Rev. enferm. UFPE on line; 9 (3), 2015
Publication year: 2015
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 levemoderada 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 levemoderada x insegurança grave. Conclusão:
este modelo demonstrou auxiliar na tomada de decisões em
segurança alimentar nutricional.(AU)
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 53rd 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.(AU)
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.(AU)
