Resumo: A resistência à insulina (RI) é considerada um dos principais fatores de risco para o desenvolvimento do diabetes tipo 2 e ainda tem componente genético não completamente entendido. Há diferentes métodos para a avaliação da RI, com custos e complexidade distintos. Como alternativa a métodos mais complexos e invasivos, podem-se buscar padrões nas medidas antropométricas e da composição corporal, relacionando-as ao diagnóstico positivo ou negativo da RI. Para compreender a influência dos atributos envolvidos em seu diagnóstico, podem-se utilizar modelos experimentais, com base em dados obtidos junto a pacientes considerados saudáveis e com resistência à insulina. Nos últimos anos, a coleta de dados tem evoluído bastante em diversas áreas, incluindo nas ciências da saúde. Paralelamente, as técnicas de mineração de dados e aprendizagem de máquina têm sido utilizadas para o tratamento dos dados obtidos, visando a geração de conhecimento e aperfeiçoamento de técnicas. Este trabalho visou analisar o banco de dados do Brazilian Metabolic Syndrome Study (BRAMS) usando o software WEKA, com os algoritmos J48 (árvores de decisão) e Multilayer Perceptron. Ambos algoritmos tiveram resultados muito parecidos, mas as árvores de decisão trouxeram uma leitura mais simples. O J48 possibilitou obter modelos com atributos importantes e pontos de cortes para o diagnóstico de RI, sendo viável a sua utilização por profissionais da área da saúde. Concluiu-se que os atributos de insulina e glicose tiveram grande influência no resultado da RI. Valores de insulina maiores do que 13 e de glicose maiores do que 79 indicaram resistência à insulina. Por outro lado, insulina menor do que ou igual a 9 e glicose menor do que ou igual a 121 indicaram ausência dessa resistência. As medidas antropométricas (dentre elas, a medida da circunferência do pescoço) também se mostraram úteis para auxiliar no diagnóstico da resistência à insulina. No caso da medida da circunferência do pescoço, para os homens, o ponto de corte encontrado foi 42 cm (onde a resistência era mais comum em valores maiores do que esse). Para mulheres, o ponto de corte encontrado foi de 39 cm, com acurácia maior para valores menores do que ou iguais a 36 cm, com indicativo de não haver resistência à insulina Ver menos

Abstract: Insulin resistance (IR) is considered one of the main risk factors for the development of type 2 diabetes and its genetic component is still not fully understood. There are different methods for assessing IR, with different costs and complexity. As an alternative to more complex and invasive methods, patterns can be sought in anthropometric measurements and body composition, relating them to the positive or negative diagnosis of IR. To understand the influence of the attributes involved in its diagnosis, experimental models can be used, based on data obtained from patients considered healthy and with insulin resistance. In recent years, data collection has evolved significantly in several areas, including health sciences. At the same time, data mining and machine learning techniques have been used to process the data obtained, aiming at generating knowledge and improving techniques. This work aimed to analyze the database of the Brazilian Metabolic Syndrome Study (BRAMS) using WEKA software, with the J48 (decision trees) and Multilayer Perceptron algorithms. Both algorithms produced very similar results, but the decision trees provided a simpler reading. J48 made it possible to obtain models with important attributes and cutoff points for the diagnosis of IR, making it feasible for use by healthcare professionals. It was concluded that the attributes of insulin and glucose had a great influence on the IR result. Insulin values greater than 13 and glucose values greater than 79 indicated insulin resistance. On the other hand, insulin less than or equal to 9 and glucose less than or equal to 121 indicated the absence of such resistance. Anthropometric measurements (including neck circumference) have also proven useful in helping diagnose insulin resistance. In the case of neck circumference, for men, the cutoff point found was 42 cm (where resistance was more common at values greater than this). For women, the cutoff point found was 39 cm, with greater accuracy for values less than or equal to 36 cm, indicating no insulin resistance Ver menos