???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/3410
Full metadata record
DC FieldValueLanguage
dc.creatorARAÚJO, Claudyane da Silva-
dc.contributor.advisor1CARVALHO, Ewaldo Eder Santana-
dc.contributor.advisor-co1SOUSA, Nilviane Pires Silva-
dc.contributor.referee1SANTANA, Ewaldo Eder Carvalho-
dc.contributor.referee2SOUSA, Nilviane Pires Silva-
dc.contributor.referee3BARROS FILHO, Allan Kardec Duailibe-
dc.contributor.referee4ROSA, Claudia R. de Andrade A.-
dc.date.accessioned2021-11-27T14:43:23Z-
dc.date.issued2021-09-24-
dc.identifier.citationARAÚJO, Claudyane da Silva. Aplicação de redes neurais para estimava da gordura corporal de adolescente utilizando variáveis clínicas.. 2021. 77 f. Dissertação( Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2021.por
dc.identifier.urihttps://tedebc.ufma.br/jspui/handle/tede/tede/3410-
dc.description.resumoA prevalência de excesso de peso na adolescência é um problema de saúde pública mundial, pois está associada a diversos distúrbios metabólicos, como doenças cardiovasculares e diabetes. Tais problemas se não avaliados e tratados de forma precoce podem levar a desfechos negativos como morte prematura, por isso a importância de se analisar a gordura corporal dessa população. Assim, o objetivo deste estudo é desenvolver uma rede neural artificial (RNA) para predizer o percentual de gordura corporal (%GC) de adolescentes. Nesta rede são utilizados, como parâmetros de entrada, peso, altura, idade, gênero, frequência cardíaca, circunferência da cintura, circunferência do quadril, circunferência do braço. Para treinamento e teste da RNA utilizamos o 5-fold crossvalidation em um conjunto de dados advindos de 772 adolescentes de ambos os sexos, com idades entre 10 e 19 anos. Para rotulação dos dados foi utilizado o (%GC) obtida pela bioimpedância (BIA). A predição dada pela nossa RNA foi comparada com a predição de outros métodos antropométricos comumente utilizados na avaliação do estado nutricional. Ao comparar o valor obtido pela rede, na fase de teste, com o valor da BIA obteve-se uma correlação R= 0.87. O método proposto mostrou resultados significativamente melhor do que os dos indicadores antropométricos usuais tais como o Índice de Massa Corporal (IMC) ,Relação Cintura-Estatura (RCE), como pode ser avaliado pela área sobre a curva ROC (AUROC):0.83 (RNA), 0.62 (IMC) e 0.56 (RCE). Nossa proposta também obteve 85.3% de acurácia, 73.2% de especificidade, sensibilidade de 93% e 59.09% a taxa de verdadeiros positivos. Esses resultados são bem melhores do que os dos métodos IMC e o RCE que apresentam baixa sensibilidade (27.6% e 11.2%). A especificidade do nosso método apresentou um alto indice de verdadeiros negativos (26.28%). Assim, conclui-se que o modelo RNA obteve melhor desempenho para predizer o excesso de gordura corporal em adolescentes em comparação com os indicadores antropométricos usuais, apresentando-se como uma alternativa de baixo custo para o rastreamento da obesidade em adolescentes.por
dc.description.abstractThe prevalence of overweight in adolescence is a worldwide public health problem, as it is associated with several metabolic disorders, such as cardiovascular diseases and diabetes. Such problems if not evaluated and treated early can lead to negative outcomes such as premature death, so the importance of analyzing the body fat of this population. Thus, the objective of this study is to develop an artificial neural network (ANN) to predict the percentage of body fat (%GC) of adolescents. In this network are used, as input parameters, weight, height, age, gender, heart rate, waist circumference, hip circumference, arm circumference. For training and testing of ANN, we used 5-fold cross-validation in a set of data from 772 adolescents of both sexes, aged between 10 and 19 years. For data labeling, we used the (%GC) obtained by bioimpedance (BIA). The prediction given by our RNA was compared with the prediction of other anthropometric methods commonly used in the evaluation of nutritional status. When comparing the value obtained by the net, in the test phase, with the value of BIA a correlation R= 0.87 was obtained. Our method showed significantly better results than the usual anthropometric indicators such as Body Mass Index (BMI), Waist-Height Relationship (WHtR), as can be evaluated by the area over the ROC curve (AUROC):0.83 (RNA), 0.62 (BMI) and 0.56 (WHtR). Our proposal also obtained 85.3% accuracy, 73.2% specificity, the sensitivity of 93%, and a 59.09% rate of true positives. These results are much better than the BMI and CER methods that present low sensitivity (27.6% and 11.2%). The specificity of our method showed a high rate of true negatives (26.28%). Thus, it is concluded that the RNA model obtained a better performance to predict excess body fat in adolescents compared to the usual anthropometric indicators, presenting itself as a low cost alternative for the tracking of obesity in adolescents.eng
dc.description.provenanceSubmitted by Maria Aparecida (cidazen@gmail.com) on 2021-11-27T14:43:23Z No. of bitstreams: 1 A Imprimir ...C-Users-User-Documents-Claudyane Araújo.pdf: 20097220 bytes, checksum: 906f33c94031d5b9649c82c79f64cbae (MD5)eng
dc.description.provenanceMade available in DSpace on 2021-11-27T14:43:23Z (GMT). No. of bitstreams: 1 A Imprimir ...C-Users-User-Documents-Claudyane Araújo.pdf: 20097220 bytes, checksum: 906f33c94031d5b9649c82c79f64cbae (MD5) Previous issue date: 2021-09-24eng
dc.description.sponsorshipCAPESpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal do Maranhãopor
dc.publisher.departmentDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFMApor
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETpor
dc.rightsAcesso Abertopor
dc.subjectObesidade;por
dc.subjectRede Neural Arificial;por
dc.subjectAdolescente;por
dc.subjectSensibilidade e Especificidadepor
dc.subjectObesity;eng
dc.subjectArtificial Neural Network;eng
dc.subjectAdolescence;eng
dc.subjectSensitivity and Specificityeng
dc.subject.cnpqSaúde Publicapor
dc.titleAplicação de redes neurais para estimava da gordura corporal de adolescente utilizando variáveis clínicas.por
dc.title.alternativeApplication of neural networks to estimate body fat in adolescents using clinical variables.eng
dc.typeDissertaçãopor
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File Description SizeFormat 
A Imprimir ...C-Users-User-Documents-Claudyane Araújo.pdfDissertação de Mestrado19,63 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.