Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Revista mexicana de trastornos alimentarios
versión On-line ISSN 2007-1523
Resumen
MENDEZ-PENA, Bárbara Itzel et al. Modelo de redes neuronales artificiales: Variables neuropsicológicas y su relación con el porcentaje de grasa corporal en adultos. Rev. Mex. de trastor. aliment [online]. 2022, vol.12, n.1, pp.61-70. Epub 10-Jun-2024. ISSN 2007-1523. https://doi.org/10.22201/fesi.20071523e.2022.1.718.
Existe un interés creciente por comprender las funciones neuronales y sustratos cognitivos complejos relacionados con la obesidad. Se está aplicando Inteligencia Artificial, en concreto el modelo perceptrón de Redes Neuronales Artificiales en enfermedades crónicas no transmisibles, para identificar con mayor certeza los factores de conexión (redes sinápticas) entre las variables de entrada y las variables de salida.
Objetivo
Identificar pesos sinápticos de la RNA cuyas variables de entrada fueron las funciones ejecutivas y los estilos de vida saludable, como predictores del Porcentaje de Grasa Corporal en un grupo de sujetos adultos con diferentes niveles del Porcentaje de Grasa.
Métodos
se trató de una investigación exploratoria, cuantitativa, transversal, comparativa, de conveniencia y explicativa. Se administró la Batería Neuropsicológica (BANFE-2) y el Cuestionario de Sobreingesta (OQ), a 40 participantes con edades comprendidas entre los 18-38 años. El porcentaje de grasa se midió con una báscula de composición corporal (RENPHO ES-24M). El modelo redes neuronales de perceptrón, se ejecutó con diez ensayos.
Resultados
El modelo de Red Neuronal mostró que las variables sensoriales con mayor peso sináptico para el porcentaje de grasa, fueron Errores Stroop A y B y Aciertos de BANFE-2, y Racionalizaciones de las escalas OQ y Hábitos Saludables.
Conclusiones
las redes neuronales artificiales demostró ser importante en el análisis simultáneo de datos neuropsicológicos y de estilo de vida saludable para el análisis de prevención y tratamiento de la obesidad, al identificar las variables que están estrechamente relacionadas. Estos hallazgos abren la puerta al uso de modelos de análisis no lineales, que permiten identificar relaciones de diferente peso, entre variables de entrada y salida, más eficientes que los modelos lineales.
Palabras llave : hábitos saludables; variables neuropsicológicas; grasa corporal; redes neuronales artificiales.