Um dos pontos críticos nos algoritmos de Inteligência Artificial é a eficiência do classificador utilizado nos diferentes cenários de uma rede neural recursiva. O KNN (K-Nearest Neighbors) é um classificador simples capaz de rotular cada elemento de um conjunto de dados a partir da distância destes em relação aos seus vizinhos mais próximos em um conjunto de dados semelhante treinado previamente. Na área da saúde é amplamente conhecido que a Relação Cintura Quadril (RCQ) e a Pressão Arterial (PA) estão fortemente correlacionadas. Objetivo: averiguar o comportamento da acurácia, sensibilidade e precisão do KNN para diferentes valores de k (3, 5 e 7) em relação à identificação de hipertensos em uma conjunto de dados de RCQ. Métodos: A amostra é composta por 499 mulheres, usuários do Programa de Saúde da Família (PSF) na cidade de Poços de Caldas, Minas Gerais.Todas as participantes assinaram o Termo de Consentimento Livre e Esclarecido (TCLE).Todas as participantes assinaram o Termo de Consentimento Livre e Esclarecido (TCLE). Para aferição da PA foi utilizado um esfigmomanômetro de coluna de mercúrio (0-300 mmHg) da marca Biotec ®, a medida das circunferências da cintura e do quadril foram realizadas com uma fita antropométrica, com escala em milímetros da marca Sanny®. O algoritmo desenvolvido na linguagem Python 3.0 e bibliotecas específicas do mesmo foram utilizadas. Foram utilizados 80% dos dados para o treinamento do algoritmo e 20% para a fase de testagem do mesmo. Resultados: os valores da acurácia, sensibilidade e precisão variaram para os diferentes valores de K testados na KNN. Para K=3 foram obtidos os melhores valores para acurácia (0,89) sensibilidade (0,89) e precisão (0,89) para este classificador de mulheres hipertensas a partir do RCQ das mesmas. Conclusão: o método KNN é um eficiente classificador em redes neurais recursivas aplicadas na área da saúde.