📄 medicina

Prediction and Identification of Key Factors Associated with High Soft Drink Consumption Among University Students Using Machine Learning

Este estudo utilizou aprendizado de máquina, especificamente o algoritmo Random Forest, para analisar dados de 450 estudantes universitários e identificar o status de tabagismo e o ano acadêmico como preditores fundamentais de alto consumo de refrigerantes, alcançando 77,04% de precisão para informar intervenções de saúde direcionadas.

Autores originais: Arzo Ahmed, Md. Mizanur Rahman, Md. Deluar Jahan Moloy, Munni Akter

Publicado 2026-10-06

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Arzo Ahmed, Md. Mizanur Rahman, Md. Deluar Jahan Moloy, Munni Akter

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Nos corredores lotados da vida moderna, as bebidas açucaradas tornaram-se uma companheira constante, particularmente para jovens adultos que navegam na transição para a independência. Essas bebidas, frequentemente carbonatadas e repletas de açúcar refinado ou adoçantes artificiais, oferecem uma rápida explosão de energia e sabor, mas especialistas em saúde há muito alertam que suas calorias líquidas não saciam a fome da mesma forma que os alimentos sólidos. Esse descompasso pode levar a um aumento gradual na ingestão total de energia, contribuindo para o ganho de peso e uma série de outros problemas de saúde, como a deterioração dentária e distúrbios metabólicos. Embora os riscos sejam bem conhecidos, entender exatamente quem bebe mais e por quê continua sendo um quebra-cabeça complexo. As pessoas fazem essas escolhas baseadas em uma teia emaranhada de hábitos pessoais, pressões sociais e no que acreditam sobre as próprias bebidas. Para desembaraçar essa teia, pesquisadores estão recorrendo cada vez mais a uma nova e poderosa ferramenta: o aprendizado de máquina. Diferente dos métodos tradicionais que buscam conexões simples e lineares entre duas coisas, esses algoritmos de computador podem filtrar vastas quantidades de informações para encontrar padrões não lineares ocultos, revelando quais fatores realmente impulsionam o comportamento de formas que a intuição humana poderia perder.

Uma equipe de pesquisadores da Universidade de Ciência e Tecnologia Mawlana Bhashani, em Bangladesh, decidiu aplicar essa abordagem avançada a um grupo específico: estudantes universitários. Eles queriam ir além de simples questionários para construir um modelo preditivo que pudesse identificar quais estudantes tinham probabilidade de consumir grandes quantidades de refrigerantes e, mais importante, compreender os traços específicos que os tornavam assim. A equipe reuniu dados de 450 alunos de graduação em todo o campus, entrevistando-os pessoalmente para coletar detalhes sobre suas vidas. Eles perguntaram sobre dados demográficos básicos, como idade e ano de estudo, mas também se aprofundaram em hábitos pessoais, como o uso de tabaco e álcool, e até mesmo em suas atitudes em relação às próprias bebidas, como se acreditavam que os refrigerantes eram saborosos ou se achavam que continham conservantes prejudiciais. Os pesquisadores definiram um "consumidor de alto nível" como qualquer pessoa que bebesse pelo menos um litro de refrigerante por semana, um limite que permitiu separar claramente os grandes consumidores do restante do corpo estudantil.

O olhar inicial sobre os dados revelou um quadro impressionante. Aproximadamente um terço dos estudantes, ou 33,6%, enquadrava-se na categoria de alto consumo. Quando os pesquisadores começaram a comparar os hábitos desses grandes consumidores com aqueles que bebiam menos, padrões claros emergiram. Os estudantes que mais bebiam eram significativamente mais propensos a serem fumantes e a consumir álcool. Suas atitudes também diferiam; os grandes consumidores eram mais propensos a concordar que os refrigerantes eram muito saborosos e menos propensos a acreditar que as bebidas continham ingredientes prejudiciais ou que causavam problemas de saúde. Curiosamente, o ano em que o estudante estava em sua carreira universitária também importava, com estudantes do segundo ano apresentando as maiores taxas de consumo elevado de refrigerantes. Essas descobertas sugeriram que beber excessivamente refrigerantes não era um hábito isolado, mas frequentemente parte de um agrupamento mais amplo de escolhas de estilo de vida e crenças específicas sobre alimentação e saúde.

