Mi SciELO
Servicios Personalizados
Articulo
Indicadores
- Citado por SciELO
Links relacionados
- Similares en SciELO
Compartir
Revista Médica Electrónica
versión On-line ISSN 1684-1824
Resumen
GARCIA ALVAREZ, Pedro Julio. Aplicación de redes neuronales en la predicción de mortalidad por neumonía. Rev.Med.Electrón. [online]. 2018, vol.40, n.5, pp. 1361-1379. ISSN 1684-1824.
Introducción:
la neumonía adquirida en la comunidad constituye un importante problema de salud a nivel global. En nuestro país es la cuarta causa de muerte. Los índices pronósticos ayudan a detectar tempranamente los pacientes de alto riesgo, pero estos tienen baja sensibilidad y especificidad.
Objetivo:
proponer un modelo matemático predictivo de mortalidad de la neumonía adquirida en la comunidad.
Materiales y métodos:
estudio analítico longitudinal en un universo de 73 pacientes, muestra no probabilística de 48. El test de Mann Withney se utilizó para obtener variables con significación en la mortalidad. Se calculó correlación de Pearson a las variables con significación y luego se elaboró el modelo matemático, el cual se probó en una red neuronal creada y entrenada al efecto. Posteriormente se llevó a la curva ROC para encontrar el área bajo la curva así como las coordenadas del punto de corte.
Resultados:
se obtuvo para la edad de 79 ± 11 años con 50 % femeninas. La mortalidad global estuvo en el orden del 27 %. Las variables con diferencias de comportamiento fueron la presión arterial sistólica (x2=0,001), así como la presión arterial diastólica (x2=0,001). El valor de la creatinina se comportó con (x2=0,03). La frecuencia respiratoria de (x2=0,01). La presión de oxigeno de (x2=0,036) al igual que las cifras de hemoglobina, el nivel de sodio (Na) (x2=0,004) con marcada diferencia entre los grupos y la edad (x2=0,003) IC=0,32.
Conclusiones:
este modelo matemático es una herramienta útil a pie de cama del paciente teniendo en cuenta que ayuda al juicio clínico en hacer un pronóstico más acertado.
Palabras clave : neumonía; mortalidad; predictor.