Reducción y clasificación de falsas alarmas en la uci utilizando árboles de decisión
Fecha
2018
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Rey Juan Carlos
Enlace externo
Resumen
En la Unidad de Cuidados Intensivos saltan una cantidad desmedida de alarmas
diarias. Estas alarmas son de una prioridad elevada, ya que el estado de los pacientes
así lo requiere. Es por ello que las alarmas alcanzan los 80 dB, lo que provoca falta de
sueño, estrés... Y otros trastornos añadidos al resto de pacientes hospitalizados. Muchas
de estas alarmas surgen debido a que se procesan por separado las señales que están
siendo monitorizadas y comparadas con un umbral predefinido, que, en ocasiones, no es
el adecuado para la Unidad de Cuidados Intensivos.
Estas innecesarias interrupciones también se ha demostrado que tienen un efecto
negativo en la recuperación y la duración de la estancia.
Tan solo entre el 2% y el 9% son realmente importantes para el manejo del paciente.
Por lo que, en este campo, existe un gran margen de mejora.
En este contexto, este Trabajo Fin de Grado, se centra en utilizar técnicas de machine
learning, concretamente ´arboles de decisión realizando un análisis exploratorio de los datos
previo, para obtener una buena clasificación. La base de datos consta de 750 pacientes
con 3/4 señales recogidas de cada uno de ellos en hospitales de EEUU y Europa, que fue
utilizada en el Challenge de Physionet de 2015 para el Computing in Cardiology.
Finalmente los resultados demuestran que el algoritmo planteado mejora a otros
dos modelos, naive bayes y regresión logística, dejando abiertas las líneas futuras de investigación a la multiclasificación o a probar otras técnicas en el análisis exploratorio de
datos.
Descripción
Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2017/2018. Tutor: Óscar Barquero Perez
Palabras clave
Citación
Colecciones

Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional