22/11/2021 - 09:00 - 18:00
PE40 - Epidemiologia nutricional (TODOS OS DIAS) |
33075 - ACONSELHAMENTO DA DIETA BASEADO EM ALGORITMOS DE RECOMENDAÇÃO
VANDERLEI CARNEIRO DA SILVA - FACULDADE DE SAÚDE PÚBLICA, UNIVERSIDADE DE SÃO PAULO, TÂNIA APARECIDA DE ARAUJO - FACULDADE DE MEDICINA, UNIVERSIDADE FEDERAL DE UBERLÂNDIA, DIRCE MARIA MARCHIONI - FACULDADE DE SAÚDE PÚBLICA, UNIVERSIDADE DE SÃO PAULO, ITAMAR DE SOUZA SANTOS - HOSPITAL UNIVERSITÁRIO, FACULDADE DE MEDICINA, UNIVERSIDADE DE SÃO PAULO, ISABELA MARTINS BENSEñOR - HOSPITAL UNIVERSITÁRIO, FACULDADE DE MEDICINA, UNIVERSIDADE DE SÃO PAULO
Objetivo: desenvolver um sistema para aconselhamento personalizado da dieta baseado em algoritmos de recomendação. Métodos: amostra constituída por 12.667 servidores públicos, participantes do Estudo Longitudinal de Saúde do Adulto (ELSA-Brasil). Foram incluídos homens e mulheres, entre 35 e 74 anos, que participaram da primeira fase do estudo (2008-2010). A avaliação da dieta foi realizada por meio de um Questionário de Frequência Alimentar (QFA) semiquantitativo. Os itens recomendados foram: cereais e grãos integrais, feijões e outras leguminosas, frutas, vegetais, iogurte, leite e derivados com redução de gordura, carnes brancas, peixes e ovos. Para implementação e avaliação do sistema, a base de dados foi dividida em treino (70%) e teste (30%). As análises foram realizadas com o algoritmo recommender lab no software R. Dois métodos foram comparados 1) Filtragem Colaborativa Baseada em Usuário (UBCF); 2) Filtragem Colaborativa Baseada em Item (IBCF). Resultados: A medida de similaridade entre os usuários variou de -0,25 a 0,95 (Coeficiente de Pearson). Entre as métricas de desempenho, UBCF apresentou 1,54; 2,36; 1,31; para Root Mean Square Error (RMSE); Mean Squared Error (MSE); Mean Absolute Error (MAE), respectivamente. Considerando a mesma sequência, IBCF apresentou 1,71; 2,92; 1,44, ou seja, maior nível de erros. Considerando os itens recomendados no conjunto de testes o modelo final alcançou 73% de precisão. Conclusões: Nosso sistema avaliou o perfil de cada participante e destacou as recomendações que seriam de maior aceitação considerando o conjunto de todas sugestões. Essa ferramenta pode apoiar estratégias de aconselhamento mais graduais.
|
