Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 1995 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
Texto Completo: | https://hdl.handle.net/20.500.12733/1595354 |
Resumo: | Orientador: Renato Marcos Endrizzi Sabbatini |
id |
UNICAMP-30_35baae37d406475e1b04449fe2cdf714 |
---|---|
oai_identifier_str |
oai::295642 |
network_acronym_str |
UNICAMP-30 |
network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository_id_str |
|
spelling |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiaisPrognósticoRedes neurais (Computação)MortalidadeUnidade de tratamento intensivoOrientador: Renato Marcos Endrizzi SabbatiniDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia ElétricaResumo: Diversos sistemas foram desenvolvidos com o intuito de estimar a probabilidade de morte em Unidades de Terapia Intensiva, tais como o APACHE e o MPM, que são baseados em regressão logística. No presente trabalho, foi estudado o potencial das Redes Neurais Artificiais para a execução da mesma tarefa. Para tal, diversos experimentos foram realizados utilizando, como base, um perceptron de três camadas com regra de aprendizado por backpropagation onde o número de neurodos da camada intermediária foi de 5, 10, 15 e 20 elementos. Foram utilizados 282 registros de pacientes para o treinamento das redes neurais e 100 registros para o seu teste. Estes dados foram obtidos a partir de um banco de dados da UTI do HCUnicamp, coletados no período de 1988 e 1992, utilizados previamente para calcular os Índices do APACHE 11.Todas as redes apresentaram convergência dentro de 500 ciclos de treinamento sendo que o Erro Global Final, em todos os casos, foi inferior a 0,025. Para avaliar a performance de cada experimento foram utilizados, como índices de desempenho, os valores de acurácia, sensibilidade, especificidade, eficiência, preditividade positiva e negativa e o cálculo da área sob a Curva ROC. Para o conjunto de dados de treino, todas as redes foram capazes de predizer o prognóstico do paciente com acurácias variando entre 97,6% (rede com 20 e 10 neurodos intermediários) e 98,6% (rede com 5 neurodos intermediários). No conjunto de dados de teste, os valores de acurácia variaram entre 76% (rede com 15 neurodos intermediários) e 81% (rede com 5 neurodos intermediários) ... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digitalAbstract: Several systems have been devised with the purpose of estimating the probability of death in intensive care units (ICUs). These systems, such as APACHE and MPM, take the approach of logistic regression ana1ysis. In this work, we have studied instead the applicability of artificial neural networks in performing the same task. Thus, we have conducted some experiments, using three-Iayer perceptrons with backpropagation learning rule, where the neurode count in the intermediate layer was either 5, 10, 15 or 20 elements. 282 patient records were used for training the neural networks, and a further 100 for testing them. The data originated from a database maintained by the ICU of the University Clinics Hospital, State University of Campinas, Brazil; they are from the 1988-92 period, and had been previously used for calculating APACHE II indexes. Ali networks converged within 500 cycles, with a final global error under 0.025 in ali cases. In order to evaluate the experiments, for each of them the accuracy, sensitivity, specificity, efficiency, positive and negative predictability, as well as the calculated area under the ROC curve were used as performance indexes. For the training data set, ali networks were capable of predicting the patient's prognosis, with the accuracy ranging from 97.6% (networks with 20 and 10 intermediate neurodes) to 98.6% (networks with 5 intermediate neurodes). For the test data set, accuracy has varied between 76% (networks with 15 intermediate neurodes) and 81% (with 5 intermediate neurodes) ... Note: The complete abstract is available with the full electronic digital thesis or dissertationsMestradoEngenharia BiomédicaMestre em Engenharia Elétrica[s.n.]Sabbatini, Renato Marcos Endrizzi, 1947-Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASFelipe Junior, Paulo1995info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf146 f. : il.(Broch.)https://hdl.handle.net/20.500.12733/1595354FELIPE JUNIOR, Paulo. Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais. 1995. 146 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1595354. Acesso em: 2 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/295642porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-05-05T23:24:08Zoai::295642Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-05-05T23:24:08Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
dc.title.none.fl_str_mv |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais |
title |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais |
spellingShingle |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais Felipe Junior, Paulo Prognóstico Redes neurais (Computação) Mortalidade Unidade de tratamento intensivo |
title_short |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais |
title_full |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais |
title_fullStr |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais |
title_full_unstemmed |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais |
title_sort |
Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais |
author |
Felipe Junior, Paulo |
author_facet |
Felipe Junior, Paulo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Sabbatini, Renato Marcos Endrizzi, 1947- Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica Programa de Pós-Graduação em Engenharia Elétrica UNIVERSIDADE ESTADUAL DE CAMPINAS |
dc.contributor.author.fl_str_mv |
Felipe Junior, Paulo |
dc.subject.por.fl_str_mv |
Prognóstico Redes neurais (Computação) Mortalidade Unidade de tratamento intensivo |
topic |
Prognóstico Redes neurais (Computação) Mortalidade Unidade de tratamento intensivo |
description |
Orientador: Renato Marcos Endrizzi Sabbatini |
publishDate |
1995 |
dc.date.none.fl_str_mv |
1995 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
(Broch.) https://hdl.handle.net/20.500.12733/1595354 FELIPE JUNIOR, Paulo. Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais. 1995. 146 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1595354. Acesso em: 2 set. 2024. |
identifier_str_mv |
(Broch.) FELIPE JUNIOR, Paulo. Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais. 1995. 146 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1595354. Acesso em: 2 set. 2024. |
url |
https://hdl.handle.net/20.500.12733/1595354 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://repositorio.unicamp.br/acervo/detalhe/295642 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 146 f. : il. |
dc.publisher.none.fl_str_mv |
[s.n.] |
publisher.none.fl_str_mv |
[s.n.] |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) instname:Universidade Estadual de Campinas (UNICAMP) instacron:UNICAMP |
instname_str |
Universidade Estadual de Campinas (UNICAMP) |
instacron_str |
UNICAMP |
institution |
UNICAMP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
collection |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP) |
repository.mail.fl_str_mv |
sbubd@unicamp.br |
_version_ |
1809188894821842944 |