Resumen

Recientemente, la incidencia de la hipertensión ha aumentado significativamente entre los adultos jóvenes. Aunque la intervención con ejercicio aeróbico (IEA) está reconocida desde hace tiempo como un tratamiento eficaz, las diferencias individuales en la respuesta a la IEA pueden influir seriamente en las decisiones de los médicos. En particular, sólo se han realizado unos pocos estudios para predecir la eficacia de la IEA en la reducción de la presión arterial (PA) en pacientes jóvenes hipertensos. Por ello, el objetivo de este artículo es explorar las implicaciones de diversos indicadores metabólicos cardiopulmonares en este campo mediante la explotación de los datos de las pruebas de ejercicio cardiopulmonar (CPET) de los pacientes antes de planificar el tratamiento. Los datos de las CPET se recogen "respiración a respiración" mediante un analizador de oxigenación conectado a una máscara y luego se dividen en cuatro fases: reposo, calentamiento, ejercicio y recuperación. Para mitigar los efectos de la información redundante y el ruido en los datos de CPET, se diseñó un clasificador de representación dispersa basado en el aprendizaje analítico de diccionarios para predecir con precisión la capacidad de respuesta individual a la AEI. Es importante destacar que los resultados experimentales mostraron que el modelo aquí presentado funcionaba mejor que el método de referencia basado en el cambio de PA y los modelos tradicionales de aprendizaje automático. Además, se observó que los datos de la fase de ejercicio producían las mejores predicciones en comparación con los datos de otras fases. Este estudio allana el camino hacia la personalización de programas de ejercicio aeróbico para pacientes jóvenes hipertensos.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:pacientes jóvenes hipertensos, AEI, datos, datos CPET, programas personalizados de ejercicio aeróbico, modelos tradicionales de aprendizaje automático, diversos indicadores metabólicos cardiopulmonares, intervención con ejercicio aeróbico, aprendizaje analítico de diccionarios, pruebas de ejercicio cardiopulmonar.
• Keywords:young hypertensive patients, AEI, data, CPET data, personalized aerobic exercise programs, traditional machine learning models, various cardiopulmonary metabolic indicators, aerobic exercise intervention, analytic dictionary learning, cardiopulmonary exercise testing