Mostrar el registro sencillo del ítem

Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC.

dc.contributor.advisorHincapié Díaz, Gustavo Adolfospa
dc.contributor.authorCadavid Ramírez, Jose Rubén
dc.contributor.authorCastañeda Barbosa, Joaquín Camilo
dc.contributor.otherBastidas Goyes, Alirio Rodrigospa
dc.coverage.spatialMedicinaspa
dc.date.accessioned2020-03-10T19:53:23Z
dc.date.available2020-03-10T19:53:23Z
dc.date.issued2020-02-03
dc.identifier.urihttp://hdl.handle.net/10654/35075
dc.description.abstractEn la actualidad se dispone de varios puntajes para la predicción de desenlaces como mortalidad en la exacerbación aguda de la EPOC, estos puntajes o escalas son útiles para la toma de decisiones disminuyendo el grado de incertidumbre al que el médico se enfrenta cuando aborda el problema del pronóstico del paciente, sin embargo, su utilización es poco frecuente y algunas de ellas requieren paraclínicos que a pesar de ser básicos pueden no encontrase disponibles en todas las ocasiones. En los últimos años, los avances de programación en software, han permitido el desarrollo de metodologías, que simulando el comportamiento del cerebro humano pueden generar soluciones económicas y altamente confiables a los problemas de incertidumbre como es el caso de pronóstico médico. Se desarrollará un estudio de pronóstico con una red neuronal tipo perceptrón multicapa para la predicción de los desenlaces de ventilación mecánica y muerte en la exacerbación aguda de la EPOC comparándose sus resultados con los puntajes DECAF, BAP-65 y CURB-65.spa
dc.description.tableofcontentsTabla de contenido Introducción 5 Pregunta de investigación 5 Justificación 5 Marco teórico: 6 Definiciones 6 Epidemiología: 7 Factores pronósticos para la exacerbación 7 Etiología: 7 Patogénesis: 8 Historia clínica y examen físico: 8 Diagnóstico: 8 Tratamiento: 8 Prevención: 9 Pronóstico: 9 Puntajes utilizados: 9 CURB-65: 9 DECAF: 9 BAP-65: 10 Otros Scores: 10 Redes neuronales artificiales: 10 Objetivos 11 Objetivo general: 11 Objetivos específicos: 11 Materiales y Métodos: 12 Tipo de diseño: 12 Definición de exacerbación de la EPOC: 12 Definición de desenlaces para ser pronosticados durante la exacerbación: 12 4 Determinación de desenlaces en la exacerbación de la EPOC por la red neuronal: 13 Población a estudio: 13 Descripción de la metodología. 13 Tamaño de muestra y aleatorización: 13 Criterios de selección: 13 Criterios de inclusión: 13 Criterios de exclusión: 13 Recolección de datos: 14 Control de sesgos y error: 14 Conducción del estudio 14 Consideraciones éticas 15 Resultados: 15 Resultados análisis multivariado regresión logística 28 Resultados de validez y área bajo la curva de características operativas de receptor: 31 Discusión: 37 Conclusiones: 41 Referencias: 42spa
dc.formatpdfspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.language.isospaspa
dc.publisherUniversidad Militar Nueva Granadaspa
dc.rightsDerechos Reservados - Universidad Militar Nueva Granada, 2020spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/2.5/co/spa
dc.titleRendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC.spa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.publisher.departmentFacultad de Medicinaspa
dc.type.localTrabajo de gradospa
dc.description.abstractenglishToday´s date, there are several scales for prediction of outcomes regarding chronic obstructive pulmonary disease (COPD), which using clinical and paraclinical variables allow classification and subsequent decision making. The dependence of these scales of variables on paraclinics means that it is not always possible to carry them out. Therefore, this study aims to demonstrate the usefulness of a multi-layer perceptron artificial neural network for classification. Using two prospective cohorts of previous studies of patients from the central military hospital where performance of the different scales was assessed (DECAF, CRB 65, CURB 65, BAP 65 Anthonisen), supervised learning of the artificial neural network was performed to evaluate performance assessed to mortality and mechanical ventilation. A total of 1478 acute exacerbations of COPD were analyzed. In the first cohort, mortality was found in 4.3%, and the requirement of mechanical ventilation in 31.9%, in the second cohort, mortality was 7.4. % and mechanical ventilation of 31.6%, and in the validation cohort there was a 7-day mortality of 2.6%, a 30-day mortality of 5.8% and mechanical ventilation of 14.3%. When compared with prognostic scales commonly used in this pathology, it has been found that its diagnostic performance is similar or superior to that of the diagnostic scales even with the use of fewer variables, possibly due to the ability of the artificial neural network to stratify with greater or lower severity of patients according to the degree of multi-organic commitment of the disease.eng
