BDBComp
Parceria:
SBC
Aprendizagem de Classificadores para Diagnóstico da Síndrome da Apnéia Obstrutiva do Sono

Gabriel Magalhães Nunes GuimarãesHelga Bezerra Gomes da SilvaMarcelo LadeiraCarlos Alberto de Assis Viegas

A Síndrome da Apnéia Obstrutiva do Sono (SAOS) é uma doença comum cujo diagnóstico é difícil, caro e baseado em polissonografia. No Brasil, filas para polissonografias tendem a ficar cada vez maiores e a dificuldade em prever esta doença, apenas com base na história e exame físico do paciente, representa um problema para o sistema de saúde. Nós construirmos classificadores baseados em redes probabilísticas ou neurais, visando obter um modelo acurado, eficiente, eficaz e efetivo para diagnosticar SAOS. Foram coletados dados clínicos, antropométricos e polissonografias de 1000 pacientes para treinamento e de 127 para avaliação. O melhor modelo obteve acurácia de 99%, sensibilidade de 100% e especificidade de 97%. The Obstructive Sleep Apnea Syndrome (OSAS) is a common disease with high morbity that diagnosis is expensive, uncomfortable, and based on polysomnography. In Brazil, the polysomnography queues tend to increase and the difficult for predicting OSAS using only clinical and anthropometric variables represents a public health problem. We built up classifiers based on probabilistic or neural network aimed at getting an accurate, efficient and effective model for predicting OSAS. We collected clinical, polisomnographic, and anthropometric data from laboratory records of 1000 patients for training purpose, and of 127 patients for evaluation purpose. The best classifier presented accuracy of 99%, sensitivity of 100% and specificity of 97%.

http://www.lbd.dcc.ufmg.br/colecoes/wim/2006/020.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD