Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*

Detalhes bibliográficos
Autor(a) principal: Botelho, Micnéias Lacerda
Data de Publicação: 2021
Outros Autores: Correia, Marisa Dibbern Lopes, Manzoli, Juliana Prado Biani, Montanari, Fábio Luis, Carvalho, Luciana Aparecida Costa, Duran, Erika Christiane Marocco
Tipo de documento: Artigo
Idioma: eng
por
Título da fonte: Revista da Escola de Enfermagem da USP (Online)
Texto Completo: https://www.revistas.usp.br/reeusp/article/view/184878
Resumo: Objetivo: Gerar Árvore de Classificação para correta inferência do Diagnóstico de Enfermagem Volume de Líquido Excessivo (00026) em pacientes renais crônicos hemodialíticos. Método: Estudo metodológico, transversal, com pacientes em tratamento renal. Os dados foram coletados por meio de entrevista e avaliação física, utilizando instrumento com variáveis sociodemográficas, fatores relacionados, condição associada e características definidoras do Diagnóstico estudado. As árvores de classificação foram geradas pelo método Chi-Square Automation Interaction Detection, que se baseou no teste do Qui-quadrado. Resultados: Participaram 127 pacientes. Apresentaram o referido diagnóstico 79,5% (101), e as árvores incluíram os elementos “Ingesta excessiva de sódio” e “Ingestão maior que a eliminação” significativos para ocorrência do evento. Os pacientes com esses indicadores tiveram probabilidade de apresentar o diagnóstico de 0.87 e 0.94, e a capacidade de predição das árvores foi de 63% e 74%, respectivamente. Conclusão: A construção das árvores permitiu quantificar a probabilidade de ocorrência de Volume de Líquido Excessivo (00026) na população estudada. Os elementos “Ingesta excessiva de sódio” e “Ingestão maior que a eliminação” foram considerados preditores do referido diagnóstico na amostra.
id USP-24_65a22bb92bd0a61af93442115b946799
oai_identifier_str oai:revistas.usp.br:article/184878
network_acronym_str USP-24
network_name_str Revista da Escola de Enfermagem da USP (Online)
repository_id_str
spelling Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*Classification tree for the inference of the nursing diagnosis Fluid Volume Excess (00026)*Árbol de clasificación para la inferencia del diagnóstico de enfermería Volumen de Líquido Excesivo (00026)*Decision TreesDecision MakingNursing DiagnosisRenal Insufficiency, ChronicClassificationValidation StudyÁrvores de DecisõesTomada de DecisõesDiagnóstico de EnfermagemInsuficiência Renal CrônicaClassificaçãoEstudo de ValidaçãoÁrboles de DecisionToma de DecisionesDiagnóstico de EnfermeríaInsuficiencia Renal CónicaClasificaciónEstudio de ValidaciónObjetivo: Gerar Árvore de Classificação para correta inferência do Diagnóstico de Enfermagem Volume de Líquido Excessivo (00026) em pacientes renais crônicos hemodialíticos. Método: Estudo metodológico, transversal, com pacientes em tratamento renal. Os dados foram coletados por meio de entrevista e avaliação física, utilizando instrumento com variáveis sociodemográficas, fatores relacionados, condição associada e características definidoras do Diagnóstico estudado. As árvores de classificação foram geradas pelo método Chi-Square Automation Interaction Detection, que se baseou no teste do Qui-quadrado. Resultados: Participaram 127 pacientes. Apresentaram o referido diagnóstico 79,5% (101), e as árvores incluíram os elementos “Ingesta excessiva de sódio” e “Ingestão maior que a eliminação” significativos para ocorrência do evento. Os pacientes com esses indicadores tiveram probabilidade de apresentar o diagnóstico de 0.87 e 0.94, e a capacidade de predição das árvores foi de 63% e 74%, respectivamente. Conclusão: A construção das árvores permitiu quantificar a probabilidade de ocorrência de Volume de Líquido Excessivo (00026) na população estudada. Os elementos “Ingesta excessiva de sódio” e “Ingestão maior que a eliminação” foram considerados preditores do referido diagnóstico na amostra.Objetivo: Generar un Árbol de Clasificación para la inferencia correcta del Diagnóstico de Enfermería Volumen de Líquido Excesivo (00026) en pacientes renales crónicos que hacen hemodiálisis. Método: Se trata de un estudio metodológico transversal con pacientes en tratamiento renal. Los datos se recogieron mediante entrevistas y evaluación física, utilizando un instrumento con