Este articulo es un Preprint
Los preprints son informes de investigación preliminares que no han sido certificados por revisión por pares. No deben considerarse para guiar la práctica clínica o los comportamientos relacionados con la salud y no deben publicarse en los medios como información establecida.
Los preprints publicados en línea permiten a los autores recibir comentarios rápidamente, y toda la comunidad científica puede evaluar de forma independiente el trabajo y responder adecuadamente. Estos comentarios se publican junto con los preprints para que cualquiera pueda leer y servir como una revisión pospublicación.
What is the influence of lifestyle habits and socioeconomic factors on the occurrence of prostate cancer in Brazil? / ¿Cuál es la influencia de los hábitos de vida y de los factores socioeconómicos en la aparición del cáncer de próstata en Brasil? / Qual a influência de hábitos de vida e fatores socioeconômicos na ocorrência de câncer de próstata no Brasil?
SciELO Preprints; dez. 2023.
Preprint
en Pt
| PREPRINT-SCIELO
| ID: pps-7566
Biblioteca responsable:
BR1.1
ABSTRACT
Objective:
the investigation of physical, lifestyle and socioeconomic features that may be associated with the occurrence of prostate cancer in Brazil.Methods:
a microdata base referring to the 2019 National Health Survey in Brazil was used, with the selection of 42,799 male individuals; this group was analyzed using statistical methods and machine learning modeling (logistic regression and decision tree).Results:
the models applied allowed us to identify with a good level of accuracy individuals with prostate cancer diagnosis (DCP), in addition to groups with specific features more strongly associated with such a disease.Conclusion:
the models indicate a significant influence of socioeconomic, physical and dietary factors on the frequency of DCP in the analyzed group. The high level of accuracy and sensitivity of the models demonstrates the potential of machine learning methods for predicting DCP.RESUMEN
Objetivo:
investigar características físicas, de estilo de vida y socioeconómicas que pueden estar asociadas con la aparición de cáncer de próstata en Brasil.Métodos:
se utilizó una base de microdatos referente a la Encuesta Nacional de Salud de 2019, con la selección de 42.799 individuos del sexo masculino; este grupo fue analizado mediante métodos estadísticos y modelado de machine learning (regresión logística y árbol de decisión).Resultados:
los modelos aplicados permitieron identificar con buen nivel de exactitud a los individuos con diagnóstico de cáncer de próstata (DCP), además de grupos con características específicas más fuertemente asociadas a esta enfermedad.Conclusión:
los modelos indican influencia significativa de factores socioeconómicos, físicos y dietéticos sobre la frecuencia de DCP en el grupo analizado. El alto nivel de exactitud y sensibilidad de los modelos demuestra el potencial de los métodos de machine learning para predecir la DCP.RESUMO
Objetivo:
investigar características físicas, de hábitos de vida e socioeconômicas que podem estar associadas à ocorrência de câncer de próstata no Brasil.Métodos:
uma base de microdados referente à Pesquisa Nacional de Saúde 2019 foi utilizada, com a seleção de 42.799 indivíduos do sexo masculino; este grupo foi analisado por meio de métodos estatísticos e modelagem por machine learning (regressão logística e árvore de decisão).Resultados:
os modelos aplicados permitiram identificar com bom nível de acurácia os indivíduos que receberam o diagnóstico de câncer de próstata (DCP), além de grupos com características específicas mais fortemente associados a esta doença.Conclusão:
os modelos indicam uma influência significativa de fatores socioeconômicos, físicos e alimentares na frequência de DCP no grupo analisado. O alto nível de acurácia e sensibilidade dos modelos demonstra o potencial dos métodos de machine learning para a previsão de DCP.
Texto completo:
1
Colección:
09-preprints
Base de datos:
PREPRINT-SCIELO
País/Región como asunto:
America do sul
/
Brasil
Idioma:
Pt
Año:
2023
Tipo del documento:
Preprint