Predição e validação de consumo alimentar habitual usando Machine Learning em estudo multicêntrico de base populacional

• Processo: 25/22542-7
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de maio de 2026
• Data de Término da vigência: 30 de abril de 2030
• Área de conhecimento: Ciências da Saúde - Nutrição - Análise Nutricional de População
• Pesquisador responsável: Dirce Maria Lobo Marchioni
• Beneficiário: Gabriela Segalla Maroni
• Instituição Sede: Faculdade de Saúde Pública (FSP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Avaliação nutricional Ciência de dados Consumo de alimentos Epidemiologia nutricional Aprendizado computacional Saúde pública
• Palavra(s)-Chave do Pesquisador: avaliação nutricional | Ciência de dados | consumo alimentar | Epidemiologia Nutricional | machine learning | Saúde Pública | Técnicas e métodos diagnósticos na avaliação nutricional e alimentar de indivíduos e populações

Resumo

A estimativa da dieta é fundamental para compreender sua relação com desfechos de saúde. Entre os métodos disponíveis para mensurar consumo alimentar habitual, múltiplos recordatórios de 24h (R24h) são amplamente utilizados, embora sua aplicação repetida seja onerosa em estudos populacionais. Estratégias baseadas em machine learning podem reduzir custos e permitir a predição da ingestão dietética habitual com base em apenas um R24h e em características individuais, sociais, culturais, econômicas e ambientais. Objetivos: Utilizar e avaliar modelos preditivos baseados em algoritmos de machine learning para estimar o consumo alimentar habitual de adultos e idosos a partir de dados não dietéticos e de consumo alimentar recente. Métodos: Serão utilizados dados do estudo Brazuca Exposoma, de base populacional, com amostra representativa de cidades brasileiras das 5 regiões do país. A dieta será avaliada por 2 R24h aplicados com software padronizado. O consumo habitual será estimado pelo método Multiple Source Method (MSM), servindo como variável-alvo para os modelos de regressão. Variáveis preditoras incluirão dados sociodemográficos, comportamentais, antropométricos e clínicos. Modelos supervisionados (Regressão Linear, KNN, SVM, Random Forest, XGBoost) e não supervisionados (K-Means, Clustering hierárquico, GMM) serão empregados. O desempenho será avaliado por validação cruzada k-fold, com as métricas MAE, MSE, RMSE, R² e correlação predito-observado. A importância das variáveis será investigada por SHAP. Será realizada validação externa do modelo no banco de dados nacional da Pesquisa de Orçamentos Familiares. Resultados esperados: O modelo deverá predizer, com desempenho satisfatório, a ingestão habitual de energia e nutrientes a partir de 1 R24h e dados não dietéticos, substituindo a necessidade de coletar múltiplos R24h. (AU)