O USO DE INTELIGÊNCIA ARTIFICIAL PARA PREDIZER O CONSUMO DE FRUTAS E HORTALIÇAS

Objetivo: Estimar a prevalência do consumo recomendado de frutas e hortaliças (FH) em pequenas áreas de Belo Horizonte, utilizando métodos de inteligência artificial. Métodos: Utilizou-se os dados do Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico de Belo Horizonte, MG georreferenciadas. Considerou-se consumo recomendado de FH quando o indivíduo referia o consumo desses alimentos em pelo menos cinco dias da semana e quando a soma das porções consumidas diariamente desses alimentos totalizava pelo menos cinco. Aplicou-se a técnica de k-means (agrupamentos hierárquicos) para identificar clusters de vulnerabilidade, derivados do Índice de Vulnerabilidade da Saúde (IVS). A análise do coeficiente de Silhueta definiu o número ideal de clusters. As prevalências do consumo de FH foram calculadas segundo os clusters, utilizando os pesos de pós-estratificação da amostra e considerando dois períodos (2010 à 2013 e 2014 à 2018). Resultados: Foram identificados nove clusters de vulnerabilidade, sendo dois de baixa (BA-0, BA-1), dois de média (MD-0, MD-1), três de elevada (EL-0, EL-1, EL-2) e dois de muito elevada (ME-0, ME-1) vulnerabilidade. No período de 2010 a 2013, a prevalência de consumo de FH variou de 41,6% em cluster de baixa vulnerabilidade (BA-1) a 16,9% em cluster de alta vulnerabilidade (ME-1). De 2014 a 2018, prevalência variou de 45,2% (BA-1) para 22,3% (EL-1). Conclusão: O estudo mostrou pior consumo de FH em áreas de maior vulnerabilidade. O estudo destaca a importância do uso da inteligência artificial para prever estimativas de fatores de risco em pequenas áreas geográficas.