Uso de redes neurais artificiais para predição de síndrome metabólica em adolescentes

Abstract

Resumo

Síndrome Metabólica é um conjunto de fatores bioquímicos, fisiológicos, clínicos e metabólicos que se iniciam com a resistência periférica à insulina e que, quando concomitantemente presentes, elevam o risco de desenvolvimento de aterosclerose, eventos cardiovasculares, diabetes mellitus tipo 2 e mortalidade por qualquer causa. Em adolescentes, não há consenso sobre critérios diagnósticos e tratamento, por isso a importância de seu estabelecimento e padronização. Propõe-se determinar um modelo preditivo por meio das redes neurais artificiais para estimar a probabilidade de um adolescente possuir Síndrome Metabólica ou não. A base de dados usada no estudo foi a Coorte Retrospectiva RPS (Ribeirão Preto-SP, Pelotas-RS e São Luís-MA) usando dados somente da cidade de São Luís, composta por 2515 adolescentes entre 18 e 19 anos. Para definição de Síndrome Metabólica, usou-se o critério de Ferranti. Devido a baixa prevalência de Síndrome Metabólica na base, foi utilizado para o balanceamento dos dados, o algoritmo ROSE. As redes neurais artificiais do tipo feed-forward foram treinadas utilizando o algoritmo back-propagation. As métricas de avaliação das redes neurais artificiais utilizadas foram a acurácia, sensibilidade, especificidade, Kappa e a Curva ROC. O desempenho das RNA apresentadas neste trabalho mostraram bom desempenho para a predição de Síndrome Metabólica, em especial a RNA7 apenas com variáveis explicativas, apresentou acurácia de 81%, Kappa de 63%, Sensibilidade de 82% e Especificidade de 81%. Os resultados satisfatórios obtidos demonstram o potencial das redes neurais artificiais de predizer se um adolescente possuí Síndrome Metabólica ou não.