Para dar sentido a essas conexões e prever comportamentos futuros, os pesquisadores alimentaram todos esses dados em sete algoritmos diferentes de aprendizado de máquina. Estes eram programas de computador projetados para aprender com os dados e classificar os estudantes como consumidores de alto nível ou normais. A equipe testou cada programa para ver qual deles conseguiria fazer as previsões mais precisas. Os resultados mostraram que, embora todos os modelos tivessem um desempenho razoavelmente bom, um se destacou acima dos demais. Um método chamado Random Forest, que funciona combinando as decisões de muitas árvores de decisão simples para alcançar uma conclusão mais estável, provou ser o mais eficaz. Ele classificou corretamente os estudantes cerca de 77 por cento das vezes e foi particularmente bom em identificar os grandes consumidores, capturando quase 95 por cento deles. Essa alta taxa de sucesso sugere que a combinação de hábitos e atitudes que a equipe mediu contém informações suficientes para identificar de forma confiável os estudantes em risco.

Talvez o insight mais valioso do estudo tenha vindo ao perguntar ao modelo de computador vencedor o que ele considerava as pistas mais importantes. O algoritmo identificou dois fatores como os preditores mais fortes do alto consumo de refrigerantes: o status de fumante e o ano acadêmico do estudante. Essa descoberta é significativa porque destaca que o comportamento está profundamente entrelaçado com outras escolhas de estilo de vida e as pressões ou liberdades específicas que acompanham diferentes estágios da vida universitária. Embora o estudo tenha sido limitado a uma única universidade e dependido dos próprios relatos dos alunos, que às vezes podem ser imperfeitos, os resultados oferecem uma direção clara para ações futuras. Os pesquisadores sugerem que as campanhas de saúde no campus não devem focar apenas no teor de açúcar das bebidas, mas também devem visar os padrões de estilo de vida mais amplos dos estudantes, particularmente aqueles que fumam ou que estão no segundo ano de estudo. Ao compreender esses drivers específicos, as universidades podem desenhar intervenções mais eficazes para ajudar os jovens a fazerem escolhas de bebidas mais saudáveis antes que esses hábitos se tornem arraigados para a vida toda.

Resumo Técnico: Predição e Identificação de Fatores-Chave Associados ao Alto Consumo de Refrigerantes entre Estudantes Universitários Usando Aprendizado de Máquina

Declaração do Problema

O consumo excessivo de bebidas açucaradas (refrigerantes) é uma crescente preocupação de saúde pública relacionada à obesidade, distúrbios metabólicos e doenças não transmissíveis. Embora pesquisas anteriores tenham estabelecido associações entre a ingestão de refrigerantes e várias variáveis demográficas, comportamentais e atitudinais, a maioria dos estudos baseou-se em abordagens estatísticas convencionais (ex: regressão logística). Esses métodos tradicionais frequentemente têm dificuldade em capturar interações complexas e não lineares dentro de conjuntos de dados multidimensionais. Além disso, há uma compreensão limitada sobre os preditores específicos do alto consumo de refrigerantes entre estudantes universitários em Bangladesh, uma população que passa por transições dietéticas. Este estudo aborda a necessidade de não apenas identificar fatores associados, mas também de classificar consumidores e avaliar o desempenho preditivo de algoritmos de aprendizado de máquina neste contexto.

Metodologia

Desenho do Estudo e Coleta de Dados

Cenário: Um estudo transversal conduzido na Mawlana Bhashani Science and Technology University (MBSTU), Bangladesh.
Participantes: 450 estudantes de graduação (do 1º ao 5º ano acadêmico) recrutados via amostragem por conveniência.
Coleta de Dados: Entrevistas presenciais utilizando um questionário estruturado administrado em dezembro de 2024.
Variável de Desfecho: Nível de ingestão de refrigerante, dicotomizado com base no limiar proposto por Scully et al. (2017):
- Consumo Alto: ≥1 litro por semana.
- Consumo Normal: <1 litro por semana.
Preditores: Doze variáveis independentes categorizadas em quatro grupos:
- Demográfico: Idade, Ano Acadêmico, Estado Civil.
- Habitual: Status de Tabagismo, Consumo de Álcool.
- Atitudinal: Crenças em relação a sabores/cores artificiais, conservantes, teor de gordura e sabor.
- Temático: Crenças que equiparam suco natural a refrigerantes, a saudabilidade de ambos e problemas de saúde percebidos.