variables sociodemográficas, factores relacionados, condición asociada y características definidoras del diagnóstico estudiado. Los árboles de clasificación se generaron por el método Detección de Interacción Automática del Chi-cuadrado, basado en la prueba del Chi-cuadrado. Resultados: Participaron 127 pacientes, de los cuales el 79,5% (101) presentaba el diagnóstico mencionado; los árboles incluían los elementos “Ingestión excesiva de sodio” e “Ingestión superior a la eliminación”, ambos significativos para el acaecimiento del evento. Los pacientes con estos indicadores tenían probabilidades de presentar el diagnóstico de 0,87 y 0,94, y la capacidad de predicción de los árboles era del 63% y 74%, respectivamente. Conclusión: La construcción de los árboles ha permitido cuantificar la probabilidad del acaecimiento del Volumen de Líquido Excesivo (00026) en la población estudiada. Los elementos “Ingestión excesiva de sodio” e “Ingestión superior a la eliminación” están considerados como premonitores del referido diagnóstico en la muestra.Objective: To generate a Classification Tree for the correct inference of the Nursing Diagnosis Fluid Volume Excess (00026) in chronic renal patients on hemodialysis. Method: Methodological, cross-sectional study with patients undergoing renal treatment. The data were collected through interviews and physical evaluation, using an instrument with socio-demographic variables, related factors, associated conditions and defining characteristics of the studied diagnosis. The classification trees were generated by the Chi-Square Automation Interaction Detection method, which was based on the Chi-square test. Results: A total of 127 patients participated, of which 79.5% (101) presented the diagnosis studied. The trees included the elements “Excessive sodium intake” and “Input exceeds output”, which were significant for the occurrence of the event, as the probability of occurrence of the diagnosis in the presence of these was 0.87 and 0.94, respectively. The prediction accuracy of the trees was 63% and 74%, respectively. Conclusion: The construction of the trees allowed to quantify the probability of the occurrence of Fluid Volume Excess (00026) in the studied population and the elements “Excessive sodium intake” and “Input exceeds output” were considered predictors of this diagnosis in the sample.Universidade de São Paulo. Escola de Enfermagem2021-04-26info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttps://www.revistas.usp.br/reeusp/article/view/18487810.1590/s1980-220x20190246-03682Revista da Escola de Enfermagem da USP; v. 55 (2021); e03682Revista da Escola de Enfermagem da USP; Vol. 55 (2021); e03682Revista da Escola de Enfermagem da USP; Vol. 55 (2021); e036821980-220X0080-6234reponame:Revista da Escola de Enfermagem da USP (Online)instname:Universidade de São Paulo (USP)instacron:USPengporhttps://www.revistas.usp.br/reeusp/article/view/184878/170989https://www.revistas.usp.br/reeusp/article/view/184878/170988http://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccessBotelho, Micnéias LacerdaCorreia, Marisa Dibbern LopesManzoli, Juliana Prado BianiMontanari, Fábio LuisCarvalho, Luciana Aparecida CostaDuran, Erika Christiane Marocco2021-04-26T21:39:55Zoai:revistas.usp.br:article/184878Revistahttps://www.revistas.usp.br/reeuspPUBhttps://www.revistas.usp.br/reeusp/oai||nursingscholar@usp.br1980-220X0080-6234opendoar:2021-04-26T21:39:55Revista da Escola de Enfermagem da USP (Online) - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
Classification tree for the inference of the nursing diagnosis Fluid Volume Excess (00026)*
Árbol de clasificación para la inferencia del diagnóstico de enfermería Volumen de Líquido Excesivo (00026)*
title Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
spellingShingle Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
Botelho, Micnéias Lacerda
Decision Trees
Decision Making
Nursing Diagnosis
Renal Insufficiency, Chronic
Classification
Validation Study
Árvores de Decisões
Tomada de Decisões
Diagnóstico de Enfermagem
Insuficiência Renal Crônica
Classificação
Estudo de Validação
Árboles de Decision
Toma de Decisiones
Diagnóstico de Enfermería
Insuficiencia Renal Cónica
Clasificación
Estudio de Validación
title_short Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
