En las últimas décadas, las cardiopatías amenazan seriamente la salud de las personas debido a su prevalencia y alto riesgo de muerte. Por ello, la predicción de las cardiopatías mediante algunos indicadores físicos sencillos obtenidos en el examen físico periódico en una fase temprana se ha convertido en un tema valioso. Desde el punto de vista clínico, es esencial ser sensible a estos indicadores relacionados con las cardiopatías para hacer predicciones y proporcionar una base fiable para diagnósticos posteriores. Sin embargo, la gran cantidad de datos hace que el análisis manual y la predicción sean arduos y gravosos. Nuestra investigación pretende predecir las cardiopatías con precisión y rapidez a través de diversos indicadores del organismo. En este artículo se presenta un novedoso modelo de predicción de cardiopatías. Proponemos un algoritmo de predicción de cardiopatías que combina el método de selección de características embebidas y las redes neuronales profundas. Este método de selección de características incrustadas se basa en el algoritmo LinearSVC, que utiliza la norma L1 como elemento de penalización para elegir un subconjunto de características significativamente asociadas con la enfermedad cardiaca. Estas características se introducen en la red neuronal profunda que hemos construido. El peso de la red se inicializa con el inicializador He para evitar el barnizado o explosión del gradiente, de modo que el predictor pueda tener un mejor rendimiento. Nuestro modelo se prueba en el conjunto de datos de enfermedades cardíacas obtenido de Kaggle. Para evaluar el predictor se calculan algunos indicadores, como la exactitud, la recuperación, la precisión y la puntuación F1. Los resultados muestran que nuestro modelo alcanza 98,56%, 99,35%, 97,84% y 0,983, respectivamente, y la puntuación AUC media del modelo llega a 0,983, lo que confirma que el método propuesto es eficaz y fiable para predecir enfermedades cardiacas.

Las caídas suponen un gran riesgo para los adultos mayores y están relacionadas con el sentido del equilibrio del cuerpo. Este estudio investigó cómo detectar la posibilidad de sujetos con alto riesgo de caídas entre los adultos mayores. La señal original se basa en el centro de presión (COP) medido con una placa de fuerza. El grupo de los que se caen incluye 29 sujetos que tenían antecedentes de caídas en el año anterior a este estudio o que habían recibido puntuaciones altas en la Escala breve de eficacia de caídas (FES). El grupo de no caídos incluye 47 inscritos sin antecedentes de caídas y que habían recibido puntuaciones bajas en la Short FES. Se calculó el COP en dirección anteroposterior y mediolateral y se analizó mediante descomposición empírica de modos (EMD) hasta seis niveles. Se extrajeron las cinco características siguientes y se importaron a un algoritmo de árbol de decisión: desviación cuadrática media, frecuencia media, potencia de frecuencia total, entropía aproximada y entropía de muestra. Los resultados mostraron que había un mayor número de parámetros de características estadísticamente diferentes, y se obtuvo una clasificación de mayor precisión. Con la ayuda de la descomposición modal empírica, la precisión media de la clasificación aumentó un 10y alcanzó un nivel del 99,74% en el grupo de entrenamiento y del 96,77% en el grupo de prueba, respectivamente.

Este estudio tenía como objetivo proporcionar métodos eficaces para la identificación de cirugías con alto riesgo de cancelación basados en modelos de aprendizaje automático y analizar los factores clave que afectan al rendimiento de la identificación. Los datos abarcaron el periodo comprendido entre el 1 de enero de 2013 y el 31 de diciembre de 2014 en el Hospital West China de China, centrado en cirugías urológicas electivas. Todas las cirugías se programaron con un día de antelación, y todas las cancelaciones fueron de tipo institucional relacionadas con los recursos y la capacidad. Las estrategias de selección de características, los modelos de aprendizaje automático y los métodos de muestreo son los temas más debatidos en las investigaciones generales sobre aprendizaje automático y tienen un impacto directo en el rendimiento de los modelos de aprendizaje automático. Por lo tanto, se tuvieron en cuenta para generar sistemáticamente esquemas completos en la identificación de cancelaciones quirúrgicas basada en el aprendizaje automático. Los resultados demostraron la viabilidad y solidez de la identificación de cirugías con alto riesgo de cancelación, con el considerable máximo del área bajo la curva (AUC) (0,7199) para el modelo de bosque aleatorio con muestreo original utilizando la estrategia de selección hacia atrás. Además, se realizaron la prueba de Delong unilateral y el análisis de suma de errores cuadrados para medir los efectos de la estrategia de selección de características, el modelo de aprendizaje automático y el método de muestreo en la identificación de cirugías con alto riesgo de cancelación, y se identificó la selección del modelo de aprendizaje automático como los factores clave que afectan a la identificación de cirugías con alto riesgo de cancelación. Este estudio ofrece metodología y conocimientos para identificar los factores experimentales clave para la identificación de cancelaciones de cirugías, y es útil para futuras investigaciones sobre la identificación basada en aprendizaje automático de cirugías con alto riesgo de cancelación.

