Portal de Periódicos da CAPES

ALGORITMO MACHINE LEARNING PARA DIAGNÓSTICO DA HIPERTENSÃO A PARTIR DO NÚMERO DE PASSOS REALIZADOS POR DIA

2021; Issue: V13N2 Linguagem: Português

10.36692/v13n2-19

2178-7514

José Ricardo Lourenço de Oliveira, L. Silió, Bráulio Nascimento Lima, Adriano de Almeida Pereira, Gustavo Celestino Martins, Leandro Borelli de Camargo, Carlos Henrique Prevital Fileni, Marcelo Francisco Rodrigues, Ricardo Pablo Passos, Guanis de Barros Vilela,

Healthcare Regulation

A construção de algoritmos de Inteligência Artificial pode encontrar certos pontos críticos sendo a classificação dos resultados um deles. Neste estudo foi utilizado o KNN (K-Nearest Neighbors) embora seja considerado um classificador simples, porém amplamente utilizado. Na área da saúde são conhecidos os benefícios da atividade física na prevenção da hipertensão. Objetivo: averiguar o comportamento da acurácia, sensibilidade e precisão do KNN para diferentes valores de k (3, 5 e 25) em relação à identificação de hipertensos a partir do número de passos dados por dia. Métodos: A amostra é composta por 599 sujeitos de todos os gêneros, funcionários de um call center na cidade de Curitiba, Paraná. Para a aferição da PA foi utilizado um esfigmomanômetro da marca TechLine® modelo MG20 aferido e calibrado, foi estimado o número de passos dados por dia para cada sujeito. O algoritmo utilizado foi desenvolvido na linguagem Python® 3.0 e bibliotecas específicas do mesmo foram utilizadas. Foram utilizados 80% dos dados para o treinamento do algoritmo e 20% para a fase de testagem do mesmo. Resultados: para k=3 apresentou precisão de 0,98, sensibilidade 0,98 e F1-score de 0,98, sendo a acurácia de 98%. Para K=5, obteve precisão de 0,97, sensibilidade 0,97 e F1-score de 0,97, sendo a acurácia de 97%. Para K=25, obteve precisão de 0,94, sensibilidade 0,93 e F1-score de 0,93, sendo a acurácia de 93%. Conclusão: o algoritmo KNN, quando utilizado como classificador em uma machine learning que considera o número de passos que o sujeito realiza por dia, apresentou uma excelente confiabilidade.