Avaliação do modelo de Inteligência artificial com melhor performance para predizer a resistência à insulina em adolescentes do Estudo de Fatores de Risco Cardiovascular em Adolescentes 

Apresentação

A resistência à insulina é caracterizada pela redução da resposta do tecido às ações mediadas pela insulina e representa o oposto da sensibilidade à insulina (LEVY-MARCHAL, et al., 2010).

Atualmente, existe o método considerado padrão-ouro para medir a resistência à insulina, como o clamp euglicêmico hiperinsulinêmico. No entanto, esse método é caro e trabalhoso, tornando-se raramente utilizados em grandes estudos epidemiológicos (SINGH, et al., 2010). Em crianças e adolescentes, são empregados métodos alternativos indiretos baseados nos níveis de insulina e glicose em jejum, como o HOMA-IR (SCHWARTZ et al., 2008).

O objetivo será desenvolver um modelo preditivo de Machine Learning de resistência insulínica em adolescentes do Estudo de Fatores de Risco Cardiovascular em Adolescentes. Serão comparados os modelos de Machine Learning utilizados na literatura para predição clínica de resistência à insulina e comparar o modelo de regressão logística.

Como resultados, será desenvolvido e avaliado o modelo de melhor performance para predição clínica de resistência à insulina nos adolescentes do ERICA.

Status: Em andamento

Início: Maio/2023 Conclusão Prevista: Dezembro/2024

Eixo temático: Doenças Cardiovasculares e Fatores de Risco Hipertensão Arterial, Diabetes Mellitus, Obesidade, Terapias

Eixo metodológico: Pesquisas Epidemiológicas

Instituição coordenadora: Universidade de Brasília

Instituições participantes: Fundação de Apoio à Pesquisa do Distrito Federal

Fonte de fomento: –

Coordenação: Rodolfo Rêgo Deusdará Rodrigues – Universidade de Brasília Integrantes:  Jessica Aparecida Silva – Universidade de Brasília Katia Vergetti Bloch – Universidade Federal do Rio de Janeiro