Con el fin de analizar las características clínicas de los pacientes con fractura escapular, se adoptó un modelo de aprendizaje profundo en imágenes ecográficas de pacientes para localizar el punto de anestesia de los pacientes durante la cirugía de fractura escapular tratada con el bloqueo nervioso regional. Se reclutaron 100 pacientes con fractura escapular que fueron hospitalizados de urgencia en el hospital. Los pacientes del grupo del algoritmo utilizaron la punción del bloqueo nervioso regional guiada por ecografía, y los pacientes del grupo de control utilizaron la anatomía tradicional de la superficie corporal para el posicionamiento de la anestesia. Las imágenes ecográficas de la escápula del grupo de contraste se utilizaron para la identificación del modelo de aprendizaje profundo y el análisis de los sitios de acupuntura de la anestesia. Se extrajeron las imágenes ecográficas de la anatomía de la escápula de los pacientes del grupo de contraste y se empleó el modelo de red neuronal convolucional para el entrenamiento y la prueba. Además, se evaluó el rendimiento del modelo. Se comprobó que la adopción del aprendizaje profundo mejoraba en gran medida la precisión de la imagen. Se tardó una media de 7,5 ± 2,07 minutos desde el momento en que la aguja de punción tocó la piel hasta la finalización de la inyección en el grupo del algoritmo (tratado con posicionamiento ecográfico de inteligencia artificial). El tiempo de intervención del grupo de control (posicionamiento anatómico) fue de 10,2 ± 2,62 minutos de media. Además, hubo una diferencia significativa entre los dos grupos (p<0,05). El método adoptado en el grupo de contraste tenía una alta precisión de posicionamiento y un buen efecto anestésico, y los pacientes habían reducido las complicaciones postoperatorias de los pacientes (todos P<0,005). El modelo de aprendizaje profundo puede mejorar eficazmente la precisión de las imágenes de ultrasonido y medir y ayudar al tratamiento de futuros casos clínicos de fracturas escapulares. Al tiempo que mejora la eficiencia médica, también puede identificar con precisión las fracturas de los pacientes, lo que tiene un gran potencial de adopción para mejorar el efecto de la anestesia quirúrgica.

Objetivos. Las úlceras en los pies a menudo ocurren en personas con diabetes debido a la isquemia tisular inducida por la presión. Se ha informado de que la vibración es útil para aliviar el daño mecánico y promover la cicatrización de las heridas. El objetivo de este estudio es explorar si la vibración puede aliviar la hiperemia reactiva en el tejido del pie sometido a compresión oclusiva. Métodos. Trece adultos sanos participaron en el estudio. Cada pie se sometió a compresión oclusiva sin o con intervención de vibración, que se asignó aleatoriamente cada dos días. El flujo sanguíneo dorsal de la piel del pie (SBF) se midió antes y después de la intervención para cada sujeto en cada prueba. Se registraron las variaciones temporales y las características espectrales del SBF para su comparación. Resultados. Los resultados mostraron que los sujetos presentaban una hiperemia reactiva evidente en el tejido del pie tras la oclusión por presión, mientras que mostraban un SBF más regular cuando se aplicaba la vibración junto con la compresión oclusiva. Además, la amplitud de las vías metabólica, neurogénica y miogénica del SBF se redujo significativamente durante el proceso de hiperemia cuando se aplicó la vibración. Conclusiones. Este estudio demostró que la vibración puede reducir eficazmente el nivel de hiperemia en el tejido del pie sometido a compresión oclusiva y también inducir actividades reguladoras fisiológicas menos protectoras. Esto es útil para proteger el tejido del pie de las lesiones isquémicas inducidas por la presión y de las úlceras del pie.

