Modelo matemático para prever probabilidade de quilombolas desenvolverem síndrome metabólica com fluxograma de atendimento de saúde

Ruth Cristini Torres, Marco Antônio Prado Nunes, Marcelo Mendonça Mota, Tharciano Luiz Teixeira Braga Da Silva, Cristiane Costa da Cunha Oliveira, Cláudia Moura De Melo
{"title":"Modelo matemático para prever probabilidade de quilombolas desenvolverem síndrome metabólica com fluxograma de atendimento de saúde","authors":"Ruth Cristini Torres, Marco Antônio Prado Nunes, Marcelo Mendonça Mota, Tharciano Luiz Teixeira Braga Da Silva, Cristiane Costa da Cunha Oliveira, Cláudia Moura De Melo","doi":"10.14808/sci.plena.2023.087501","DOIUrl":null,"url":null,"abstract":"Desenvolveu-se um modelo matemático utilizando algoritmos de Machine learning para prever probabilidade de quilombolas desenvolverem síndrome metabólica, bem como propor um fluxograma de atendimento de saúde. Este foi um estudo transversal com uso de inteligência artificial. Adotou-se como variável dependente ter ou não síndrome metabólica. Foi realizada a análise bivariada comparando-se as variáveis independentes, os indicadores antropométricos e bioquímicos em relação a presença de síndrome metabólica e as variáveis categóricas que foram avaliadas pelo teste do Qui-quadrado (p <0,05). Utilizou-se o teste de Análise de Variância ou Kruskal-Wallis conforme a tendência de normalidade avaliada pelo teste de Shapiro-Wilk e a ferramenta de análise de dados machine learning, por meio do método de Árvore de Decisão. A árvore de decisão para predição de síndrome metabólica em quilombolas apresentou acurácia de 75%, gerando um gráfico em relação ao processo, ilustrado por meio de fluxograma para orientar a tomada de decisão em relação à saúde e prevenção de síndrome metabólica. O modelo preditivo permitiu identificar os pontos de corte específicos dos indicadores antropométricos mais importantes a serem mensurados no primeiro atendimento de saúde dos quilombolas. A acurácia do modelo preditivo permite a aplicação do fluxograma em outras comunidades quilombolas, apresentando-se como uma ferramenta tecnológica facilitadora para tomada de decisão em saúde.","PeriodicalId":22090,"journal":{"name":"Scientia Plena","volume":"8 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Scientia Plena","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14808/sci.plena.2023.087501","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Desenvolveu-se um modelo matemático utilizando algoritmos de Machine learning para prever probabilidade de quilombolas desenvolverem síndrome metabólica, bem como propor um fluxograma de atendimento de saúde. Este foi um estudo transversal com uso de inteligência artificial. Adotou-se como variável dependente ter ou não síndrome metabólica. Foi realizada a análise bivariada comparando-se as variáveis independentes, os indicadores antropométricos e bioquímicos em relação a presença de síndrome metabólica e as variáveis categóricas que foram avaliadas pelo teste do Qui-quadrado (p <0,05). Utilizou-se o teste de Análise de Variância ou Kruskal-Wallis conforme a tendência de normalidade avaliada pelo teste de Shapiro-Wilk e a ferramenta de análise de dados machine learning, por meio do método de Árvore de Decisão. A árvore de decisão para predição de síndrome metabólica em quilombolas apresentou acurácia de 75%, gerando um gráfico em relação ao processo, ilustrado por meio de fluxograma para orientar a tomada de decisão em relação à saúde e prevenção de síndrome metabólica. O modelo preditivo permitiu identificar os pontos de corte específicos dos indicadores antropométricos mais importantes a serem mensurados no primeiro atendimento de saúde dos quilombolas. A acurácia do modelo preditivo permite a aplicação do fluxograma em outras comunidades quilombolas, apresentando-se como uma ferramenta tecnológica facilitadora para tomada de decisão em saúde.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
用卫生保健流程图预测“歌伦波拉”患代谢综合征概率的数学模型
我们开发了一个数学模型,使用机器学习算法来预测“歌伦波”人发展代谢综合征的概率,并提出了一个医疗保健流程图。这是一项使用人工智能的横断面研究。是否有代谢综合征作为因变量。进行双变量分析,比较自变量、与代谢综合征存在相关的人体测量和生化指标,以及通过卡方检验(p < 0.05)评估的分类变量。我们使用方差分析或Kruskal-Wallis检验作为正态性趋势的评估夏皮罗-威尔克检验和数据分析工具机器学习,通过决策树方法。“歌伦波拉”代谢综合征预测决策树的准确率为75%,生成了一个与过程相关的图表,并通过流程图说明,以指导有关健康和代谢综合征预防的决策。预测模型允许确定在第一次栗色保健中测量的最重要的人体测量指标的具体截止点。预测模型的准确性使流程图能够应用于其他“歌伦波”社区,成为卫生决策的技术工具。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Evaluation of conventional and microwave drying of tropical Amazonian wood indicated for the manufacture of EGP (Edge Glued Panels) Riqueza e abundância de espécies de flebotomíneos em assentamentos humanos e fragmentos florestais degradados na Amazônia Maranhense Morpho-physiological and anatomical responses to shade avoidance are exhibited in Surinam cherry seedlings Pollination biology of Humiria balsamifera var. floribunda (Humiriaceae) on the coast of Maranhão, Brazil Estudo da conversão de polietileno de baixa densidade sobre materiais compósitos tipo Nb2O5/HY
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1