Soporte para el diagnóstico de sepsis en adultos, usando técnicas de minería de datos supervisadas
Cargando...
Autores
Director
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
La sepsis es una respuesta de un paciente a la infección, y es una causa importante de morbilidad y mortalidad en todo el mundo. Este estudio aborda el problema del diagnóstico de la sepsis aplicando la metodología del descubrimiento del nuevo conocimiento en base de datos. Los datos empleados fueron obtenidos de una investigación previa, en la cual se hizo una serie de mediciones a los pacientes y éstos fueron clasificados por un grupo de expertos. Las técnicas de minería de datos utilizadas presentan un pobre desempeño dado que muestran una precisión no mayor al 72.80%; sin embargo, se puede observar que las características de los leucocitos, procalcitonina, temperatura, presión arterial media y proteína C reactiva son las más discriminantes.
Abstract: Sepsis is a response of a patient to infection, and is an important cause of morbidity and mortality worldwide. This study approaches the problem of sepsis diagnosis using the methodology of discovery of new knowledge based on data. Data used were obtained from previous research, series of measurements were done to patients and a group of experts classified these patients. Data mining techniques used have performed poorly, they show an accuracy not greater than 72.80%; however, we can see that the characteristics of leukocytes, procalcitonin, temperature, mean arterial pressure and C Reactive Protein are the most discriminating.
Abstract: Sepsis is a response of a patient to infection, and is an important cause of morbidity and mortality worldwide. This study approaches the problem of sepsis diagnosis using the methodology of discovery of new knowledge based on data. Data used were obtained from previous research, series of measurements were done to patients and a group of experts classified these patients. Data mining techniques used have performed poorly, they show an accuracy not greater than 72.80%; however, we can see that the characteristics of leukocytes, procalcitonin, temperature, mean arterial pressure and C Reactive Protein are the most discriminating.
Abstract
Palabras clave propuestas
Minería de datos; Septicemia - Diagnostico; Procesamiento de la información; Epidemiologia clínica; Procesamiento electrónico de datos; Redes neurales (Computadores); Análisis de regresión logística; Data mining; Septicemia - Diagnosis; Information processing; Clinical epidemiology; Electronic data processing; Neural networks (Computer science); Logistic regression analysis