@PHDTHESIS{ 2018:1253769899,
 	title = {Rastreamento do excesso de gordura corporal em adolescentes através de técnicas de aprendizado de máquina},
 	year = {2018},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/2621",
 	abstract = "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.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM BIOTECNOLOGIA - RENORBIO/CCBS},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}