Algoritmo evolutivo para predição de dados antropométricos infantis como apoio à tomada de decisão / Evolutionary algorithm for prediction of anthropometric data of children as support to decision making / Algoritmo evolutivo para predicción de los datos antropométricos de niños como apoyo a toma de decisiones
J. health inform
; 5(1): 9-16, jan.-mar. 2013. tab, ilus
Article
em Pt
| LILACS
| ID: lil-683535
Biblioteca responsável:
BR1.2
RESUMO
Objetivo:
Reportar o emprego de um algoritmo de programação genética no contexto da predição para gerar automaticamente uma equação matemática que represente o mais próximo possível a curva de crescimento infantil (referentes a peso e altura) registrada historicamente.Método:
O algoritmo de programação genética proposto está focado na indução de equações matemáticas, executando o processo chamado de regressão simbólica sobre dados de quatro crianças do sexo masculino.Resultado:
Observou-se que a curva gerada torna-se mais próxima da curva de crescimento nos últimos pontos de treinamento. Assim, quanto maior o número de dados para treinamento, maior a precisão da predição.Conclusão:
A abordagem proposta retrata tendências de evolução com base em informações do histórico da criança analisada e pode ser utilizada para identificar precocemente possíveis problemas de desnutrição, obesidade e outros aspectos relacionados ao desenvolvimento físico, servindo de auxílio na tomada de decisão por parte de especialistas da área da saúde.ABSTRACT
Objective:
To report the use of a genetic programming algorithm in the prediction context to automatically generate a mathematical equation that represents the child?s growth curve (for weight and height) historically recorded.Method:
The proposed genetic programming algorithm is focused in the induction of mathematical equations, running the process called symbolic regression on data from four male children.Results:
It was observed that the generated curve becomes closer of growth curve in the last training points, so with a more number of training data, better the accurate of prediction.Conclusion:
The proposed approach portrays evolution trends based on historical information of the analyzed child and can be used to identify potential problems of early malnutrition, obesity and other aspects related to physical development, serving as an aid in decision making by specialists health.RESUMEN
Objetivo:
Describir el uso de un algoritmo de programación genética en contexto de predicción para generar automáticamente una ecuación matemática que representa lo más cercano posible a la curva de crecimiento infantil (peso y altura) registrada históricamente.Método:
El algoritmo propuesto utiliza la regression sinbolica de los datos de cuatro niños varones para obtener la cuerva y la ecuacion matematica que representa estos dados.Resultados:
En general, la curva obtenida se aproxima a la curva de crecimiento en los últimos puntos de entrenamiento. Cuanto mayor sea el número de datos de entrenamiento, más precisa será la predicción.Conclusión:
El enfoque propuesto representa las tendencias de evolución basadas en la información histórica de los niños analizados y puede ser utilizada para identificar los problemas potenciales de desnutrición temprana, obesidad y otros aspectos relacionados con el desarrollo físico, sirviendo como ayuda en la toma de decisiones por parte de especialistas en salud.Palavras-chave
Texto completo:
1
Coleções:
01-internacional
Base de dados:
LILACS
Assunto principal:
Algoritmos
/
Inteligência Artificial
/
Antropometria
/
Técnicas de Apoio para a Decisão
/
Previsões
Tipo de estudo:
Prognostic_studies
/
Risk_factors_studies
Limite:
Humans
/
Infant
/
Male
/
Newborn
Idioma:
Pt
Revista:
J. health inform
Assunto da revista:
INFORMATICA MEDICA
/
SERVICOS DE SAUDE
/
TECNOLOGIA
Ano de publicação:
2013
Tipo de documento:
Article
País de afiliação:
Brasil
País de publicação:
Brasil