Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/6380
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorOLIVEIRA, Daniel Cavalcante de-
dc.date.accessioned2023-05-24T18:15:15Z-
dc.date.available2023-05-24T18:15:15Z-
dc.date.issued2022-02-08-
dc.identifier.urihttp://hdl.handle.net/123456789/6380-
dc.descriptionAbstract Metabolic Syndrome is a set of biochemical, physiological, clinical and metabolic factors that start with peripheral insulin resistance and that, when concomitantly present, increase the risk of developing atherosclerosis, cardiovascular events, type 2 diabetes mellitus and mortality from any cause. In adolescents, there is no consensus on diagnostic criteria and treatment, so the importance of their establishment and standardization. We propose to determine a predictive model through artificial neural networks to estimate the probability of an adolescent to have Metabolic Syndrome or not. The database used in the study was the Retrospective RPS Cohort (Ribeirão Preto-SP, Pelotas-RS and São Luís-MA) using data only from the city of São Luís, consisting of 2515 adolescents between 18 and 19 years old. For definition of Metabolic Syndrome, we used the Ferranti criteria. Due to the low prevalence of Metabolic Syndrome in the database, the ROSE algorithm was used to balance the data. The feed-forward artificial neural networks were trained using the back-propagation algorithm. The metrics used to evaluate the artificial neural networks were accuracy, sensitivity, specificity, Kappa, and the ROC curve. The performance of the ANN presented in this work showed good performance for the prediction of Metabolic Syndrome, especially ANN7 with only explanatory variables, showed accuracy of 81%, Kappa of 63%, Sensitivity of 82% and Specificity of 81%. The satisfactory results obtained demonstrate the potential of artificial neural networks to predict whether an adolescent has Metabolic Syndrome or not.pt_BR
dc.description.abstractResumo 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.pt_BR
dc.language.isootherpt_BR
dc.publisherUniversidade Federal do Maranhãopt_BR
dc.subjectaprendizado de máquina;pt_BR
dc.subjectdados desbalanceados;pt_BR
dc.subjectSM;pt_BR
dc.subjectadolescência;pt_BR
dc.subjectredes neurais.pt_BR
dc.subjectmachine Learning;pt_BR
dc.subjectunbalanced data;pt_BR
dc.subjectmetabolic syndrome;pt_BR
dc.subjectadolescence;pt_BR
dc.subjectneural networks.pt_BR
dc.titleUso de redes neurais artificiais para predição de síndrome metabólica em adolescentespt_BR
dc.title.alternativeUse of artificial neural networks for prediction of metabolic syndrome in adolescentspt_BR
dc.typeOtherpt_BR
Aparece nas coleções:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DanielCavalcantedeOliveira.pdfTrabalho de Conclusão de Curso745,67 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.