Análisis de la interacción entre el patrón respiratorio y la frecuencia cardíaca, en pacientes asistidos mediante ventilación mecánica, para la estimación del momento óptimo en la extubación

Uno de los desafíos en cuidados intensivos es el proceso de destete de la ventilación mecánica. En este trabajo se presenta una aplicación de las técnicas de Inteligencia Artificial (IA) en el campo de análisis por computador de señales Biomédicas y ayuda al diagnóstico. Se han aplicado Redes Neuron...

Full description

Autores:
Ortiz Viviescas, Juan David
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2014
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/1582
Acceso en línea:
http://hdl.handle.net/20.500.12749/1582
Palabra clave:
Mechatronic Engineering
Artificial respiration
Respiratory therapy service
Hospitals
Investigations
Analysis
Mechanical ventilation
Respiratory pattern
Methods
Ingeniería mecatrónica
Respiración artificial
Servicio de terapia respiratoria
Hospitales
Investigaciones
Análisis
Ventilación mecánica
Patrón respiratorio
Métodos
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:Uno de los desafíos en cuidados intensivos es el proceso de destete de la ventilación mecánica. En este trabajo se presenta una aplicación de las técnicas de Inteligencia Artificial (IA) en el campo de análisis por computador de señales Biomédicas y ayuda al diagnóstico. Se han aplicado Redes Neuronales (RN) con el fin de desarrollar un clasificador para el análisis de pacientes sometidos a una extubación luego de haber sido conectados a una Ventilación Mecánica (VM). Se implementa Algoritmos Genéticos (AG) y Forward Selection (FS), como técnicas de selección de características, para la obtención de variables relevantes, explicativas del sistema cardiorrespiratorio. Se estudian 66 pacientes asistidos mediante ventilación mecánica fueron estudiados: Grupo 1 (33 pacientes con éxito en la extubación) y Grupo 2 (33 pacientes que fallaron en el proceso de extubación). Al seleccionar las características más significativas, y evaluar los diferentes clasificadores obtenidos el mejor presento un porcentaje de clasificación del 79% considerando únicamente 4 de las 21 características.