dc.title.translatedPerformance of an artificial neuronal network for prediction of outcomes in acute excerbation of COPD.spa
dc.subject.keywordsCOPDspa
dc.subject.keywordsDisease Progressionspa
dc.subject.keywordsPrognosisspa
dc.subject.keywordsArtificial Neuronal Networksspa
dc.publisher.programMedicina internaspa
dc.creator.degreenameEspecialista en Medicina internaspa
dc.subject.decsMEDICINA INTERNA
dc.subject.decsENFERMEDAD PULMONAR OBSTRUCTIVA CRONICA
dc.subject.decsENFERMEDADES OBSTRUCTIVAS DE LOS PULMONES
dc.subject.decsREDES NEURALES (COMPUTADORES)
dc.contributor.corporatenameUNIVERSIDAD MILITAR NUEVA GRANADAspa
dc.description.degreelevelEspecializaciónspa
dc.publisher.facultyMedicina y Ciencias de la Salud - Medicina internaspa
dc.type.dcmi-type-vocabularyTextspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadasspa
dc.relation.referencesVogelmeier CF, Criner GJ, Martinez FJ, Anzueto A, Barnes PJ, Bourbeau J, et al. Global Strategy for the Diagnosis, Management and Prevention of Chronic Obstructive Lung Disease 2017 Report. Respirology. 2017;22(3):575-601.spa
dc.relation.referencesHurst JR, Vestbo J, Anzueto A, Locantore N, Mullerova H, Tal-Singer R, et al. Susceptibility to exacerbation in chronic obstructive pulmonary disease. The New England journal of medicine. 2010;363(12):1128-38.spa
dc.relation.referencesSethi S, Evans N, Grant BJ, Murphy TF. New strains of bacteria and exacerbations of chronic obstructive pulmonary disease. The New England journal of medicine. 2002;347(7):465-71.spa
dc.relation.referencesEvensen AE. Management of COPD exacerbations. American family physician. 2010;81(5):607-13.spa
dc.relation.referencesMullerova H, Maselli DJ, Locantore N, Vestbo J, Hurst JR, Wedzicha JA, et al. Hospitalized exacerbations of COPD: risk factors and outcomes in the ECLIPSE cohort. Chest. 2015;147(4):999-1007.spa
dc.relation.referencesWells JM, Washko GR, Han MK, Abbas N, Nath H, Mamary AJ, et al. Pulmonary arterial enlargement and acute exacerbations of COPD. The New England journal of medicine. 2012;367(10):913-21.spa
dc.relation.referencesDu Q, Jin J, Liu X, Sun Y. Bronchiectasis as a Comorbidity of Chronic Obstructive Pulmonary Disease: A Systematic Review and Meta-Analysis. PloS one. 2016;11(3):e0150532. 8spa
dc.relation.referencesThomsen M, Ingebrigtsen TS, Marott JL, Dahl M, Lange P, Vestbo J, et al. Inflammatory biomarkers and exacerbations in chronic obstructive pulmonary disease. Jama. 2013;309(22):2353-61. 9spa
dc.relation.referencesAlmagro P, Cabrera FJ, Diez J, Boixeda R, Alonso Ortiz MB, Murio C, et al. Comorbidities and short-term prognosis in patients hospitalized for acute exacerbation of COPD: the EPOC en Servicios de medicina interna (ESMI) study. Chest. 2012;142(5):1126-33.spa
dc.relation.referencesKo FW, Ip M, Chan PK, Fok JP, Chan MC, Ngai JC, et al. A 1-year prospective study of the infectious etiology in patients hospitalized with acute exacerbations of COPD. Chest. 2007;131(1):44-52spa
dc.relation.referencesTsoumakidou M, Siafakas NM. Novel insights into the aetiology and pathophysiology of increased airway inflammation during COPD exacerbations. Respiratory research. 2006;7:80.spa
dc.relation.referencesColombia Ministerio de Salud y Protección Social. Guía de práctica clínica basada en la evidencia para la prevención, diagnóstico, tratamiento y seguimiento de la Enfermedad Pulmonar Obstructiva Crónica (EPOC) en población adulta. Bogotá D.C: Ministerio de Salud y Protección Social, (2014).spa
dc.relation.referencesAnthonisen NR, Manfreda J, Warren CP, Hershfield ES, Harding GK, Nelson NA. Antibiotic therapy in exacerbations of chronic obstructive pulmonary disease. Annals of internal medicine. 1987;106(2):196-204.spa
dc.relation.referencesPatil SP, Krishnan JA, Lechtzin N, Diette GB. In-hospital mortality following acute exacerbations of chronic obstructive pulmonary disease. Archives of internal medicine. 2003;163(10):1180-6.spa
