Loading...
Please wait, while we are loading the content...
Similar Documents
Aplicación de las redes neuronales artificiales para la estratificación de riesgo de mortalidad hospitalaria
| Content Provider | Semantic Scholar |
|---|---|
| Author | Trujillano, Javier March, Jaume Miquel Badía, Mariona Rodríguez, Aurelio Sorribas, Albert |
| Copyright Year | 2003 |
| Abstract | Objetivo: Comparar la capacidad de prediccion de mortalidad hospitalaria de una red neuronal artificial (RNA) con el Acute Physiology and Chronic Health Evaluation II (APACHE II) y la regresion logistica (RL), y comparar la asignacion de probabilidades entre los distintos modelos. Metodo: Se recogen de forma prospectiva las variables necesarias para el calculo del APACHE II. Disponemos de 1.146 pacientes asignandose aleatoriamente (70 y 30%) al grupo de Desarrollo (800) y al de Validacion (346). Con las mismas variables se genera un modelo de RL y de RNA (perceptron de 3 capas entrenado por algoritmo de backpropagation con remuestreo bootstrap y con 9 nodos en la capa oculta) en el grupo de desarrollo. Se comparan los tres modelos en funcion de los criterios de discriminacion con el area bajo la curva ROC (ABC [IC del 95%]) y de calibracion con el test de Hosmer-Lemeshow C (HLC). Las diferencias entre las probabilidades se valoran con el test de Bland-Altman. Resultados: En el grupo de validacion, el APACHE II con ABC de 0,79 (0,75-0,84) y HLC de 11 (p = 0,329); modelo RL, ABC de 0,81 (0,76-0,85) y HLC de 29 (p = 0,0001), y en RNA, ABC de 0,82 (0,77-0,86) y HLC de 10 (p = 0,404). Los pacientes con mayores diferencias en la asignacion de probabilidad entre RL y RN (8% del total) son pacientes con problemas neurologicos. Los peores resultados se obtienen en los pacientes traumaticos (ABC inferior a 0,75 en todos los modelos). En los pacientes respiratorios, la RNA alcanza los mejores resultados (ABC = 0,87 [0,78-0,91]). Conclusiones: Una RNA es capaz de estratificar el riesgo de mortalidad hospitalaria utilizando las variables del sistema APACHE II. La RNA consigue mejores resultados frente a RL, sin alcanzar significacion, ya que no trabaja con restricciones lineales ni de independencia de variables, con una diferente asignacion de probabilidad individual entre los modelos. |
| Starting Page | 504 |
| Ending Page | 511 |
| Page Count | 8 |
| File Format | PDF HTM / HTML |
| DOI | 10.1016/S0213-9111(03)71798-1 |
| Alternate Webpage(s) | http://www.gacetasanitaria.org/index.php?p=revista&pii=S0213911103717981&tipo=pdf-simple |
| Alternate Webpage(s) | https://doi.org/10.1016/S0213-9111%2803%2971798-1 |
| Volume Number | 17 |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
