Rede neural artificial e o modelo de apoio à decisão em segurança alimentar nutricional

Resumo

RESUMO

Objetivo: criar uma rede neural artificial para o apoio à decisão em segurança alimentar nutricional. Método: estudo observacional, transversal, de base populacional, cuja unidade amostral foi de 287 famílias residentes em São José dos Ramos, no interior do estado da Paraíba, retirados do banco de dados da pesquisa publicada em 2008 e definidas por amostragem aleatória estratificada, em que o município foi dividido em dois estratos: área urbana e área rural. O projeto de pesquisa teve a aprovação do Comitê de Ética e Pesquisa do CCS/UFPB na sua 53º reunião ordinária. Resultados: a rede neural artificial gerada obteve 81% de acertos na decisão sobre segurança alimentar x insegurança alimentar e 80,2% na decisão de insegurança alimentar leve-moderada x insegurança grave para São José dos Ramos; Nova Floresta obteve 80,7% de acertos na decisão sobre segurança alimentar x insegurança alimentar e 80,4% na decisão de insegurança alimentar leve-moderada x insegurança grave. Conclusão: este modelo demonstrou auxiliar na tomada de decisões em segurança alimentar nutricional. Descritores: Segurança Alimentar e Nutricional; Redes Neurais Artificiais; Técnicas de Apoio para a Decisão.

ABSTRACT

Objective: to create an artificial neural network for decision support in nutritional food security. Method: observational and cross-sectional study, population-based, whose sample unit was 287 families who live in São José dos Ramos, in the state of Paraíba, taken from the research database published in 2008 and defined by stratified random sampling; the city was divided into two sections: urban and rural areas. The research project was approved by the Ethics and Research Committee of the CCS / UFPB in its 53^rd regular meeting. Results: the generated artificial neural network has achieved 81% of hits in deciding on food security and food insecurity x 80.2% in the decision to mild-moderate food insecurity x severe insecurity for São José dos Ramos; Nova Floresta have obtained 80.7% of hits in deciding on food security and food insecurity x 80.4% in the decision to mild-moderate food insecurity x severe insecurity. Conclusion: this model demonstrated to assist in making decisions on nutritional food security. Descriptors: Food Security and Nutrition; Artificial Neural Networks; Techniques of Decision Support.

RESUMEN

Objetivo: Crear una red neuronal artificial para apoyar las decisiones en la seguridad alimentaria nutricional. Método: estudio observacional y transversal, de base poblacional, la unidad muestra de 287 familias que viven en São José dos Ramos, en el estado de Paraíba, tomada de la base de datos de investigación publicado en 2008 y se define mediante un muestreo aleatorio estratificado en que la ciudad se dividió en dos estratos: zonas urbanas y rurales. El proyecto de investigación fue aprobado por el Comité de Ética e Investigación de la CCS/UFPB en su 53º reunión ordinaria. Resultados: la red neuronal artificial generada alcanzó 81% de aciertos en la decisión sobre la seguridad alimentaria y la inseguridad alimentaria x 80,2% en la decisión de la inseguridad alimentaria leve-moderada x incertidumbre grave para São José dos Ramos; Nova Floresta obtuvo el 80,7% de respuestas correctas en la decisión sobre la seguridad alimentaria y la inseguridad alimentaria x 80,4% en la decisión de la inseguridad alimentaria leve-moderada x grave inseguridad. Conclusión: Este modelo demostró ayudar en la toma de decisiones sobre la seguridad alimentaria nutricional. Descriptores: Seguridad Alimentaria Y Nutrición; Redes Neuronales Artificiales; Técnicas De Soporte de Decisiones.