| Summary: | Made available in DSpace on 2015-05-14T12:47:16Z (GMT). No. of bitstreams: 1
arquivototal.pdf: 2608519 bytes, checksum: f3eda24df151184ace42cfb39724b179 (MD5)
Previous issue date: 2013-04-04 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES === Food insecurity exists when the availability of nutritionally adequate and safe foods or the
ability to acquire them in a socially acceptable is limited or uncertain. Therefore, the
prevalence of food insecurity is of great importance for the assessment of living conditions
and, consequently, for the planning of public policies to fight hunger. So it is timely and
relevant indicators that can create check from the right of access to food until the concrete
conditions of such access and its ultimate effects on health and nutrition of individuals and
collective activities. Thus, it is intended by an artificial neural network model for decision
support in food security and assist in identifying the severity of this situation in the
populations of the cities of São José dos Ramos and the Nova Floresta in the interior of
Paraíba. It is a population-based cross-sectional study with a sample of 618 households in the
two counties, and 287 in São José dos Ramos and 331 in Nova Floresta. For this study the
measurement of the rate of food insecurity and its levels were estimated using the
methodology of the Brazilian Food Insecurity Scale for model creation and decision support
data were grouped as mild-moderate food insecurity and severe food insecurity. We selected
10 quantitative variables on socioeconomic and demographic: number of rooms in the house;
numbers used rooms in the house to sleep, total household members; schooling in years of the
household head, number of children and adolescents attending school , number of children,
number of adolescents, number of adults, number of elderly, relationship between workers
and unemployed and with the help of MATLAB software generates a model of Artificial
Neural Network feedforward with one input layer, one hidden layer with 22 neurons , and 1
output layer with 2 neurons with backpropagation learning. Based on this, the generated
models achieved the following results: 81% correct in deciding on food security and food
insecurity x 80.2% of food insecurity in the decision mild-moderate to severe insecurity x São
José dos Ramos; Nova Floresta got 80. 7% correct in deciding on food security and food
insecurity x 80.4% food insecurity in the decision to take x-moderate severe insecurity.
Therefore, this model constitutes an important tool to define the trends priority intervention in
municipalities, in order to permit the identification of this disease at the local level and can
support the process of decision making and planning of public policies and actions aimed at
promoting food security. === A insegurança alimentar existe quando a disponibilidade de alimentos nutricionalmente
adequados e seguros, ou a capacidade para adquiri-los de forma socialmente aceitável é
limitada ou incerta. Por isso, conhecer a prevalência da insegurança alimentar é de grande
importância para a avaliação das condições de vida e, consequentemente, para o planejamento
de políticas públicas de combate à fome. Então, torna-se oportuno e relevante criar
indicadores que possam verificar desde o direito de acesso aos alimentos até as condições
concretas desse acesso e suas consequências finais no estado de saúde e nutrição dos
indivíduos e coletividades. Assim, pretende-se através de um modelo de rede neural artificial
para o apoio à decisão em segurança alimentar e nutricional ajudar na identificação da
gravidade desta situação nas populações dos municípios de São José dos Ramos e de Nova
Floresta no interior da Paraíba. Trata-se de um estudo transversal de base populacional, com
uma amostra de 618 famílias residentes nos dois municípios, sendo 287 em São José dos
Ramos e 331 em Nova Floresta. Para este estudo a mensuração do índice de insegurança
alimentar e dos seus níveis foi estimada com o uso da metodologia da Escala Brasileira de
Insegurança Alimentar e para criação do modelo de apoio à decisão os dados foram agrupados
como insegurança alimentar leve-moderada e insegurança alimentar grave. Selecionou-se 10
variáveis quantitativas sobre a realidade socioeconômica e demográfica: números de cômodos
na casa; números de cômodos na casa utilizados para dormir; total de moradores na casa;
escolaridade em anos do chefe de família; quantidade de crianças e adolescentes frequentando
a escola; quantidade de crianças; quantidade de adolescentes; quantidade de adultos;
quantidade de idosos, relação entre trabalhadores e desempregados e com auxílio do software
MATLAB gerando um modelo de Rede Neural Artificial do tipo feedforward com 1 camada
de entrada, 1 camada oculta com 22 neurônios, e 1 camada de saída com 2 neurônios com
aprendizagem por backpropagation. Com base nisto, os modelos gerados obtiveram como
resultados: 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. Portanto, este modelo constitui-se um instrumento importante para definir
as tendências prioritárias de intervenção nos municípios, no sentido de permitir a identificação
deste agravo em esfera local, podendo subsidiar o processo de tomada de decisão e o
planejamento de políticas públicas e ações que visem à promoção da segurança alimentar.
|
|---|
