Resumen

La fracción de eyección del ventrículo izquierdo (FEVI) constituye un importante parámetro fisiológico para la evaluación de la función cardíaca, especialmente en el contexto de la enfermedad de las arterias coronarias y la insuficiencia cardíaca. Este estudio explora el uso de variables adquiridas de manera rutinaria y fácil en la unidad de cuidados intensivos (UCI) para predecir una FEVI severamente deprimida después de la admisión a la UCI. Se llevó a cabo un estudio retrospectivo. Se extrajeron variables fisiológicas clínicas derivadas del monitoreo en la UCI y disponibles en la base de datos MIMIC II, y se desarrolló un modelo difuso utilizando selección secuencial de características y se comparó con el modelo de regresión logística convencional (LR). Se observó un máximo rendimiento predictivo utilizando variables de la UCI adquiridas fácilmente dentro de las 6 horas posteriores a la admisión, y se logró un rendimiento predictivo satisfactorio utilizando variables adquiridas tan pronto como una hora después de la admisión. El

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Fracción de eyección ventricular izquierda; UCI; Enfermedad de las arterias coronarias; Insuficiencia cardíaca; Modelo difuso; Regresión logística
• Keywords:Left ventricular ejection fraction; ICU; Coronary artery disease; Heart failure; Fuzzy model; Logistic regression