Modelo matemático para prever probabilidade de quilombolas desenvolverem síndrome metabólica com fluxograma de atendimento de saúde
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...
Saved in:
Published in | Scientia plena Vol. 19; no. 8 |
---|---|
Main Authors | , , , , , |
Format | Journal Article |
Language | English |
Published |
19.09.2023
|
Online Access | Get full text |
Cover
Loading…
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. |
---|---|
AbstractList | 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. |
Author | Torres, Ruth Cristini Nunes, Marco Antônio Prado Oliveira, Cristiane Costa da Cunha Da Silva, Tharciano Luiz Teixeira Braga Mota, Marcelo Mendonça De Melo, Cláudia Moura |
Author_xml | – sequence: 1 givenname: Ruth Cristini surname: Torres fullname: Torres, Ruth Cristini – sequence: 2 givenname: Marco Antônio Prado orcidid: 0000-0001-5244-5843 surname: Nunes fullname: Nunes, Marco Antônio Prado – sequence: 3 givenname: Marcelo Mendonça orcidid: 0000-0001-8452-8061 surname: Mota fullname: Mota, Marcelo Mendonça – sequence: 4 givenname: Tharciano Luiz Teixeira Braga orcidid: 0000-0001-5467-7875 surname: Da Silva fullname: Da Silva, Tharciano Luiz Teixeira Braga – sequence: 5 givenname: Cristiane Costa da Cunha orcidid: 0000-0003-1439-7961 surname: Oliveira fullname: Oliveira, Cristiane Costa da Cunha – sequence: 6 givenname: Cláudia Moura orcidid: 0000-0001-9331-003X surname: De Melo fullname: De Melo, Cláudia Moura |
BookMark | eNpNkE1OwzAQhS1UJErpFZAvkODY-V2iij-piE330cQeoyA7DnZawQk4BwdgxY5tLkbaskAa6c3TjN6TvnMy61yHhFwmLE7SkpVXQbZxb7CDmDMuYlYWGUtOyDyZjhEvKjH7t5-RZQgvjLFEpDwtizn5eHQKjaMWBrTj59BKR3vwQHuPO_STuAaa1rQKFNJpXretcbZxBsJkA3Y7Z6ZHtDSMX53yziK1OEAzfptWApXOUm22b-7Zg4V9wtTUqdZiN7i9DTD-KLwgpxpMwOWfLsjm9mazuo_WT3cPq-t1JKssiZoCc1RSpiops5I3gumsEVyxFBnqnKWlqFJegOI8U1qB4JXiudSALNWVQLEg-TFWeheCR133vrXg3-uE1Qeg9QS0PgCt90DrI1DxC3qedLY |
ContentType | Journal Article |
DBID | AAYXX CITATION |
DOI | 10.14808/sci.plena.2023.087501 |
DatabaseName | CrossRef |
DatabaseTitle | CrossRef |
DatabaseTitleList | CrossRef |
DeliveryMethod | fulltext_linktorsrc |
Discipline | Sciences (General) |
EISSN | 1808-2793 |
ExternalDocumentID | 10_14808_sci_plena_2023_087501 |
GroupedDBID | 5VS 91A AAYXX ADBBV ALMA_UNASSIGNED_HOLDINGS BCNDV CITATION GROUPED_DOAJ KQ8 KWQ M~E RNS |
ID | FETCH-LOGICAL-c951-b7e6edcc4d18582b30f5b32d04e0ef604839427ad225dfda329d26cfae04f93e3 |
ISSN | 1808-2793 |
IngestDate | Fri Aug 23 03:36:07 EDT 2024 |
IsDoiOpenAccess | false |
IsOpenAccess | true |
IsPeerReviewed | false |
IsScholarly | true |
Issue | 8 |
Language | English |
LinkModel | OpenURL |
MergedId | FETCHMERGED-LOGICAL-c951-b7e6edcc4d18582b30f5b32d04e0ef604839427ad225dfda329d26cfae04f93e3 |
ORCID | 0000-0003-1439-7961 0000-0001-5244-5843 0000-0001-8452-8061 0000-0001-9331-003X 0000-0001-5467-7875 |
