Evaluación del clasificador Naïve Bayes como herramienta de diagnóstico en Unidades de Cuidado Intensivo

Chaparro, Javier; Giraldo, Beatriz  Giraldo; Rondón, Susana

dc.creator	Chaparro, Javier
dc.creator	Giraldo, Beatriz Giraldo
dc.creator	Rondón, Susana
dc.date	2015-12-19
dc.date.accessioned	2020-08-21T20:40:11Z
dc.date.available	2020-08-21T20:40:11Z
dc.identifier	https://revistas.unbosque.edu.co/index.php/RevTec/article/view/774
dc.identifier	10.18270/rt.v12i2.774
dc.identifier.uri	http://test.repositoriodigital.com:8080/handle/123456789/10693
dc.description	En el proceso de diagnóstico médico se busca identificar el estado de salud de un paciente. Sin embargo, la complejidad fisiológica del ser humano genera una amplia gama de condiciones difíciles de establecer por el personal médico en pacientes patológicos. En las unidades de cuidado intensivo, donde habitualmente se utiliza la ventilación asistida, se presenta un alto grado de incertidumbre a la hora de identificar el momento adecuado de retirar el ventilador mecánico. Teniendo en cuenta esta problemática, presentamos el diseño y evaluación de una herramienta basada en inferencia bayesiana que brinda información al médico sobre la viabilidad de tener una extubación exitosa. Para su diseño y validación se utilizó una base de datos con señales de flujo respiratorio compuesta por 98 pacientes exitosamente extubados, y 38 que fracasaron. Las señales fueron caracterizadas inicialmente con un grupo de series temporales, y posteriormente, el patrón respiratorio en los dos grupos de estudio fue analizado con técnicas estadísticas y de modelado autorregresivo. De este último proceso se derivo un grupo de variables con las cuales se diseñó un clasificador tipo Naive Bayes. Los resultados fueron medidos en función de la exactitud, sensibilidad y especificidad del clasificador, logrando un 78% en la primera medida y un 75% y 74% en las dos segundas.	es-AR
dc.description	En el proceso de diagnóstico médico se busca identificar el estado de salud de un paciente. Sin embargo, la complejidad fisiológica del ser humano genera una amplia gama de condiciones difíciles de establecer por el personal médico en pacientes patológicos. En las unidades de cuidado intensivo, donde habitualmente se utiliza la ventilación asistida, se presenta un alto grado de incertidumbre a la hora de identificar el momento adecuado de retirar el ventilador mecánico. Teniendo en cuenta esta problemática, presentamos el diseño y evaluación de una herramienta basada en inferencia bayesiana que brinda información al médico sobre la viabilidad de tener una extubación exitosa. Para su diseño y validación se utilizó una base de datos con señales de flujo respiratorio compuesta por 98 pacientes exitosamente extubados, y 38 que fracasaron. Las señales fueron caracterizadas inicialmente con un grupo de series temporales, y posteriormente, el patrón respiratorio en los dos grupos de estudio fue analizado con técnicas estadísticas y de modelado autorregresivo. De este último proceso se derivo un grupo de variables con las cuales se diseñó un clasificador tipo Naive Bayes. Los resultados fueron medidos en función de la exactitud, sensibilidad y especificidad del clasificador, logrando un 78% en la primera medida y un 75% y 74% en las dos segundas.	es-ES
dc.format	application/pdf
dc.language	spa
dc.publisher	Universidad El Bosque	es-ES
