Resumo Introdução: A doença renal crônica (DRC) e a síndrome metabólica (SM) são reconhecidas como problemas de saúde pública relacionados ao excesso de peso e a fatores cardiometabólicos. O objetivo deste estudo foi desenvolver um modelo para prever a SM em pessoas com DRC. Métodos: Este foi um estudo transversal prospectivo de pacientes de um centro de referência em São Luís, MA, Brasil. A amostra incluiu voluntários adultos classificados de acordo com a presença de DRC leve ou grave. Para o rastreamento da SM, o algoritmo de classificação k-nearest neighbors (KNN) foi utilizado com os seguintes dados: sexo, tabagismo, circunferência do pescoço e relação cintura-quadril. Os resultados foram considerados significativos com p < 0,05. Resultados: Foram avaliados 196 pacientes adultos com média de idade de 44,73 anos, 71,9% do sexo feminino, 69,4% com sobrepeso e 12,24% com DRC. Desses últimos, 45,8% apresentaram SM, a maioria tinha até 3 componentes metabólicos alterados, e o grupo com DRC apresentou significância estatística em: circunferência da cintura, pressão arterial sistólica, pressão arterial diastólica e glicemia de jejum. O algoritmo KNN comprovou ser um bom preditor para a triagem de SM com acurácia e sensibilidade de 79% e especificidade de 80% (área sob a curva ROC – AUC = 0,79). Conclusão: O algoritmo KNN pode ser usado como um método de triagem de baixo custo para avaliar a presença de SM em pessoas com DRC. Introdução (DRC (SM cardiometabólicos Métodos Luís MA Brasil grave knearest k nearest (KNN dados tabagismo cinturaquadril. cinturaquadril cintura quadril. quadril cintura-quadril 005 0 05 0,05 Resultados 19 4473 44 73 44,7 anos 719 71 9 71,9 feminino 694 69 4 69,4 1224 12 24 12,24 últimos 458 45 8 45,8 alterados sistólica jejum 79 80 área 0,79. 079 0,79 . 0,79) Conclusão 00 0,0 1 447 7 44, 71, 6 69, 122 2 12,2 45, 07 0,7 0, 12,
Abstract Introduction: Chronic kidney disease (CKD) and metabolic syndrome (MS) are recognized as public health problems which are related to overweight and cardiometabolic factors. The aim of this study was to develop a model to predict MS in people with CKD. Methods: This was a prospective cross-sectional study of patients from a reference center in São Luís, MA, Brazil. The sample included adult volunteers classified according to the presence of mild or severe CKD. For MS tracking, the k-nearest neighbors (KNN) classifier algorithm was used with the following inputs: gender, smoking, neck circumference, and waist-to-hip ratio. Results were considered significant at p < 0.05. Results: A total of 196 adult patients were evaluated with a mean age of 44.73 years, 71.9% female, 69.4% overweight, and 12.24% with CKD. Of the latter, 45.8% had MS, the majority had up to 3 altered metabolic components, and the group with CKD showed statistical significance in: waist circumference, systolic blood pressure, diastolic blood pressure, and fasting blood glucose. The KNN algorithm proved to be a good predictor for MS screening with 79% accuracy and sensitivity and 80% specificity (area under the ROC curve – AUC = 0.79). Conclusion: The KNN algorithm can be used as a low-cost screening method to evaluate the presence of MS in people with CKD. Introduction (CKD (MS factors Methods crosssectional cross sectional Luís MA Brazil tracking knearest k nearest (KNN inputs gender smoking circumference waisttohip hip ratio 005 0 05 0.05 19 4473 44 73 44.7 years 719 71 9 71.9 female 694 69 4 69.4 1224 12 24 12.24 latter 458 45 8 45.8 components pressure glucose 79 80 area 0.79. 079 0.79 . 0.79) Conclusion lowcost low cost 00 0.0 1 447 7 44. 71. 6 69. 122 2 12.2 45. 07 0.7 0. 12.