Compartilhamento |
![]() ![]() |
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/2621
Tipo do documento: | Tese |
Título: | Rastreamento do excesso de gordura corporal em adolescentes através de técnicas de aprendizado de máquina |
Título(s) alternativo(s): | Tracking of excess body fat in adolescents through machine learning techniques |
Autor: | SOUSA, Nilviane Pires Silva ![]() |
Primeiro orientador: | BARROS FILHO, Allan Kardec Duailibe |
Primeiro membro da banca: | BARROS FILHO, Allan Kardec Duailibe |
Segundo membro da banca: | NASCIMENTO, Maria do Desterro Soares Brandão |
Terceiro membro da banca: | CARMO, Luiza Helena Araújo do |
Quarto membro da banca: | SANTOS NETO , Marcelino |
Quinto membro da banca: | GONÇALVES NETO , Lídio |
Resumo: | Vários países em desenvolvimento sofreram, nas últimas duas décadas, uma acelerada transição nutricional e epidemiológica, ocasionando um aumento na prevalência de excesso de gordura corporal na adolescência nesses países, incluindo o Brasil. A prevalência elevada de excesso de peso nessa fase está associada ao desenvolvimento precoce de diversas doenças incluindo distúrbios metabólicos e cardiovasculares, desta forma métodos de triagem de baixo custo são essenciais para o rastreamento do excesso de adiposidade geral nesta faixa etária. Assim, o presente estudo tem por objetivo classificar o excesso de gordura corporal em escolares através de métodos de aprendizado de máquina. Para tanto foram testados três métodos de classificação: k-vizinhos mais próximos, máquina de vetores de suporte e árvore de decisão. Trata-se de um estudo transversal, onde a base de dados utilizada para as etapas de treinamento e teste foi coletada em escolas da rede pública de ensino de São Luís/MA, no ano de 2018, sendo constituída de 602 adolescentes, de ambos os gêneros, com idade de 10 a 19 anos. Para validação externa do algoritmo foi utilizada outra base de dados formada por 320 adolescentes também advinda da população escolar. A priori, os seguintes indicadores foram avaliados: massa corporal, estatura, idade, gênero, circunferência da cintura, quadril, pescoço, panturrilha e braço, frequência cardíaca, percentual de gordura corporal, índice de massa corporal e relação cintura estatura. Para aplicação do algoritmo classificador e desenvolvimento do software foi utilizado o programa MATLAB®. E na análise estatística foi utilizado o software SPSS®, sendo aplicados os seguintes testes estatísticos: Kolmogorov- Smirnov, t de student, ANOVA One Way, Mann-Whitney U e Kruskal-Wallis H. O classificador utilizado na construção do software foi o k-vizinhos mais próximos que obteve acurácia de 78%, sensibilidade 92% e especificidade 54%, utilizando as seguintes entradas: massa corporal, estatura, idade, gênero e circunferência da cintura. Quando comparado ao índice de massa corporal e relação cintura estatura o k-vizinhos mais próximos conseguiu melhor desempenho (sensibilidade 95%) na triagem de adolescentes com percentual de gordura corporal elevado. Desta forma, o algoritmo k-vizinhos mais próximo pode ser utilizado como método de triagem com alta sensibilidade e baixo custo na avaliação da adiposidade geral em adolescentes de São Luís/MA. |
Abstract: | In the last two decades several developing countries have undergone an accelerated nutritional and epidemiological transition, causing an increase in the prevalence of excess body fat in adolescence in these countries, including Brazil. The high prevalence of overweight in this phase is associated with the early development of several diseases including metabolic and cardiovascular disorders, therefore, low cost screening methods are essential for the screening of excess general adiposity in this age group. Thus, the present study aims to classify excess body fat in schoolchildren using machine learning methods. Thereunto, three methods of classification were tested: k-nearest neighbors, support vector machine and decision tree. This is a cross-sectional study, where the database used for the training and test stages was collected in schools of the public system of São Luís / Maranhão, in the year 2018, consisting of 602 adolescents, of both genders, with age from 10 to 19 years. For external validation of the algorithm, another database of 320 adolescents, also from the school population, was used. A priori, the following indicators were evaluated: body mass, height, age, gender, waist circumference, hip, neck, calf and arm, heart rate, body fat percentage, body mass index and waist height ratio. For the application of the classifier algorithm and software development, the MATLAB® program was used, and the SPSS® software was used in the statistical analysis. The following statistical tests were applied: Kolmogorov-Smirnov, Student's T, ANOVA One Way, Mann-Whitney U and Kruskal-Wallis H. The classifier used in the construction of the software was the nearest k-neighbors that obtained accuracy of 78%, sensitivity 92% and specificity 54%, using the following entries: body mass, height, age, gender and waist circumference. When compared to body mass index and waist height ratio, the k-nearest neighbors achieved better performance (sensitivity 95%) in the screening of adolescents with high body fat percentage. Thus, the k-nearest neighbors algorithm can be used as a screening method with high sensitivity and low cost in the evaluation of general adiposity in adolescents from São Luís/MA. |
Palavras-chave: | Composição corporal Aprendizado de máquina Programas de rastreamento Sensibilidade e especificidade Body composition Machine learning Mass screening Sensitivity and specificity |
Área(s) do CNPq: | Nutrição Teoria da Computação |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal do Maranhão |
Sigla da instituição: | UFMA |
Departamento: | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
Programa: | PROGRAMA DE PÓS-GRADUAÇÃO EM BIOTECNOLOGIA - RENORBIO/CCBS |
Citação: | SOUSA, Nilviane Pires Silva. Rastreamento do excesso de gordura corporal em adolescentes através de técnicas de aprendizado de máquina. 2018. Tese (Programa de Pós-Graduação em Biotecnologia - RENORBIO/CCBS) - Universidade Federal do Maranhão, São Luís. |
Tipo de acesso: | Acesso Aberto |
URI: | https://tedebc.ufma.br/jspui/handle/tede/tede/2621 |
Data de defesa: | 19-Out-2018 |
Aparece nas coleções: | TESE DE DOUTORADO - PROGRAMA DE PÓS-GRADUAÇÃO EM BIOTECNOLOGIA/RENORBIO |
Arquivos associados a este item:
Não existem arquivos associados a este item.
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.