@PHDTHESIS{ 2023:1129626469, title = {Uso de modelos estatísticos e técnicas de aprendizado de máquina para predição do percentual de gordura}, year = {2023}, url = "https://tedebc.ufma.br/jspui/handle/tede/tede/5341", abstract = "A obesidade, caracterizada como o excesso de gordura corporal, é um problema epidêmico, com impactos na diminuição da qualidade de vida dos indivíduos e aumento dos gastos em saúde pública. Dentre as metas para combater obesidade, propostas pela Organização Mundial de Saúde, destacam-se a ênfase na prevenção e diagnóstico na atenção primária. Nesse sentido, o objetivo desta tese foi desenvolver modelos de previsão para estimar o percentual de gordura corporal (%GC) em adolescentes e adultos jovens, a partir de medidas antropométricas simples. Os resultados obtidos possibilitaram a elaboração de dois artigos: "Previsão do percentual de gordura em adolescentes a partir de medidas antropométricas por redes neurais artificiais" e "Avaliação da precisão de equações preditivas baseadas em medidas antropométricas simples no diagnóstico da obesidade". O objetivo do primeiro artigo foi desenvolver modelos baseados em Rede Neural Artificial (RNA) para estimar o percentual de gordura corporal (%GC) em adolescentes. Tratou-se de um estudo transversal com 2.155 adolescentes (18 e 19 anos de idade). A percentagem de gordura foi medida por pletismografia de deslocamento de ar (PDA). Análise estatísticas foram realizadas no programa R, versão 4.3.0. Foram implementados diferentes modelos de RNA feedforword, generalizados e específicos por sexo, com diferentes combinações de variáveis sexo, idade (anos), peso (kg), estatura (cm), circunferência da cintura (CC), índice de massa corporal (IMC) e relação cintura estatura (RCE). Os modelos de RNA generalizados apresentaram melhor performance (R²>0,75) em comparação com os modelos por sexo (R² ≤0,72). A CC foi uma variável de alta importância, especialmente entre meninos. Não foram observadas diferenças entre o percentual de gordura medido e o estimado pela rede neural artificial (p>0,05). Os modelos de RNA desenvolvidos a a partir medidas antropométricas simples mostraram-se eficazes na predição de %GC em adolescentes. A incorporação da CC apresentou diferentes respostas na estimativa de desempenho do %GC para meninos e meninas. O segundo artigo teve como objetivo avaliar a acurácia de equações preditivas para diagnóstico de obesidade. Estudo transversal com 3.103 indivíduos (18 a 23 anos de idade). O método de referência para medir %GC foi a PDA, análise estatísticas foram realizadas no programa R, versão 4.3.0. Regressão linear múltipla (MRL) foi desenvolvida para elaboração das equações, usando idade, sexo, além das variáveis antropométricas simples, descritas no primeiro artigo. As equações desenvolvidas mostraram um bom desempenho preditivo (R2≈0.80 e NRMSE≈0.09). Além disso, mostraram maior capacidade de previsão do diagnóstico da obesidade (especificidade ≈ 0,64; falso positivo= 0,36; AUC≈0.9) quando comparado apenas ao IMC (especificidade ≈ 0,39; falso positivo= 0,89 ; AUC≈0.2 ). As equações desenvolvidas a partir de medidas antropométricas facilmente aplicáveis à prática clínica mostraram uma elevada capacidade de previsão e uma maior capacidade de identificação de pessoas com obesidade comparada ao IMC. As equações desenvolvidas neste estudo e podem ser úteis para estimar %GC, na ausência do método de referência, podendo ser utilizadas como ferramenta prática para acompanhamento do %GC e diagnóstico de obesidade na atenção primária em saúde.", publisher = {Universidade Federal do Maranhão}, scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM SAÚDE COLETIVA/CCBS}, note = {DEPARTAMENTO DE SAÚDE PÚBLICA/CCBS} }