Fuzzy obesity index (MAFOI) for obesity evaluation and bariatric surgery indication

Abstract

BackgroundThe Miyahira-Araujo Fuzzy Obesity Index (MAFOI) for being used as an alternative in bariatric surgery indication (BSI) is validated in this paper. The search for a more accurate method to evaluate obesity and to indicate a better treatment is important in the world health context. Body mass index (BMI) is considered the main criteria for obesity treatment and BSI. Nevertheless, the fat excess related to the percentage of Body Fat (%BF) is actually the principal harmful factor in obesity disease that is usually neglected. The aim of this research is to validate a previous fuzzy mechanism by associating BMI with %BF that yields the Miyahira-Araujo Fuzzy Obesity Index (MAFOI) for obesity evaluation, classification, analysis, treatment, as well for better indication of surgical treatment.MethodsSeventy-two patients were evaluated for both BMI and %BF. The BMI and %BF classes are aggregated yielding a new index (MAFOI). The input linguistic variables are the BMI and %BF, and the output linguistic variable is employed an obesity classification with entirely new types of obesity in the fuzzy context, being used for BSI, as well.ResultsThere is gradual and smooth obesity classification and BSI criteria when using the Miyahira-Araujo Fuzzy Obesity Index (MAFOI), mainly if compared to BMI or %BF alone for dealing with obesity assessment, analysis, and treatment.ConclusionThe resulting fuzzy decision support system (MAFOI) becomes a feasible alternative for obesity classification and bariatric surgery indication.

Modelo difuso para la predicción de casos de obesidad empleando el árbol GFID3 generalizado

“…En el 2008 se propuso un nuevo índice de medida, como una alternativa en la toma de decisiones en cirugía bariátrica con respecto a su grado de obesidad, tomando como referencia el IMC y el porcentaje de grasa corporal en personas adultas, tomando como referencia los lineamientos de la OMS y la experticia de los autores para la generación de reglas [1]. En el contexto mundial de la salud el índice de masa corporal (IMC) es considerado el principal criterio para determinar si una persona tiene problemas de obesidad., sin embargo, el exceso de grasa en relación al porcentaje de grasa corporal (% BF), es en realidad el principal factor perjudicial en la enfermedad de la obesidad que por lo general se pasa por alto.…”

“…El %BF se considera un mejor índice para evaluar la obesidad que el IMC ya que este último sólo funciona como un indicativo del exceso de peso y el primero es un indicativo de exceso de la masa grasa y el riesgo de seguir siendo obesos [1] [7]. Por lo tanto, %BF ha sido suficientemente aprovechado en este artículo.…”

“…La OMS [6] indica que el número de niños y lactantes que padecen sobrepeso aumento de 32 millones a 42 millones en el 2013, la OMS establece que de acuerdo a la tendencia posiblemente este número crezca hasta 70 millones para el 2025. La definición de obesidad, medición, clasificación y tratamiento no se determinan fácilmente, encontrar un sistema para evaluar y clasificar el nivel de Obesidad, sobre todo si se refiere a los riesgos o la prescripción de los tratamientos es de gran interés clínico [1]. El exceso de peso puede provenir de músculo, hueso, grasa y / o agua en el cuerpo, la presencia de exceso de grasa en el tronco o en el abdomen fuera de proporción con la grasa corporal total es un predictor independiente de los factores de riesgo y morbilidad [19].…”

“…Hoy en día se realizan múltiples investigaciones para clasificar a una persona en condición de sobrepeso, obesidad, etc. utilizando diversos parámetros antropométricos, cuando el interés es determinar la mejor indicación terapéutica y el tratamiento, así como el mejor mecanismo apropiado para el análisis de datos, la búsqueda de un método más preciso para evaluar la obesidad y en consecuencia el mejor tratamiento [1]; por este motivo surge la pregunta, es posible la aplicación y utilización de un modelo difuso basado en árboles de decisión que pueda ser utilizado como un índice de predicción de casos de obesidad empleando un conjunto de registros médicos de crecimiento de personas entre 6-17.…”

“…Este enfoque novel combina las técnicas de árboles de decisión difuso ID3 y la lógica difusa para la generación de un índice basado en un conjunto de reglas así como un modelo para la predicción de casos de obesidad tomando como referencia los percentiles de edad, peso y BF y que pueden ser tomados como ayuda en el campo médico. Este modelo está clasificado tanto para hombres como para mujeres, tomando como referencia el hecho de que las medidas y rangos, como el porcentaje de grasa tienen rangos distintos en hombres y mujeres [1], por lo tanto el modelo clasificado es capaz de predecir si una persona es propensa a casos de obesidad con mayor precisión y ofrecen una alternativa de ayuda en el campo médico. Para relacionar las diferentes variables de nuestra base de datos se utiliza la Clasificación asociativa que es un campo integrado de la Minería de Reglas de Asociación (ARM) y Clasificación.…”