English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Um dos pontos críticos nos algoritmos de Inteligência Artificial é a eficiência do classificador utilizado nos diferentes cenários de uma rede neural recursiva. O KNN (K-Nearest Neighbors) é um classificador  simples capaz de rotular cada elemento de um conjunto de dados a partir da distância destes em relação aos seus vizinhos mais próximos em um conjunto de dados semelhante treinado previamente. Na área da saúde é amplamente conhecido que a Relação Cintura Quadril (RCQ) e a Pressão Arterial (PA) estão fortemente correlacionadas. Objetivo: averiguar o comportamento da acurácia, sensibilidade e precisão do KNN para diferentes valores de k (3, 5 e 7) em relação à identificação de hipertensos em uma conjunto de dados de RCQ. Métodos: A amostra é composta por 499 mulheres, usuários do Programa de Saúde da Família (PSF) na cidade de Poços de Caldas, Minas Gerais.Todas as participantes assinaram o Termo de Consentimento Livre e Esclarecido (TCLE).Todas as participantes assinaram o Termo de Consentimento Livre e Esclarecido (TCLE). Para aferição da PA foi utilizado um esfigmomanômetro de coluna de mercúrio (0-300 mmHg) da marca Biotec ®, a medida das circunferências da cintura e do quadril foram realizadas com uma fita antropométrica, com escala em milímetros da marca Sanny®. O algoritmo 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: os valores da acurácia, sensibilidade e precisão variaram para os diferentes valores de K testados na KNN. Para K=3 foram obtidos os melhores valores para acurácia (0,89) sensibilidade (0,89) e precisão (0,89) para este classificador de mulheres hipertensas a partir do RCQ das mesmas. Conclusão: o método KNN é um eficiente classificador em redes neurais recursivas aplicadas na área da saúde.

APLICAÇÃO DO CLASSIFICADOR K-NEAREST NEIGHBORS (KNN) NA ÁREA DA SAÚDE: RELAÇÃO CINTURA-QUADRIL E PRESSÃO ARTERIAL