dc.relation.referencesEchevarria C, Steer J, Heslop-Marshall K, Stenton SC, Hickey PM, Hughes R, et al. Validation of the DECAF score to predict hospital mortality in acute exacerbations of COPD. Thorax. 2016;71(2):133-40.spa
dc.relation.referencesChang CL, Sullivan GD, Karalus NC, Mills GD, McLachlan JD, Hancox RJ. Predicting early mortality in acute exacerbation of chronic obstructive pulmonary disease using the CURB65 score. Respirology. 2011;16(1):146-51.spa
dc.relation.referencesEdwards L, Perrin K, Wijesinghe M, Weatherall M, Beasley R, Travers J. The value of the CRB65 score to predict mortality in exacerbations of COPD requiring hospital admission. Respirology. 2011;16(4):625-9.spa
dc.relation.referencesSteer J, Gibson J, Bourke SC. The DECAF Score: predicting hospital mortality in exacerbations of chronic obstructive pulmonary disease. Thorax. 2012;67(11):970-6.spa
dc.relation.referencesShorr AF, Sun X, Johannes RS, Derby KG, Tabak YP. Predicting the need for mechanical ventilation in acute exacerbations of chronic obstructive pulmonary disease: comparing the CURB-65 and BAP-65 scores. Journal of critical care. 2012;27(6):564-70.spa
dc.relation.referencesShorr AF, Sun X, Johannes RS, Yaitanes A, Tabak YP. Validation of a novel risk score for severity of illness in acute exacerbations of COPD. Chest. 2011;140(5):1177-83.spa
dc.relation.referencesEchevarria C, Steer J, Heslop-Marshall K, Stenton SC, Hickey PM, Hughes R, et al. The PEARL score predicts 90-day readmission or death after hospitalisation for acute exacerbation of COPD. Thorax. 2017.spa
dc.relation.referencesLugo-Reyes SO, Maldonado-Colin G, Murata C. [Artificial intelligence to assist clinical diagnosis in medicine]. Revista alergia Mexico (Tecamachalco, Puebla, Mexico : 1993). 2014;61(2):110-20.spa
dc.relation.referencesLima AN, Philot EA, Trossini GH, Scott LP, Maltarollo VG, Honorio KM. Use of machine learning approaches for novel drug discovery. Expert opinion on drug discovery. 2016;11(3):225-39spa
dc.relation.referencesSingh S, Kaur S, Goel N. A Review of Computational Intelligence Methods for Eukaryotic Promoter Prediction. Nucleosides, nucleotides & nucleic acids. 2015;34(7):449-62.spa
dc.relation.referencesXie J, Ding W, Chen L, Guo Q, Zhang W. Advances in protein contact map prediction based on machine learning. Medicinal chemistry (Shariqah (United Arab Emirates)). 2015;11(3):265-70.spa
dc.relation.referencesRoche N, Zureik M, Soussan D, Neukirch F, Perrotin D. Predictors of outcomes in COPD exacerbation cases presenting to the emergency department. The European respiratory journal. 2008;32(4):953-61.spa
dc.relation.referencesBafadhel M, Greening NJ, Harvey-Dunstan TC, Williams JE, Morgan MD, Brightling CE, et al. Blood Eosinophils and Outcomes in Severe Hospitalized Exacerbations of COPD. Chest. 2016;150(2):320-8.spa
dc.relation.referencesBach PB, Brown C, Gelfand SE, McCrory DC. Management of acute exacerbations of chronic obstructive pulmonary disease: a summary and appraisal of published evidence. Annals of internal medicine. 2001;134(7):600-20.spa
dc.relation.referencesSteer J, Norman EM, Afolabi OA, Gibson GJ, Bourke SC. Dyspnoea severity and pneumonia as predictors of in-hospital mortality and early readmission in acute exacerbations of COPD. Thorax. 2012;67(2):117-21.spa
dc.relation.referencesSinganayagam A, Schembri S, Chalmers JD. Predictors of mortality in hospitalized adults with acute exacerbation of chronic obstructive pulmonary disease. Annals of the American Thoracic Society. 2013;10(2):81-9spa
dc.relation.referencesMartínez GM, Casas DP, RODRIGO BASTIDAS A, Oliveros H, Pinilla PA, Calderón WJ, et al. Índices de oxigenación como predictores de ventilación mecánica en neumonía a 2600 metros de altitud. Acta Médica Colombiana. 2016;41(3).spa
dc.subject.proposalEPOCspa
dc.subject.proposalExacerbación agudaspa
dc.subject.proposalRedes Neuronalesspa


Archivos en el ítem

Thumbnail
Nombre:
CadavidRamirezJoseRuben2020.pdf
Tamaño:
706.7Kb
Formato:
PDF
Descripción:
Trabajo de grado
Ver/

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

Mostrar el registro sencillo del ítem

Derechos Reservados - Universidad Militar Nueva Granada, 2020
Excepto si se señala otra cosa, la licencia del ítem se describe como Derechos Reservados - Universidad Militar Nueva Granada, 2020