El objetivo de este estudio era explorar el valor de aplicación de las imágenes de tomografía computarizada (TC) torácica procesadas mediante algoritmos de inteligencia artificial (IA) en el diagnóstico de la bronconeumonía neonatal. Se adoptó el algoritmo de reconstrucción iterativa estadística adaptativa (ASiR) de IA para reconstruir la imagen de TC torácica con el fin de comparar y analizar el efecto de la reconstrucción de la imagen de TC con el algoritmo ASiR bajo diferentes valores de preponderancia y posponderancia basados en la medición objetiva y la evaluación subjetiva. Se seleccionaron 85 neonatos con neumonía tratados en el hospital desde el 1 de septiembre de 2015 hasta el 1 de julio de 2020 como objetos de investigación para analizar sus características de imagen de TC. Posteriormente, se recogió la sangre periférica de neonatos sanos durante el mismo período y se detectaron los niveles de proteína C reactiva (PCR) y velocidad de sedimentación globular (VSG). Se analizó la eficacia de la exploración por TC, la PCR, la VSG y la exploración combinada en el diagnóstico de la PNB. Los resultados mostraron que la puntuación subjetiva de calidad, la puntuación subjetiva de la ventana pulmonar y la puntuación subjetiva de la ventana mediastínica eran las más altas tras la reconstrucción de la imagen de TC cuando el valor de preponderancia del algoritmo ASiR era del 50%. Tras el tratamiento, 79 casos de PNB (92,9%) mostraron características de vidrio deslustrado en las imágenes de TC. En comparación con los neonatos sanos, los niveles de PCR y VSG en la sangre periférica de los neonatos con bronconeumonía fueron mucho más bajos (P<0,05). Las tasas de exactitud de los exámenes de TC, PCR, VSG, PCR VSG y PCR VSG TC para el diagnóstico de la PNB fueron del 80,7%, 75,3%, 75,1%, 80,3% y 98,6%, respectivamente. La tecnología de TC basada en el algoritmo de IA mostró un alto valor de aplicación clínica en el análisis de las características de la PNB.

Antecedentes. La enfermedad cerebrovascular ha sido la principal causa de muerte en China desde 2017, y el control de los gastos médicos de estas enfermedades es una cuestión urgente. Los grupos relacionados con el diagnóstico (GRD) se utilizan cada vez más para disminuir los costes de la asistencia sanitaria en todo el mundo. Sin embargo, las variables y reglas de clasificación utilizadas varían de una región a otra. De estas variables, la cuestión de si la duración de la estancia (LOS) debe utilizarse como variable de agrupación es controvertida. Objetivo. Identificar los factores que influyen en el gasto médico hospitalario de los pacientes con enfermedad cerebrovascular. Se comparó el rendimiento de dos conjuntos de reglas de clasificación, y los efectos del grado de control del tratamiento médico no razonable, para investigar si las variables de clasificación deberían incluir la LOS. Métodos. Se utilizaron datos de 45.575 pacientes hospitalizados de una Administración de Seguridad Sanitaria de una ciudad del oeste de China. Se utilizaron las pruebas H de Kruskal-Wallis para el análisis monofactorial, y la regresión lineal múltiple por pasos para determinar los factores principales. Se construyó un algoritmo detector automático de interacciones chi-cuadrado (CHAID) como modelo de árbol de decisión para agrupar los datos relacionados. La intensidad del exceso de oferta de servicio se controló paso a paso del 10% al 100%, y se calculó el rendimiento de cada grupo. Resultados. El coste medio de hospitalización fue de 1.284 dólares, y el total de 51,17 millones de dólares. De ellos, 43,42 millones fueron pagados por el gobierno y 7,75 millones por particulares. Factores como el sexo, la edad, el tipo de seguro, el nivel del hospital, la estancia hospitalaria, la intervención quirúrgica, los resultados terapéuticos, la principal enfermedad concomitante y la hipertensión influyeron significativamente en el gasto hospitalario (P<0,05). Incorporando la LOS, los pacientes se dividieron en siete grupos de GRD, mientras que sin la LOS, los pacientes se dividieron en ocho grupos de GRD. Se necesitaron más variables clínicas para obtener buenos resultados sin LOS. De los dos conjuntos de reglas, se observó un menor coeficiente de variación (CV) y un límite superior inferior para los costes de los pacientes en el grupo que incluía LOS. Con este tipo de control económico se podrían ahorrar 3,35 millones de dólares en un año.

