O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Silva, Rodrigo Silveira da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aderência ao tratamento
Aprendizado de máquina
Exercício físico
Exercise
Machine learning
Treatment adherence
Link de acesso: https://www.teses.usp.br/teses/disponiveis/39/39136/tde-03122024-164353/
Resumo: O Brasil enfrenta uma alta prevalência de sedentarismo e, em que acredita-se ser oriunda a características biopsicossociais desconhecidas pelos profissionais de Educação Física, e que resultam em aversão do praticante pelo exercício. Assim, os objetivos do presente estudo foram avaliar os efeitos de prescrições de treinamento físico baseadas em características biopsicossociais de sujeitos com perfis comportamentais aversivos ou com afinidade pelo exercício sobre a aderência pelo exercício físico. O desenho experimental consistiu em duas etapas, sendo uma transversal, que consistiu em levantar um banco de dados, e compreender os padrões comportamentais relacionados à prática de exercícios no Brasil; E uma etapa longitudinal que consistiu em utilizar as informações da etapa transversal para identificar e agrupar o perfil comportamental aversivo pelo exercício, acompanhá-los por 6 meses em um programa de treinamento individualizado, adaptar os exercícios para suas respectivas características e observar os efeitos da intervenção na aderência e no próprio perfil comportamental pelo exercício comparando com um grupo controle. Como resultado, as características de sujeitos aversivos foram identificadas e ranqueadas pelo algoritmo Multilayer Perceptron (AUC = 0.7) na etapa transversal. Na etapa longitudinal, o grupo intervenção apresentou 9.4 vezes mais chances de aderência do que o grupo controle (RR = 9.4, IC = 1.2 - 74.0, p < 0.05). Conclui-se que existem dois padrões de perfis comportamentais relacionados ao exercício, sendo um com características aversivas e menor aderência ao exercício físico, e o outro com características opostas. Quando o profissional de Educação Física conhece o perfil comportamental do praticante e prescreve os exercícios respeitando essas características, ele é capaz de promover a aderência
id USP_bfc644394afaf187cc207381e328a24b
oai_identifier_str oai:teses.usp.br:tde-03122024-164353
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físicoThe use of Machine Learning in the identification of behavioral profiles, training prescription, and adherence to physical exerciseAderência ao tratamentoAprendizado de máquinaExercício físicoExerciseMachine learningTreatment adherenceO Brasil enfrenta uma alta prevalência de sedentarismo e, em que acredita-se ser oriunda a características biopsicossociais desconhecidas pelos profissionais de Educação Física, e que resultam em aversão do praticante pelo exercício. Assim, os objetivos do presente estudo foram avaliar os efeitos de prescrições de treinamento físico baseadas em características biopsicossociais de sujeitos com perfis comportamentais aversivos ou com afinidade pelo exercício sobre a aderência pelo exercício físico. O desenho experimental consistiu em duas etapas, sendo uma transversal, que consistiu em levantar um banco de dados, e compreender os padrões comportamentais relacionados à prática de exercícios no Brasil; E uma etapa longitudinal que consistiu em utilizar as informações da etapa transversal para identificar e agrupar o perfil comportamental aversivo pelo exercício, acompanhá-los por 6 meses em um programa de treinamento individualizado, adaptar os exercícios para suas respectivas características e observar os efeitos da intervenção na aderência e no próprio perfil comportamental pelo exercício comparando com um grupo controle. Como resultado, as características de sujeitos aversivos foram identificadas e ranqueadas pelo algoritmo Multilayer Perceptron (AUC = 0.7) na etapa transversal. Na etapa longitudinal, o grupo intervenção apresentou 9.4 vezes mais chances de aderência do que o grupo controle (RR = 9.4, IC = 1.2 - 74.0, p < 0.05). Conclui-se que existem dois padrões de perfis comportamentais relacionados ao exercício, sendo um com características aversivas e menor aderência ao exercício físico, e o outro com características opostas. Quando o profissional de Educação Física conhece o perfil comportamental do praticante e prescreve os exercícios respeitando essas características, ele é capaz de promover a aderênciaBrazil faces a high prevalence of physical inactivity and a high dropout rate in exercise programs, which are believed to stem from biopsychosocial characteristics unknown to Physical Education professionals, resulting in practitioners\' aversion to exercise. Thus, the aim of the present study was to evaluate the effects of physical exercises prescriptions based on the biopsychosocial characteristics of subjects with aversive or affinity behavioral profiles towards exercise on adherence to physical exercise routine. The experimental design consisted of two stages: a cross-sectional stage, which involved creating a database and understanding the behavioral patterns related to exercise practice in Brazil; and a longitudinal stage, which involved using the information from the cross-sectional stage to identify and group the aversive behavioral profile towards exercise, follow them for 6 months in an individualized training program, adapt the exercises to their respective characteristics, and observe the effects of the intervention on adherence and the behavioral profile towards exercise, comparing with a control group. As a result, the characteristics of aversive subjects were identified and ranked by the Multilayer Perceptron algorithm (AUC = 0.7) in the cross-sectional stage. In the longitudinal stage, the intervention group showed 9.4 times higher chances of adherence than the control group (RR = 9.4, CI = 1.2 - 74.0, p < 0.05). It can be concluded that there are two behavioral profile patterns related to exercise: one with aversive characteristics and lower adherence to physical exercise, and the other with opposite characteristics. When the Physical Education professional understands the behavioral profile of the practitioner and prescribes exercises respecting these characteristics, they are able to promote adherenceBiblioteca Digitais de Teses e Dissertações da USPAsano, Ricardo YukioTakito, Monica YuriSilva, Rodrigo Silveira da2024-09-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/39/39136/tde-03122024-164353/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-12-04T12:50:02Zoai:teses.usp.br:tde-03122024-164353Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-12-04T12:50:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico
The use of Machine Learning in the identification of behavioral profiles, training prescription, and adherence to physical exercise
title O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico
spellingShingle O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico
Silva, Rodrigo Silveira da
Aderência ao tratamento
Aprendizado de máquina
Exercício físico
Exercise
Machine learning
Treatment adherence
title_short O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico
title_full O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico
title_fullStr O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico
title_full_unstemmed O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico
title_sort O uso de Machine Learning na identificação de perfis comportamentais, prescrição de treinamento e aderência ao exercício físico
author Silva, Rodrigo Silveira da
author_facet Silva, Rodrigo Silveira da
author_role author
dc.contributor.none.fl_str_mv Asano, Ricardo Yukio
Takito, Monica Yuri
dc.contributor.author.fl_str_mv Silva, Rodrigo Silveira da
dc.subject.por.fl_str_mv Aderência ao tratamento
Aprendizado de máquina
Exercício físico
Exercise
Machine learning
Treatment adherence
topic Aderência ao tratamento
Aprendizado de máquina
Exercício físico
Exercise
Machine learning
Treatment adherence
description O Brasil enfrenta uma alta prevalência de sedentarismo e, em que acredita-se ser oriunda a características biopsicossociais desconhecidas pelos profissionais de Educação Física, e que resultam em aversão do praticante pelo exercício. Assim, os objetivos do presente estudo foram avaliar os efeitos de prescrições de treinamento físico baseadas em características biopsicossociais de sujeitos com perfis comportamentais aversivos ou com afinidade pelo exercício sobre a aderência pelo exercício físico. O desenho experimental consistiu em duas etapas, sendo uma transversal, que consistiu em levantar um banco de dados, e compreender os padrões comportamentais relacionados à prática de exercícios no Brasil; E uma etapa longitudinal que consistiu em utilizar as informações da etapa transversal para identificar e agrupar o perfil comportamental aversivo pelo exercício, acompanhá-los por 6 meses em um programa de treinamento individualizado, adaptar os exercícios para suas respectivas características e observar os efeitos da intervenção na aderência e no próprio perfil comportamental pelo exercício comparando com um grupo controle. Como resultado, as características de sujeitos aversivos foram identificadas e ranqueadas pelo algoritmo Multilayer Perceptron (AUC = 0.7) na etapa transversal. Na etapa longitudinal, o grupo intervenção apresentou 9.4 vezes mais chances de aderência do que o grupo controle (RR = 9.4, IC = 1.2 - 74.0, p < 0.05). Conclui-se que existem dois padrões de perfis comportamentais relacionados ao exercício, sendo um com características aversivas e menor aderência ao exercício físico, e o outro com características opostas. Quando o profissional de Educação Física conhece o perfil comportamental do praticante e prescreve os exercícios respeitando essas características, ele é capaz de promover a aderência
publishDate 2024
dc.date.none.fl_str_mv 2024-09-20
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/39/39136/tde-03122024-164353/
url https://www.teses.usp.br/teses/disponiveis/39/39136/tde-03122024-164353/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1865491665530126336

Registros relacionados