AU - Al-Qethami, Amani Musaaed AB - Obesity rates among children with autism spectrum disorder (ASD) have consistently been higher compared to general childhood obesity rates. While hypotheses regarding this gap point to insufficient physical activity, inadequate sleep, and poor dietary behaviors, there is no definitive study linking these factors to obesity in children. This study aims to address this research gap by managing obesity in children through analyzing data related to diet, physical activity, and sleep habits using Decision Trees, Random Forests, and Artificial Neural Networks. The study is a quantitative analysis of data collected through questionnaires to determine obesity rates and any relationships with the mentioned factors. The study sample includes parents of children with ASD, aged 2 to 19 years, registered at Prince Nasser bin Turki Center and the Autism Academy in Riyadh. Data analysis will be conducted using AI techniques such as Decision Trees, Random Forests, and Artificial Neural Networks, providing accurate, data-driven predictions. The goal of this study is to pave the way for effective interventions that can be used to reduce obesity in children with ASD. The results will be useful in guiding public policies and designing programs to reduce obesity among children with this disorder using AI-based analyses, enhancing the ability of researchers and specialists to identify influencing factors and offer targeted, precise solutions. (Published abstract) http://search.shamaa.org/abstract_en.gif AB - تُظهر معدلات السمنة بين الأطفال المصابين باضطراب طيف التوحد (ASD) ارتفاعاً مستمراً مقارنةً بمعدلات السمنة لدى الأطفال بشكل عام. غالباً ما تُعزى أسباب هذه الفجوة إلى عوامل مثل نقص النشاط البدني، قلة النوم، والعادات الغذائية السيئة. ومع ذلك، فإن هناك نقصاً في الأبحاث التي تربط هذه العوامل بشكل شامل بالسمنة في الأطفال المصابين بالتوحد. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال فحص العلاقة بين السمنة وبعض العوامل السلوكية الرئيسية - وهي النشاط البدني، التغذية، وعادات النوم - باستخدام تقنيات الذكاء الاصطناعي المتقدمة، بما في ذلك أشجار القرار، الغابات العشوائية، والشبكات العصبية الاصطناعية. سيتم استخدام تصميم بحثي كمي لتحليل البيانات التي تم جمعها من آباء الأطفال المصابين بالتوحد، الذين تتراوح أعمارهم بين 2 إلى 19 عامًا، والمسجلين في مركز الأمير ناصر بن تركي لاضطراب التوحد وأكاديمية التوحد بالرياض. سيتم جمع البيانات من خلال استبيانات تقيم النشاط البدني، سلوكيات الأكل، وعادات النوم، بهدف تحديد العلاقات والنماذج التنبؤية لمخاطر السمنة. سيمكن التحليل القائم على الذكاء الاصطناعي من فهم أعمق للتفاعلات المعقدة بين هذه العوامل، وتوفير تنبؤات مدعومة بالبيانات وتحديد الأنماط القابلة للتنفيذ. من المتوقع أن تسهم نتائج هذه الدراسة في تحديد التدخلات الفعّالة والموجهة للحد من السمنة لدى الأطفال المصابين بالتوحد، والمساهمة في استراتيجيات الصحة العامة التي تستهدف هذه الفئة الضعيفة. من المتوقع أن تعزز هذه الدراسة قدرة المهنيين في مجال الرعاية الصحية وصانعي السياسات على تصميم حلول دقيقة وشخصية تعزز أنماط الحياة الصحية وتمنع السمنة لدى الأطفال المصابين بالتوحد. (الملخص المنشور) http://search.shamaa.org/abstract_ar.gif OP - pp. 288-296 that is 312-322 T1 - Predicting obesity rates in children with autism spectrum disorder using artificial intelligence algorithms : a study on physical activity, nutrition, and sleep habits [Article] UL - http://search.shamaa.org/PDF/Articles/SUIjred/IjredSpecialIssue02Y2025/ijred_2025-spen-02_312-322_eng.pdf Full text (PDF) 1 http://search.shamaa.org/fulltext.gif