Um problema conhecido em mineração de padrões frequentes é o fato de comumente serem produzidas milhares de regras de associação, tornando-se árduo o estudo de cada uma delas, enfraquecendo o processo de descoberta de informação útil. Tendo em vista este desafio, essa dissertação propõe uma nova abordagem para obtenção de regras de associação interessantes a partir da divergência entre as regras obtidas e a distribuição esperada dos dados. A abordagem inédita desenvolvida, denominada ARD, é avaliada sobre dados da malária na Amazônia Legal Brasileira nos anos de 2009 a 2015. Com essa abordagem foi determinado um número de regras praticável para análise, a partir dos quais são levantadas informações relacionadas a malária na Amazônia Legal e as tendências associadas a organização das Regiões de Saúde. Os resultados levantados mostram a capacidade da ARD, uma vez que indicou regras que trouxeram informação relevante sobre os dados minerados.