Classificação de risco de demência através da análise da marcha de pessoas idosas usando algoritmos de machine learning

• Main Author: Costa, Rai Braz
• Publication Date: 2024
• Format: Master thesis
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10198/30920
• topic: Risco de demência; Análise; Marcha; Pessoas idosas; Algoritmos; Machine learning; Domínio/Área Científica::Ciências Sociais::Outras Ciências Sociais

O declínio irreversivelmente progressivo das funções fisiológicas é conhecido como envelhecimento. Entre essas alterações está o envelhecimento cerebral, que leva ao declínio cognitivo e à promoção da expressão da demência. Isso afeta diretamente a memória, a aprendizagem e as habilidades motoras, o que resulta em uma diminuição na eficiência da marcha. O objetivo foi investigar a viabilidade de identificar e classificar o risco de Demência com base na análise das variáveis cinemáticas relacionadas com a marcha de idosos, utilizando algoritmos de machine learning. Este estudo observacional transversal examinou uma amostra de 59 indivíduos com idades entre 60 ± 8 anos. Foram divididos em um grupo de idosos institucionalizados (GI) com 26 participantes e outro grupo não institucionalizado (GNI) com 33 participantes, todos residentes na cidade de Bragança. Os dados de marcha foram avaliados através de uma caminhada de 10 metros, capturados em vídeo e posteriormente analisados pelo software Kinovea. O estado cognitivo foi avaliado por meio do questionário Mini Exame do Estado Mental (MEEM). Para a análise estatística, o programa PythonTM foi utilizado para criar um modelo de algoritmos de machine learning para classificar o risco de demência associado aos idosos de acordo com suas variáveis de marcha. Os resultados deste estudo mostraram que os modelos algorítmicos alcançaram um desempenho global de 74,6%, com o algoritmo Ada Boost a liderar com 83,5%. A validação cruzada dos algoritmos revelou uma precisão global de 72%, com o Classificador de Vetores de Suporte a apresentar o melhor desempenho individual 80%, indicando que este modelo respondeu corretamente a 80% das classificações nos diferentes subconjuntos de dados. Portanto, concluímos que a avaliação da marcha, combinada com algoritmos de machine learning, evidenciou a relação entre as variáveis da marcha e a demência, tornando-se uma técnica segura e eficiente para a classificação da demência.