title_full Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
title_fullStr Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
title_full_unstemmed Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
title_sort Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
author Botelho, Micnéias Lacerda
author_facet Botelho, Micnéias Lacerda
Correia, Marisa Dibbern Lopes
Manzoli, Juliana Prado Biani
Montanari, Fábio Luis
Carvalho, Luciana Aparecida Costa
Duran, Erika Christiane Marocco
author_role author
author2 Correia, Marisa Dibbern Lopes
Manzoli, Juliana Prado Biani
Montanari, Fábio Luis
Carvalho, Luciana Aparecida Costa
Duran, Erika Christiane Marocco
author2_role author
author
author
author
author
dc.contributor.author.fl_str_mv Botelho, Micnéias Lacerda
Correia, Marisa Dibbern Lopes
Manzoli, Juliana Prado Biani
Montanari, Fábio Luis
Carvalho, Luciana Aparecida Costa
Duran, Erika Christiane Marocco
dc.subject.por.fl_str_mv Decision Trees
Decision Making
Nursing Diagnosis
Renal Insufficiency, Chronic
Classification
Validation Study
Árvores de Decisões
Tomada de Decisões
Diagnóstico de Enfermagem
Insuficiência Renal Crônica
Classificação
Estudo de Validação
Árboles de Decision
Toma de Decisiones
Diagnóstico de Enfermería
Insuficiencia Renal Cónica
Clasificación
Estudio de Validación
topic Decision Trees
Decision Making
Nursing Diagnosis
Renal Insufficiency, Chronic
Classification
Validation Study
Árvores de Decisões
Tomada de Decisões
Diagnóstico de Enfermagem
Insuficiência Renal Crônica
Classificação
Estudo de Validação
Árboles de Decision
Toma de Decisiones
Diagnóstico de Enfermería
Insuficiencia Renal Cónica
Clasificación
Estudio de Validación
description Objetivo: Gerar Árvore de Classificação para correta inferência do Diagnóstico de Enfermagem Volume de Líquido Excessivo (00026) em pacientes renais crônicos hemodialíticos. Método: Estudo metodológico, transversal, com pacientes em tratamento renal. Os dados foram coletados por meio de entrevista e avaliação física, utilizando instrumento com variáveis sociodemográficas, fatores relacionados, condição associada e características definidoras do Diagnóstico estudado. As árvores de classificação foram geradas pelo método Chi-Square Automation Interaction Detection, que se baseou no teste do Qui-quadrado. Resultados: Participaram 127 pacientes. Apresentaram o referido diagnóstico 79,5% (101), e as árvores incluíram os elementos “Ingesta excessiva de sódio” e “Ingestão maior que a eliminação” significativos para ocorrência do evento. Os pacientes com esses indicadores tiveram probabilidade de apresentar o diagnóstico de 0.87 e 0.94, e a capacidade de predição das árvores foi de 63% e 74%, respectivamente. Conclusão: A construção das árvores permitiu quantificar a probabilidade de ocorrência de Volume de Líquido Excessivo (00026) na população estudada. Os elementos “Ingesta excessiva de sódio” e “Ingestão maior que a eliminação” foram considerados preditores do referido diagnóstico na amostra.
publishDate 2021
dc.date.none.fl_str_mv 2021-04-26
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.revistas.usp.br/reeusp/article/view/184878
10.1590/s1980-220x20190246-03682
url https://www.revistas.usp.br/reeusp/article/view/184878
identifier_str_mv 10.1590/s1980-220x20190246-03682
dc.language.iso.fl_str_mv eng
por
language eng
por
dc.relation.none.fl_str_mv https://www.revistas.usp.br/reeusp/article/view/184878/170989
https://www.revistas.usp.br/reeusp/article/view/184878/170988
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade de São Paulo. Escola de Enfermagem
publisher.none.fl_str_mv Universidade de São Paulo. Escola de Enfermagem
dc.source.none.fl_str_mv Revista da Escola de Enfermagem da USP; v. 55 (2021); e03682
Revista da Escola de Enfermagem da USP; Vol. 55 (2021); e03682
Revista da Escola de Enfermagem da USP; Vol. 55 (2021); e03682
1980-220X
0080-6234
reponame:Revista da Escola de Enfermagem da USP (Online)
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Revista da Escola de Enfermagem da USP (Online)
collection Revista da Escola de Enfermagem da USP (Online)
repository.name.fl_str_mv Revista da Escola de Enfermagem da USP (Online) - Universidade de São Paulo (USP)
repository.mail.fl_str_mv ||nursingscholar@usp.br
_version_ 1800221747059884032

Registros relacionados