OpenAccessLink | https://www.scientiaplena.org.br/sp/article/download/6790/2604 |
ParticipantIDs | crossref_primary_10_14808_sci_plena_2023_087501 |
PublicationCentury | 2000 |
PublicationDate | 2023-09-19 |
PublicationDateYYYYMMDD | 2023-09-19 |
PublicationDate_xml | – month: 09 year: 2023 text: 2023-09-19 day: 19 |
PublicationDecade | 2020 |
PublicationTitle | Scientia plena |
PublicationYear | 2023 |
SSID | ssj0001342487 |
Score | 2.1801448 |
Snippet | Desenvolveu-se um modelo matemático utilizando algoritmos de Machine learning para prever probabilidade de quilombolas desenvolverem síndrome metabólica, bem... |
SourceID | crossref |
SourceType | Aggregation Database |
Title | Modelo matemático para prever probabilidade de quilombolas desenvolverem síndrome metabólica com fluxograma de atendimento de saúde |
Volume | 19 |
hasFullText | 1 |
inHoldings | 1 |
isFullTextHit | |
isPrint | |
link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3NbtNAEF6VcuGCKD-CAtUeOIAsp4m9_ju2FFQhwoUg9WbtemeRpcQudYyqHrjyHDwAJ25c8zo8BDO7ruugCFGkyIpXm7G982Vmdjw_jD3DPYKME9B-EKjQF5HRvprExke8FAlIkxlF-c7Td_HxB_HmJDrZ2vo1iFpql2pUXGzMK_kfruIY8pWyZK_B2Z4oDuB35C8ekcN4_CceUyOzee2h0QkL-8Z7glNqj8p5U_I_Pg_FXylbRFdLTSlS3qe2nNcLhTvaBk8bqFA-4URYeI0lceQqGFBraalo5DAkvx7Fnntm3p7bcC5JlCS5z21zgJpOG2lnH-i14CIrO1CKeKeo3noVMLM9QSx7W0qCspKmKnvPdNs1EJji37CmAgeWtKhKihmRuu5hUjvjl-bRSkzBNieh50j6ix1J7305_yxdPBT1TpJV7b1tywtvBuU5lLhah2fyoxx6QIKQwjU6OeuEdjpGXCSu0-IINoxdSvpsgOh0owIRqc2KQPNjZNdlRBccUdn_zueyVrH7D03axzfSzooo5Ugnt3RyopM7OjfYTbyziFwF0y8Dj2AoAmE7OvY336W0E6n9jbc0sKYGZtHsDrvd7Wf4gQPnDtuC6i7b6TRGw593Zc1f3GNfHVq5RevqGyGVE1K5QypfQyrHzwCpfA2pvFl9dyjlFqWrH4RQjgjlVwglCgOE0mkjVz813Gez169mL4_9rg2IX6D576sEYtBFITSalilKlLGJVBjosYAxmJhaImQiSKRGzaSNlmGQ6SAujISxMFkI4QO2XdUVPGRcx-Ty1BPIjBZKZQr1URhNkjRODUQFPGL7l6uZn7piL_nfWbl77V88ZreuMPyEbS_PWniKdu1S7Vl_0J4FxW_QjaxR |
link.rule.ids | 315,786,790,870,27957,27958 |
linkProvider | ISSN International Centre |
openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=Modelo+matem%C3%A1tico+para+prever+probabilidade+de+quilombolas+desenvolverem+s%C3%ADndrome+metab%C3%B3lica+com+fluxograma+de+atendimento+de+sa%C3%BAde&rft.jtitle=Scientia+plena&rft.au=Torres%2C+Ruth+Cristini&rft.au=Nunes%2C+Marco+Ant%C3%B4nio+Prado&rft.au=Mota%2C+Marcelo+Mendon%C3%A7a&rft.au=Da+Silva%2C+Tharciano+Luiz+Teixeira+Braga&rft.date=2023-09-19&rft.issn=1808-2793&rft.eissn=1808-2793&rft.volume=19&rft.issue=8&rft_id=info:doi/10.14808%2Fsci.plena.2023.087501&rft.externalDBID=n%2Fa&rft.externalDocID=10_14808_sci_plena_2023_087501 |
thumbnail_l | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=1808-2793&client=summon |
thumbnail_m | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=1808-2793&client=summon |
thumbnail_s | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=1808-2793&client=summon |