dc.relation	https://revistas.unbosque.edu.co/index.php/RevTec/article/view/774/373
dc.relation	/ref/Xiao-Hua Zhou, Nancy A. Obuchowski, Donna K. McClish. “Statistical Methods in Diagnostic Medicine”. Wiley, 2011
dc.relation	/ref/Zweing, M. H., Campbell, “Reciever-Operating Characteristic Plots: a fundamental evaluation tool in clinical medicine”. 1993, Clinical Chemistry, pp. 1272-1276.
dc.relation	/ref/Bermejo Fraile B. “Epidemiología clínica aplicada a la toma de decisiones en medicina”. Departamento de Salud. Gobierno de Navarra; 2001
dc.relation	/ref/Ghosh A.K. “Understanding Medical Uncertainty: A Primer for Physicians”. Septiembre 2004, Journal of the Association of Physicians of India, Vol. 52.
dc.relation	/ref/Silva L., Muñoz A. “Debate sobre métodos frecuentistas vs bayesianos”. Santiago de Compostela : s.n., 2000. XVII Reunión Científica SEE. pp. 482-494.
dc.relation	/ref/M.J. Tobin, “Advances in mechanical ventilator”, N. Engl. J. Med., Vol. 344, no. 26, pp.1986-1996, 2001.
dc.relation	/ref/Bruce, E. Bruce, Measures of Respiratory Pattern Variability, Bioengineering Approaches to Pulmonary Physiology and Medicine, pp. 149-159. 1996.
dc.relation	/ref/Chaparro, Javier y Giraldo, Beatriz, Análisis y clasificación del patrón respiratorio de pacientes en proceso de retirada del ventilador mecánico,Revista de Ingeniería Biomédica, Vol. 10, pp. 42-48, 2010.
dc.relation	/ref/Box G., Jenkins G., Reinsel G. Time Series Analysis, Forescasting and Control. s.l. : Prentice Hall International Inc., 1994.
dc.relation	/ref/Daniel Peña y Gonzalo Arnáiz, “Criterios de selección de modelos ARIMA”, Trabajos de Estadística y de Investigación Operativa, Vol. 32, no. 1.pp 70 – 93, 1981.
dc.relation	/ref/Fernández, E “Análisis de clasificadores bayesianos”. Trabajo Final de Especialidad en Ingeniería de Sistemas Expertos. Escuela de Postgrado. Instituto Tecnológico de Buenos Aires. 2004.
dc.relation	/ref/Vega, D. A., “Clasificadores Bayesianos en la Selección Embrionaria en Tratamientos de Reproducción”. San Sebastián, España: Universidad del País Vasco. 2008.
dc.relation	/ref/Barrientos R., Cruz N., Acosta H., et al, “Evaluación del Potencial de Redes Bayesianas en la Clasificación de Datos Médicos”, Revista Médica de la Universidad de Veraxruzana. Vol. 1 no. 8. 2008.
dc.relation	/ref/Chaparro J., Giraldo B., “Performance of Respiratory Pattern in Classifiers for Predict Weaning Process”, Memorias 34th Conferencia Annual de la Sociedad EMB-IEEE. San Diego California. 2012.
dc.source	Journal of Technology; Vol 12 No 2 (2013): Transportes sustentables; 87-93	en-US
dc.source	Revista de Tecnología; ##issue.vol## 12 ##issue.no## 2 (2013): Transportes sustentables; 87-93	es-AR
dc.source	Revista de Tecnología; Vol. 12 Núm. 2 (2013): Transportes sustentables; 87-93	es-ES
dc.source	1692-1399
dc.subject	Flujo respiratorio	es-ES
dc.subject	Diagnostico clínico	es-ES
dc.subject	Exturbación de pacientes	es-ES
dc.subject	Clasificador bayesiano	es-ES
dc.title	Evaluación del clasificador Naïve Bayes como herramienta de diagnóstico en Unidades de Cuidado Intensivo	es-AR
dc.title	Evaluación del clasificador Naïve Bayes como herramienta de diagnóstico en Unidades de Cuidado Intensivo	es-ES
dc.type	info:eu-repo/semantics/article
dc.type	info:eu-repo/semantics/publishedVersion

Ficheros en el ítem

Ficheros	Tamaño	Formato	Ver
No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Revista de tecnología [162]

Mostrar el registro sencillo del ítem