Desarrollo de un algoritmo para determinar el riesgo de muerte en pacientes dentro de una Unidad de Cuidado Intensivo utilizando Regresión Múltiple no Lineal

Cindy María García García
José David Posada Aguilar
Jair Villanueva Padilla


DOI: http://dx.doi.org/10.15665/rp.v12i2.288

Resumen


Los sistemas de clasificación de la severidad de la enfermedad han sido utilizados por décadas por médicos en
todo el mundo dentro de la Unidad de Cuidado Intensivo, como un indicativo del estado de salud del paciente y
la probabilidad del riesgo de muerte del mismo. A pesar de la aceptación de dichos sistemas de clasificación, se ha
demostrado que no tienen los resultados más precisos, es por esta razón que los científicos e ingenieros han probado
diversas técnicas para buscar mejorar dichos sistemas. En este artículo se presentan los resultados del desarrollo de
un algoritmo para la determinación del riesgo de muerte utilizando regresión múltiple no lineal y su comparación
con los resultados obtenidos con el sistema de clasificación tradicional SAPS I. Partiendo de una base de datos de
mediciones de parámetros fisiológicos para 4000 pacientes, se realiza un procesamiento extendido de la misma, aplicándosele
análisis de datos y probándose las técnicas de regresión múltiple no lineal: Árbol de regresión, Regresión
logística, Máquina de Vector de Soporte y Redes Neuronales Artificiales. Los mejores resultados se obtuvieron con
la técnica Máquina de Vector de Soporte, logrando superar el desempeño del sistema SAPS I.


Palabras clave


Parámetros fisiológicos; Regresión Múltiple no Lineal; Riesgo de muerte, Sistemas de clasificación de la severidad de la enfermedad; Unidad de Cuidado Intensivo

Texto completo:

PDF

Referencias


S. Vairavan, L. Eshelman, S. Haider, et al, “Prediction

of Mortality in an Intensive Care Unit using Logistic Regression

and a Hidden Markov Model”, Computing in Cardiology,

vol. 39, pp. 393-396, 2012.

W. A. Kanus, J. E. Zimmerman, D. P. Wagner, et al,

“APACHE- acute physiology and chronic health evaluation:

A physiologically based classification system”, Crit

Care Med, vol. 9, pp. 591, 1981.

S. Lemeshow, J. Klar, D. Teres, et al, “Mortality Probability

Models for patients in the intensive care unit for 48

or 72 hours: a prospective, multicenter study”, Crit Care

Med, vol. 22, pp. 1351-1358, Sep. 1994.

Springer (2006). Comparison of variables collected in

APACHE, SAPS and SOFA scores [Internet]. Disponible

desde:

1186_1471-2334-6-132-0> [Acceso 23 de mayo 2014].

J. Vincent, R. Moreno, J. Takala, et al, “The SOFA (Sepsis-

related Organ Failure Assessment) score to describe

organ dysfunction/failure”, Intensive Care Med, vol. 22, pp.

-710, 1996.

J. Mata, “Escalas pronósticas en la Unidad de Terapia

Intensiva”, Revista de la Asociación Mexicana de Medicina

Crítica y Terapia Intensiva, vol. 25, no. 4, pp. 234-241, 2012.

Physionet 2012 Challenge (2012) [Internet]. Disponible

desde:

. [Acceso 23 de

mayo 2014].

C. H. Lee, N. M. Arzeno, J. C.Ho, H.Vikalo, & J.Ghosh,

“An Imputation-Enhanced Algorithm for ICU Mortality Prediction”.

Computing in Cardiology, vol 39, pp 253-256, 2012.

E. P. Goss, & H. Ramchandani, “Survival prediction in

the intensive care unit: a comparison of neural networks

and binary logit regression”. Socio-Economic Planning

Sciences, vol. 32(3), pp. 189-198, 1998.

L. A. Celi, S.Galvin, G. Davidzon, J. Lee, D.Scott, & R.

Mark, “A Database-driven decision support system: customized

mortality prediction”. Journal of personalized medicine,

vol. 2(4), pp. 138-148, 2012.

S. Vairavan, L. Eshelman, S. Haider, A. Flower & A.

Seiver, “Prediction of Mortality in an Intensive Care Unit

using Logistic Regression and a Hidden Markov Model”.

Computing in Cardiology, vol 39, pp 393-396, 2012.

H. Xia, B. J. Daley, A. Petrie & X. Zhao, “A Neural Network

Model for Mortality Prediction in ICU”. Proc. Computing

In Cardiology 2012, vol. 39, pp. 261-264, 2012.

O. Luaces, F. Taboada, G. M. Albaiceta, L.A. Domínguez,

P. Enríquez, & A. Bahamonde, “Predicting the

probability of survival in intensive care unit patients

from a small number of variables and training examples”.

Artificial intelligence in medicine, vol. 45(1), pp. 63-

, 2009.

K. Hekmat, F. Doerr, A. Kroener, M. Heldwein, T.

Bossert, A. M. Badreldin, & A. Lichtenberg, “Prediction

of mortality in intensive care unit cardiac surgical patients”.

European Journal of Cardio-Thoracic Surgery, vol.

(1), pp. 104-109, 2010.


Enlaces refback

  • No hay ningún enlace refback.


Licencia Creative Commons
Este trabajo esta licenciado bajo una Licencia Internacional Creative Commons Atribución-NoComercial-SinDerivados 4.0.

 

ISSN : 1692-8261 Versión impresión
ISSN : 2216-1368 Versión Web

RedesRepositorio UACRedes Sociales
 


Licenciada bajo: