Desarrollo de un algoritmo para determinar el riesgo de muerte en pacientes dentro de una Unidad de Cuidado Intensivo utilizando Regresión Múltiple no Lineal
DOI:
https://doi.org/10.15665/rp.v12i2.288Palabras clave:
Parámetros fisiológicos, Regresión Múltiple no Lineal, Riesgo de muerte, Sistemas de clasificación de la severidad de la enfermedad, Unidad de Cuidado IntensivoResumen
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.
Citas
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:
<http://www.springerimages.com/Images/RSS/5-
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.
Descargas
Número
Sección
Licencia
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as ceden los derechos de autor y dan a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Instrucciones para el llenado de la Certificación de Originalidad y la Cesión de Derechos de Autor.
- Haga click aquí y baje el formulario de Certificación de Originalidad y la Cesión de Derechos de Autor.
- En cada uno de los campos para rellenar haga click y complete lo correspondiente.
- Una vez llenos los campos, copie al final su firma escaneada o firma digital. Favor ajustar el tamaño de la firma en el formulario.
- Finalmente, lo puede guardar como pdf y enviarlo a través de la palataforma OJS, como archivo complementario.
Si tiene dudas contáctenos, por favor.
