Navegando por Palavras-chave "Chronic Diseases"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Modelo de aprendizado de máquina para predição de Diabetes tipo 2 por meio de variáveis de fácil acesso
    (Universidade Federal de São Paulo, 2023-03-10) Silva, Leonardo Fernandes [UNIFESP]; Caranti, Danielle Arisa [UNIFESP]; http://lattes.cnpq.br/4760019839583649; http://lattes.cnpq.br/7376085574661825; Universidade Federal de São Paulo (UNIFESP)
    Objetivo: Validar um modelo preditivo de diabetes do tipo 2 utilizando aprendizagem de máquina através de variáveis de fácil acesso e comparar os resultados dos bancos de dados VIGITEL e NHANES para validação da metodologia. Métodos: Após a seleção dos bancos de dados VIGITEL (2015) e NHANES (2014,15,16,17), foi aplicado critérios de inclusão e exclusão, aqueles que foram diagnosticados acima dos 30 anos e dados não faltantes, em cima dos indivíduos finais foi utilizado o método de balanceamento SMOTE para melhor aplicação dos algoritmos. Uma vez balanceado, foram aplicados os algoritmos “árvore de decisão”, “Floresta Aleatória” e “floresta de isolamento”. Resultados: O modelo de predição de diabetes tipo 2 apresentou melhor desempenho em todas as métricas em comparação com as outras duas doenças crônicas (dislipidemia e hipertensão arterial) no conjunto de dados do NHANES. No VIGITEL, o diabetes teve melhor desempenho em sensibilidade (73,25%) em comparação com as outras duas doenças, a hipertensão também teve alto desempenho em especificidade e acurácia (79,51% e 73,63%). Entre os dois conjuntos de dados, o NHANES teve melhor desempenho em todas as métricas em diabetes e hipertensão. Conclusões: O presente estudo apresentou evidências para a criação de um modelo preditivo através da utilização de aprendizagem de máquina para auxiliar no diagnóstico precoce de doenças crônicas através de variáveis de fácil acesso.
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Should body mass index be adjusted for relative sitting height in cross-sectional studies of chronic diseases in Japanese-Brazilians?
    (Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz, 2006-08-01) Ribeiro, Adriana Bouças [UNIFESP]; Gimeno, Suely Godoy Agostinho [UNIFESP]; Andreoni, Solange [UNIFESP]; Ferreira, Sandra Roberta Gouvea [UNIFESP]; Universidade Federal de São Paulo (UNIFESP)
    The current article aimed to verify the degree of agreement in classification of nutritional status according to body mass index (BMI) and corrected body mass index (BMIc). Data were used from a cross-sectional study of Japanese-Brazilians. Statistical analysis provided prevalence rates for chronic diseases, kappa statistic, and Pearson's linear correlation coefficient. Some 5.9% of Japanese-Brazilians were discordant according to the BMI and BMIc classifications. The weighted kappa statistic (0.94; p = 0.000) indicated good agreement between the classifications. Similar prevalence rates for chronic diseases were obtained for individuals with excess weight classified by these two indices. Similar Pearson's linear correlation coefficients were obtained for these indices and waist circumference and body fat measurements. The results suggest that BMI correction for relative sitting height is probably unnecessary for these individuals.