Abordagem Analítica

O estudo empregou uma abordagem de método duplo:

Estatística Tradicional: Análises univariadas e bivariadas (testes de Qui-quadrado) e regressão logística multivariável foram utilizadas para estimar associações e razões de chances (OR).
Aprendizado de Máquina (ML): Sete algoritmos de classificação supervisionada foram treinados e testados para prever níveis de consumo. O conjunto de dados foi dividido em 70% para treinamento e 30% para teste. Os algoritmos incluíram:
- k-Nearest Neighbors (KNN)
- Análise Discriminante Linear (LDA)
- Árvore de Classificação e Regressão (CART)
- Regressão Logística (LR)
- Naïve Bayes (NB)
- Máquina de Vetores de Suporte (SVM)
- Floresta Aleatória (RF)

Métricas de Desempenho

Os modelos foram avaliados usando Acurácia, Sensibilidade, Especificidade, Precisão e a Área Sob a Curva de Característica de Operação do Receptor (AUC). A importância das variáveis foi avaliada usando a métrica de profundidade mínima da Floresta Aleatória.

Principais Resultados

Prevalência e Associações

Prevalência: 33,6% dos participantes foram classificados como consumidores de alto nível de refrigerante.
Associações Estatísticas: Foram encontradas associações significativas ( $P < 0,05$ ) entre os níveis de consumo e todas as variáveis demográficas, habituais, temáticas e atitudinais.
Regressão Logística: A análise multivariável identificou o status de tabagismo (OR = 3,31), consumo de álcool (OR = 2,76), ano acadêmico (especificamente 2º e 4º anos), estado civil e crenças atitudinais específicas como preditores significativos.

Desempenho de Aprendizado de Máquina

Melhor Modelo de Desempenho: A Floresta Aleatória (RF) superou todos os outros algoritmos.
- Acurácia: 77,04% (95% CI: 0,6902–0,8383)
- AUC: 0,8460
- Sensibilidade: 95,40%
- Especificidade: 43,75%
- Precisão: 75,45%
Comparação: Embora o SVM e o KNN tenham alcançado maior sensibilidade (97,70%), eles sofreram de especificidade significativamente menor (31,25% e 22,92%, respectivamente). O Naïve Bayes apresentou a maior precisão (76,84%).
Importância das Variáveis: Utilizando a análise de profundidade mínima da Floresta Aleatória, os dois preditores mais influentes foram identificados como:
1. Status de Tabagismo (Profundidade mínima média = 2,02)
2. Ano Acadêmico (Profundidade mínima média = 2,07)

Principais Contribuições

Análise Comparativa de ML: Este estudo fornece uma comparação direta de sete algoritmos distintos de aprendizado de máquina para classificar o consumo de refrigerantes, demonstrando que métodos de conjunto (Floresta Aleatória) oferecem precisão preditiva e discriminação superiores (AUC) em comparação com a regressão logística tradicional e outros classificadores neste grupo demográfico específico.
Identificação de Preditores-Chave: Além das associações estatísticas padrão, o estudo utiliza a importância de características baseada em ML para apontar o status de tabagismo e o ano acadêmico como os principais impulsionadores do alto consumo, sugerindo um agrupamento de comportamentos de estilo de vida não saudáveis e o impacto das transições da vida universitária.
Evidência Contextual: A pesquisa preenche uma lacuna na literatura sobre padrões de consumo de refrigerantes e modelagem preditiva entre estudantes universitários em Bangladesh, uma região onde esses dados são limitados.

Significância e Alegações

Os autores afirmam que a integração de abordagens de aprendizado de máquina com a análise epidemiológica tradicional melhora a compreensão de comportamentos complexos de consumo. O estudo postula que:

O alto consumo de refrigerante é um problema comum entre estudantes universitários de Bangladesh, exigindo intervenções direcionadas.
Modelos de aprendizado de máquina, particularmente a Floresta Aleatória, podem identificar efetivamente estudantes em risco com base em perfis comportamentais e demográficos.
A forte associação entre o consumo de refrigerante e outros comportamentos de risco (tabagismo, álcool) sugere que as estratégias de prevenção devem abordar esses comportamentos como um grupo, em vez de isoladamente.

Limitações e Modéstia

O artigo reconhece explicitamente várias limitações que temperam a generalização de seus achados:

Desenho: A natureza transversal impede a inferência causal.
Amostragem: A amostragem por conveniência de uma única universidade limita a representatividade em relação a outras regiões ou instituições de Bangladesh.
Qualidade dos Dados: Dados autorrelatados podem introduzir vieses de memória e de desejabilidade social.
Escopo: O estudo não avaliou outros potenciais fatores, como atividade física, padrões dietéticos detalhados ou status socioeconômico.
Validação: O tamanho modesto do conjunto de dados e a falta de validação externa em uma amostra independente significam que os modelos requerem mais testes antes da implementação no mundo real.

Os autores concluem que, embora o modelo de Floresta Aleatória mostre promessa, estudos longitudinais multicêntricos futuros com amostras maiores são necessários para validar esses modelos preditivos e estabelecer relações causais mais fortes.