Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/259809
Type: TESE
Title: Um modelo preditivo não-linear de mortalidade em pacientes internados em unidades de terapia intensiva, utilizando redes neurais artificiais
Author: Felipe Junior, Paulo
Advisor: Sabbatini, Renato Marcos Endrizzi, 1947-
Abstract: Resumo: Diversos sistemas foram desenvolvidos com o intuito de estimar a probabilidade de morte em Unidades de Terapia Intensiva, tais como o APACHE e o MPM, que são baseados em regressão logística. No presente trabalho, foi estudado o potencial das Redes Neurais Artificiais para a execução da mesma tarefa. Para tal, diversos experimentos foram realizados utilizando, como base, um perceptron de três camadas com regra de aprendizado por backpropagation onde o número de neurodos da camada intermediária foi de 5, 10, 15 e 20 elementos. Foram utilizados 282 registros de pacientes para o treinamento das redes neurais e 100 registros para o seu teste. Estes dados foram obtidos a partir de um banco de dados da UTI do HCUnicamp, coletados no período de 1988 e 1992, utilizados previamente para calcular os Índices do APACHE 11.Todas as redes apresentaram convergência dentro de 500 ciclos de treinamento sendo que o Erro Global Final, em todos os casos, foi inferior a 0,025. Para avaliar a performance de cada experimento foram utilizados, como índices de desempenho, os valores de acurácia, sensibilidade, especificidade, eficiência, preditividade positiva e negativa e o cálculo da área sob a Curva ROC. Para o conjunto de dados de treino, todas as redes foram capazes de predizer o prognóstico do paciente com acurácias variando entre 97,6% (rede com 20 e 10 neurodos intermediários) e 98,6% (rede com 5 neurodos intermediários). No conjunto de dados de teste, os valores de acurácia variaram entre 76% (rede com 15 neurodos intermediários) e 81% (rede com 5 neurodos intermediários) ... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digital

Abstract: Several systems have been devised with the purpose of estimating the probability of death in intensive care units (ICUs). These systems, such as APACHE and MPM, take the approach of logistic regression ana1ysis. In this work, we have studied instead the applicability of artificial neural networks in performing the same task. Thus, we have conducted some experiments, using three-Iayer perceptrons with backpropagation learning rule, where the neurode count in the intermediate layer was either 5, 10, 15 or 20 elements. 282 patient records were used for training the neural networks, and a further 100 for testing them. The data originated from a database maintained by the ICU of the University Clinics Hospital, State University of Campinas, Brazil; they are from the 1988-92 period, and had been previously used for calculating APACHE II indexes. Ali networks converged within 500 cycles, with a final global error under 0.025 in ali cases. In order to evaluate the experiments, for each of them the accuracy, sensitivity, specificity, efficiency, positive and negative predictability, as well as the calculated area under the ROC curve were used as performance indexes. For the training data set, ali networks were capable of predicting the patient's prognosis, with the accuracy ranging from 97.6% (networks with 20 and 10 intermediate neurodes) to 98.6% (networks with 5 intermediate neurodes). For the test data set, accuracy has varied between 76% (networks with 15 intermediate neurodes) and 81% (with 5 intermediate neurodes) ... Note: The complete abstract is available with the full electronic digital thesis or dissertations
Subject: Prognóstico
Redes neurais (Computação)
Mortalidade
Unidade de tratamento intensivo
Language: Português
Editor: [s.n.]
Date Issue: 1995
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
FelipeJunior_Paulo_M.pdf6.33 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.