@PHDTHESIS{ 2025:473105179,
 	title = {Predição de síndrome metabólica em adolescentes com obesidade utilizando técnicas de aprendizado de máquinas},
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6266",
 	abstract = "A prevalência de obesidade e sobrepeso entre crianças e adolescentes tem aumentado
 consideravelmente nas últimas quatro décadas. Como o excesso ponderal é considerado o
 principal fator de risco para o desenvolvimento de síndrome metabólica (SM), cada vez mais
 crianças e adolescentes estão sendo diagnosticadas com esse problema. Para prevenir a
 síndrome metabólica nessa faixa etária, o desenvolvimento de modelos preditivos para
 identificar potenciais indivíduos de alto risco é de grande utilidade. Objetiva-se desenvolver
 um sistema inteligente baseado em aprendizado de máquinas capaz de estratificar o risco de
 adolescentes com síndrome metabólica através de parâmetros clínicos e laboratoriais. A
 pesquisa trata-se de um estudo clínico, descritivo e transversal. A amostra foi composta por 104
 adolescentes, sendo 52 menores com SM e 52 menores sem SM, casuística extraída de um
 banco de dados de 235 prontuários eletrônicos de adolescentes acompanhados no ambulatório
 de Endocrinologia Pediátrica do Hospital Universitário da Universidade Federal do Ceará (HU
 UFC) de janeiro 2018 a outubro de 2023. Foram avaliados dados sociodemográficos, hábitos
 alimentares e de estilo de vida, indicadores clínicos, laboratoriais e parâmetros antropométricos.
 O estudo possui aprovação do Comitê de Ética em Pesquisa do Hospital Universitário Walter
 Cantídio com número CAAE: 70563423.0.000.5045. O estudo mostrou que o gênero masculino
 apresentou 58% (n= 30) da amostra com SM e do gênero feminino 42% (n=22). Quanto à
 classificação do IMC, 55% estavam com obesidade grave. A taxa de aleitamento materno
 exclusivo foi de 67%. O tempo de exposição a telas foi maior que 2 horas em 88% dos
 examinados. Apenas 27% dos pacientes praticavam atividade física. A obesidade estava
 presente em ambos os pais em 44% dos entrevistados. A média da circunferência abdominal
 foi de 104 ± 14 cm e a circunferência do pescoço foi de 39.0 ± 3.9 cm. Observou se que 84%
 tinham acantose, 41% HAS e mais de 70% dos investigados tinham dislipidemia. O algoritmo
 SVM Linear mostrou-se um bom preditor para rastreamento de SM, com as variáveis de gênero
 (masculino e feminino), idade, IMC, circunferência abdominal, HAS (PAS e PAD), resultando
 seu desempenho avaliado pela sensibilidade (0,6), especificidade (0,73), acurácia (0,67) e a
 curva ROC (AUC=0,72). O modelo computacional empregado nesse estudo o SVM Linear
 apresentou melhor desempenho da identificação da síndrome metabólica e foi utilizado para a
 construção de um aplicativo para dispositivos móveis com sistema operacional Android.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM BIOTECNOLOGIA - RENORBIO/CCBS},
 	note = {DEPARTAMENTO DE PATOLOGIA/CCBS}
}