基于临床数据预测恰加斯病患者猝死的诊断辅助:一种基于机器学习的方法

Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021) Pub Date : 2021-06-15 DOI:10.5753/sbcas.2021.16077

Pedro E. O. Primo, Weslley L. Caldas, G. S. Almeida, L. P. L. Brasil, Carlos H. L. Cavalcante, J. P. Madeiro, Danielo G. Gomes, R. C. Pedrosa

{"title":"基于临床数据预测恰加斯病患者猝死的诊断辅助:一种基于机器学习的方法","authors":"Pedro E. O. Primo, Weslley L. Caldas, G. S. Almeida, L. P. L. Brasil, Carlos H. L. Cavalcante, J. P. Madeiro, Danielo G. Gomes, R. C. Pedrosa","doi":"10.5753/sbcas.2021.16077","DOIUrl":null,"url":null,"abstract":"A doença de Chagas (DC) afeta cerca de 7 milhões de pessoas no mundo e pode levar à Morte Súbita Cardíaca (MSC) do paciente por cardiomiopatia, cuja evolução pode ser controlada com diagnóstico precoce. Neste artigo, foram utilizados 7 algoritmos de aprendizagem de máquina com uma base de dados clínicos de pacientes chagásicos, objetivando a classiﬁcação em alta ou baixa predisposição do paciente à MSC, com seleção de atributos e balanceamento dos dados. Os melhores resultados indicam AUC:85.35 e F1:75.79 para o algoritmo K-Vizinhos Mais Próximos. Devido ao forte impacto nos modelos de aprendizagem de máquina, sugerimos o uso da Taquicardia Ventricular Não Sustentada e Extrassístole Ventricular Total como indicadores de MSC iminente.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"28 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Auxílio ao Diagnóstico para Predição de Morte Súbita em Pacientes Chagásicos a Partir de Dados Clínicos: uma Abordagem baseada em Aprendizagem de Máquina\",\"authors\":\"Pedro E. O. Primo, Weslley L. Caldas, G. S. Almeida, L. P. L. Brasil, Carlos H. L. Cavalcante, J. P. Madeiro, Danielo G. Gomes, R. C. Pedrosa\",\"doi\":\"10.5753/sbcas.2021.16077\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"A doença de Chagas (DC) afeta cerca de 7 milhões de pessoas no mundo e pode levar à Morte Súbita Cardíaca (MSC) do paciente por cardiomiopatia, cuja evolução pode ser controlada com diagnóstico precoce. Neste artigo, foram utilizados 7 algoritmos de aprendizagem de máquina com uma base de dados clínicos de pacientes chagásicos, objetivando a classiﬁcação em alta ou baixa predisposição do paciente à MSC, com seleção de atributos e balanceamento dos dados. Os melhores resultados indicam AUC:85.35 e F1:75.79 para o algoritmo K-Vizinhos Mais Próximos. Devido ao forte impacto nos modelos de aprendizagem de máquina, sugerimos o uso da Taquicardia Ventricular Não Sustentada e Extrassístole Ventricular Total como indicadores de MSC iminente.\",\"PeriodicalId\":413867,\"journal\":{\"name\":\"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)\",\"volume\":\"28 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-06-15\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/sbcas.2021.16077\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbcas.2021.16077","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

恰加斯病(cd)影响全世界约700万人，可导致心肌病患者心脏猝死(MSC)，其演变可通过早期诊断加以控制。在本文中,使用7机器学习算法和chagásicos病人的临床数据库,针对分类ﬁ高或低素质的患者在硕士,选择数据属性和平衡。K-近邻算法的AUC:85.35和F1:75.79结果最好。由于对机器学习模型的强烈影响，我们建议使用非持续室性心动过速和全室性心动过速作为即将发生的MSC的指标。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

Auxílio ao Diagnóstico para Predição de Morte Súbita em Pacientes Chagásicos a Partir de Dados Clínicos: uma Abordagem baseada em Aprendizagem de Máquina

A doença de Chagas (DC) afeta cerca de 7 milhões de pessoas no mundo e pode levar à Morte Súbita Cardíaca (MSC) do paciente por cardiomiopatia, cuja evolução pode ser controlada com diagnóstico precoce. Neste artigo, foram utilizados 7 algoritmos de aprendizagem de máquina com uma base de dados clínicos de pacientes chagásicos, objetivando a classiﬁcação em alta ou baixa predisposição do paciente à MSC, com seleção de atributos e balanceamento dos dados. Os melhores resultados indicam AUC:85.35 e F1:75.79 para o algoritmo K-Vizinhos Mais Próximos. Devido ao forte impacto nos modelos de aprendizagem de máquina, sugerimos o uso da Taquicardia Ventricular Não Sustentada e Extrassístole Ventricular Total como indicadores de MSC iminente.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)

自引率

0.00%

发文量