day` and mmhsr$Anxiety
## t = 1.3378, df = 734, p-value = 0.1814
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  -0.0230299  0.1211538
## sample estimates:
##       cor 
## 0.0493189

O teste de correlação entre a quantidade de horas de música ouvidas por dia e ansiedade teve um coeficiente de correlação de 0.049. O resultado indica que existe uma correlação positiva fraca, ou seja, há relação entre as duas variáveis.

plot(mmhsr$Depression,mmhsr$`Hours per day`,main = "Horas de música ouvidas por dia x Depressão", ylab = "Horas por dia",xlab = "Depressão")
abline(lsfit(mmhsr$Depression,mmhsr$`Hours per day`),col = c("red"))

cor.test(mmhsr$`Hours per day`,mmhsr$Depression)
## 
##  Pearson's product-moment correlation
## 
## data:  mmhsr$`Hours per day` and mmhsr$Depression
## t = 3.0129, df = 734, p-value = 0.002676
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.03856881 0.18134569
## sample estimates:
##       cor 
## 0.1105275

O teste de correlação entre quantidade de horas de música ouvidas por dia e depressão teve um coeficiente de correlação de 0.110. O resultado indica que existe uma correlação positiva fraca, ou seja, há relação entre as duas variáveis.

plot(mmhsr$Insomnia,mmhsr$`Hours per day`,main = "Horas de música ouvidas por dia x Insônia", ylab = "Horas por dia",xlab = "Insônia")
abline(lsfit(mmhsr$Insomnia,mmhsr$`Hours per day`),col = c("red"))

cor.test(mmhsr$`Hours per day`,mmhsr$Insomnia)
## 
##  Pearson's product-moment correlation
## 
## data:  mmhsr$`Hours per day` and mmhsr$Insomnia
## t = 3.8815, df = 734, p-value = 0.0001132
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.07027401 0.21191533
## sample estimates:
##       cor 
## 0.1418205

O teste de correlação entre quantidade de horas de música ouvidas por dia e Insônia teve um coeficiente de correlação de 0.141. O resultado indica que existe uma correlação positiva fraca, ou seja, há relação entre as duas variáveis.

plot(mmhsr$OCD,mmhsr$`Hours per day`,main = "Horas de música ouvidas por dia x TOC", ylab = "Horas por dia",xlab = "TOC")
abline(lsfit(mmhsr$OCD,mmhsr$`Hours per day`),col = c("red"))

cor.test(mmhsr$`Hours per day`,mmhsr$OCD)
## 
##  Pearson's product-moment correlation
## 
## data:  mmhsr$`Hours per day` and mmhsr$OCD
## t = 3.2396, df = 734, p-value = 0.001251
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.04686438 0.18937089
## sample estimates:
##      cor 
## 0.118729

O teste de correlação entre quantidade de horas de música ouvidas por dia e TOC teve um coeficiente de correlação de 0.118. O resultado indica que existe uma correlação positiva fraca, ou seja, há relação entre as duas variáveis.

Através dos testes e análises estatísticas feitas, é possível observar que a quantidade de horas de música ouvidas por dia tem pouca influência sobre os transtornos mentais, a ansiedade, depressão, insônia e TOC.

5. Conclusão

A partir da análise, foi possível constatar que, das 736 pessoas que participaram das pesquisas, mais de 500 afirmaram que escutar música proporciona uma saúde mental melhor. Ansiedade e depressão foram os dois transtornos mentais que os participantes experienciaram em maior quantidade, sendo a medida usada como parâmetro uma escala de 0 a 10, sendo 0: eu não experiencio isso e 10 sendo: eu experiencio isto regularmente, constantemente e ao extremo. Mais de 120 participantes relataram sofrer com ansiedade no nível 7 (sete) adiante, e mais de 80 participantes afirmaram que o nível de depressão fique em torno do nível 6 (seis) adiante.

Os resultados obtidos a partir de tabelas e gráficos da base de dados pesquisada, e mostradas no decorrer do relatório, fica explícito que a música pode sim ser uma ferramenta eficaz na regulação e melhoria das condições de saúde mental. Embora alguns gêneros musicais possam piorar ou não mostrar melhorias no bem-estar, outros definitivamente melhoram as condições de saúde mental.

Pensando nisso, a musicoterapia, como sendo um método terapêutico que utiliza músicas com vozes ou somente na forma instrumental, por exemplo, pois possui diversos benefícios como melhorar o humor, concentração, memória, movimentos e o raciocínio, pode ser a melhor maneira de tratar dessas doenças que durante os anos foram se intensificando, sobretudo durante a pandemia do Covid-19, com isso, é importante que tratamentos com música sejam cada vez mais implementados em hospitais, é importante criar projetos de lei que assegurem essa opção para os casos que são possíveis.

6. Referências

Benefícios da musicoterapia na linguagem. Disponíevl em: http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2631-25812022000200016&lang=pt

Efeitos da musicoterapia sobre os sintomas de ansiedade e depressão em adultos com diagnóstico de transtornos mentais: revisão sistemática. Scielo. Disponível em: https://www.scielo.br/j/ape/a/xRT56hdPydcZCM4BJXVN8HK/?lang=pt

Music and Mental Health Analysis. Kaggle. Disponível em: https://www.kaggle.com/datasets/catherinerasgaitis/mxmh-survey-results