La vigilancia y la alerta precoz del norovirus pueden utilizarse para el diagnóstico sin pruebas etiológicas, y el tratamiento de esta enfermedad no requiere antibióticos. Suele darse en niños en edad preescolar y afecta a su crecimiento y desarrollo, por lo que las medidas de afrontamiento de esta enfermedad son más de prevención que de tratamiento. En este estudio, se recogieron los datos clínicos de 2133 niños con diarrea. Basándose en el algoritmo de inteligencia artificial (IA) de la transformada wavelet, se construyó un modelo relacionado para la minería de datos y el procesamiento de las imágenes de ultrasonido intestinal y las muestras de heces de los niños. A continuación, se advirtió la tendencia de la infección por norovirus basándose en el modelo del algoritmo de análisis wavelet. Los resultados mostraron que la imagen de ultrasonido intestinal procesada por el algoritmo de transformación wavelet era más clara. La tasa de detección positiva de norovirus en niños con diarrea clínica alcanzó el 59%, y los niños presentaban diferentes grados de daño corporal, de los cuales la probabilidad de acidosis metabólica compensatoria era la más alta. El análisis epidemiológico reveló que los niños con infección por norovirus se concentraban principalmente en el grupo de edad de menores de 2 años y mayores de 5, y mostraban un pico de infección en diciembre. En resumen, el algoritmo inteligente basado en la transformada wavelet puede realizar la reducción de ruido de la ecografía intestinal, y debe proteger a los niños con edad y estaciones susceptibles para reducir la tasa de infección clínica por norovirus.

Una buena calidad del sueño es esencial, especialmente para los usuarios clínicos. Los trastornos del sueño no sólo merman la tasa de éxito del tratamiento, sino que también retrasan la recuperación. Pueden interferir gravemente en los resultados del tratamiento e incluso poner en peligro la vida del usuario. En este estudio, creamos un colchón inteligente que contiene 10 × 18 paquetes de aire y unidades de control. Cada paquete de aire contiene un conjunto de sensores de presión y altura y dos válvulas de aire. Cada unidad de control de fila puede detectar y ajustar la presión y la altura de cada bolsa de aire de la fila. Cuando se enciende la cama, se inicializa automáticamente, ajusta el estado de cada bolsa de aire a la misma altura y presión y entra en un estado de barrido lento. Cuando se perciben objetos o personas tumbadas en la cama, ésta percibe automáticamente la estructura del cuerpo humano y la matriz de presión corporal, aumenta la velocidad de escaneado para obtener mediciones más oportunas y precisas de la matriz digital y la presión de formación mediante el procesamiento normalizado matricial y, a continuación, utiliza la detección de varianza de presión local para ajustarse automáticamente a la posición de sueño del cuerpo humano y lograr así una distribución uniforme de la fuerza y un estado confortable. Por último, se utilizó la binarización de la matriz de presión para emparejar las plantillas de posición de sueño con el fin de identificar la mejor plantilla para el reconocimiento automático de la posición de sueño. Los resultados experimentales muestran que el método de reconocimiento de la posición de sueño tiene una gran exactitud, recuperación y precisión. Nuestro colchón está diseñado con interfaces para dispositivos externos. En futuras investigaciones, el colchón inteligente puede conectarse a una parte auxiliar de un ecosistema inteligente formado por un pastillero inteligente, un sistema de iluminación inteligente y un sistema de microclima, con lo que se espera obtener un pabellón inteligente más completo para explorar la posibilidad de mejorar la calidad del sueño.

En este artículo, se utilizó dexmedetomidina (Dex) para prevenir trastornos neurológicos en pacientes anestesiados con sevoflurano y se analizó el efecto utilizando imágenes de ultrasonido basadas en el algoritmo de restauración del modelo de sistema lineal. Los niños inyectados con Dex pertenecían al grupo experimental, mientras que los niños inyectados con solución salina normal pertenecían al grupo de control. Se compararon la presión arterial media (PAM), la saturación arterial de oxígeno (SpO2), la frecuencia cardiaca (FC), la puntuación de la escala de agitación en anestesia pediátrica (PAED), la puntuación de cara, piernas, actividad, llanto, consolabilidad (FLACC) y los efectos adversos del fármaco (ADE) en los dos grupos antes de la inyección (T1), a los 5 min (T2), 10 min (T3) y 20 min (T4) después de la inyección, y cuando el paciente volvió en sí (T5). Se observó que, en contraste con el grupo de control, la PAM en el grupo experimental en los períodos T2, T3 y T4 fue inferior, mientras que fue superior en el período T5 y su FC en los períodos T2, T3, T4 y T5 fue superior (P < 0,05); las puntuaciones PAED y FLACC fueron inferiores (P < 0,05), y la incidencia de ADE (10,53%) fue inferior a la del grupo de control (31,58%) (P < 0,05). Sin embargo, la SpO2 en diferentes periodos no mostró diferencias evidentes entre los dos grupos (P > 0,05). En conclusión, las imágenes ecográficas basadas en el algoritmo de restauración tenían una alta calidad, y demostraron un buen valor de aplicación en la evaluación del efecto de Dex para prevenir trastornos neurológicos en pacientes anestesiados con sevoflurano.