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

Autores/as

  • Javier Chaparro Escuela Colombiana de Ingenieros
  • Beatriz Giraldo Giraldo Universidad Politecnica de Catañuña
  • Susana Rondón Escuela Colombiana de Ingenieros

DOI:

https://doi.org/10.18270/rt.v12i2.774

Palabras clave:

Flujo respiratorio, flujo respiratorio, Diagnostico clínico, diagnóstico clínico, Exturbación de pacientes, extubación de pacientes, Clasificador bayesiano, clasificador bayesiano.

Resumen

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.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Javier Chaparro, Escuela Colombiana de Ingenieros

Profesor Asociado de la Escuela Colombiana de Ingeniería Julio Garavito en el Decanatura de Ingeniería Electrónica. Ingeniero Electrónico y Especialista en Automatización Industrial de la Universidad Pedagógica y Tecnológica de Colombia UPTC, Magister en Ingeniería Electrónica de la Universidad de los Andes y Doctor en Ingeniería Biomédica de la Universidad Politécnica de Catalunya - España. Ha sido profesor de la Universidad de la Sabana, Nacional y Distrital. Ha desarrollado diversas
investigaciones en el área de procesamiento de señales biomédicas relacionadas principalmente con el sistema respiratorio de pacientes en Cuidado Intensivo.

Beatriz Giraldo Giraldo, Universidad Politecnica de Catañuña

Profesora Agregadade la Universidad Politécnica de Cataluña (UPC), Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII), Barcelona, España. Ingeniero Eléctrico, Universidad Tecnológica de Pereira (UTP), Risaralda, Colombia (1983), Postgrado en Ingeniería Biomédica, UPC (1989), Máster en Ingeniería Biomédica, UPC (1990), Doctora en Ingeniería Biomédica por la UPC (1996). Actualmente es miembro del grupo de investigación de procesado de señales biomédicas e interpretación, del Instituto de Bioingeniería de Cataluña (IBEC) y del Centro de Investigación Biomédica en Red de Bioingeniería, Biomateriales y Nanomedicina (CIBER-BBN).Desde 2006 hasta 2011 fue Directora del programa de Bioingeniería de la Fundación Politécnica de Cataluña. Sus principales áreas de investigación son el procesado y modelado de señales biomédicas y análisis estadístico, aplicado a señales cardíacas y respiratorias, procesado de señal multimodal en
interacción cardiorrespiratoria, métodos para el análisis de la insuficiencia cardíaca, y del destete de la ventilación mecánica.

Susana Rondón, Escuela Colombiana de Ingenieros

Profesor Asistente de la Escuela Colombiana de Ingeniería Julio Garavito en el Departamento de Matemáticas. Licenciada en matemáticas y física Universidad del Tolima. Especialista en estadística (UNAL) y Maestría en Tecnología Educativa del Instituto tecnológico de Monterrey – México

Referencias bibliográficas

Xiao-Hua Zhou, Nancy A. Obuchowski, Donna K. McClish. “Statistical Methods in Diagnostic Medicine”. Wiley, 2011

Zweing, M. H., Campbell, “Reciever-Operating Characteristic Plots: a fundamental evaluation tool in clinical medicine”. 1993, Clinical Chemistry, pp. 1272-1276.

Bermejo Fraile B. “Epidemiología clínica aplicada a la toma de decisiones en medicina”. Departamento de Salud. Gobierno de Navarra; 2001

Ghosh A.K. “Understanding Medical Uncertainty: A Primer for Physicians”. Septiembre 2004, Journal of the Association of Physicians of India, Vol. 52.

Silva L., Muñoz A. “Debate sobre métodos frecuentistas vs bayesianos”. Santiago de Compostela : s.n., 2000. XVII Reunión Científica SEE. pp. 482-494.

M.J. Tobin, “Advances in mechanical ventilator”, N. Engl. J. Med., Vol. 344, no. 26, pp.1986-1996, 2001.

Bruce, E. Bruce, Measures of Respiratory Pattern Variability, Bioengineering Approaches to Pulmonary Physiology and Medicine, pp. 149-159. 1996.

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.

Box G., Jenkins G., Reinsel G. Time Series Analysis, Forescasting and Control. s.l. : Prentice Hall International Inc., 1994.

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.

Fernández, E “Análisis de clasificadores bayesianos”. Trabajo Final de Especialidad en Ingeniería de Sistemas Expertos. Escuela de Postgrado. Instituto Tecnológico de Buenos Aires. 2004.

Vega, D. A., “Clasificadores Bayesianos en la Selección Embrionaria en Tratamientos de Reproducción”. San Sebastián, España: Universidad del País Vasco. 2008.

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.

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.

Descargas

Publicado

2015-12-19