FenixEdu™

Dissertação

{pt_PT=Data-based Modelling for the Prediction of Mortality in Acute Kidney Injury Patients} {} EVALUATED

Detalhes: {pt=Extração de dados e técnicas de aprendizagem automática estão a ser cada vez mais usados em grandes bases de dados médicas com o objetivo de criar modelos clínicos individualizados, i.e. soluções que funcionem para doentes específicos. Lesão renal aguda (AKI) é uma doença genérica que se caracteriza por alterações abrutas da função renal. Tem uma alta morbidade e mortalidade com especial relevo em doentes críticos. O principal objetivo desta tese é identificar quais as variáveis fisiológicas que são mais indicativas da mortalidade em pacientes admitidos numa unidade de cuidados intensivos (UCI) e a relação com o desenvolvimento de AKI. Para isso os pacientes são avaliados de acordo com o seu estágio de AKI, que tanto pode ser usados para separar dados ou como variável. Usando informação da base de dados MIMIC-III, foram construídos 5 grupos de dados: um com todos os pacientes, outro apenas com pacientes que desenvolveram AKI -- para ambos, o estágio foi utilizado como variável -- e três por estágio -- onde os pacientes foram distribuídos de acordo com o seu último (e pior) estágio. Os dados utilizados correspondem ao primeiro ou ao último dia do paciente e foram discretizados usando a média, a mediana ou o último valor. Para cada base de dados aplicaram-se métodos de seleção de variáveis e modelos \textit{fuzzy}. A previsão de mortalidade por estágio mostra uma considerável melhoria comparada com modelos com mais doentes e reforça a importância de uma abordagem específica aos pacientes de acordo com o seu estágio., en=The growth and improved accessibility to electronic health records have promoted the research in medical sciences aided by Computational Intelligence systems. Data mining and machine learning techniques are being increasingly used in large medical databases with the goal of creating individualized clinical models, i.e. solutions that work for a specific patient. Acute kidney injury (AKI) is a broad disease defined by abrupt changes in renal function. AKI has a high morbidity and mortality, with an increase focus on critically ill patients. The main goal of this thesis is to identify which physiological variables are most predictive of mortality within patients admitted to the intensive care unit (ICU) that develop AKI. To do so, patients are evaluated in terms of AKI stages, which is either used to separate data or as feature. Data from MIMIC-III database was used to build 5 different datasets: one with all the patients, other only with patients that developed AKI (for both stage was used as a feature) and three per stage: where patients were assigned to their final (and worst) stage. The data used corresponds to each patients first or last day, and it was discretized using either the mean value, the median value or the last value. Feature selection and fuzzy modelling methods are applied to each dataset. The mortality prediction by stage show a considerable improvement comparing to the models with more patients and reinforces the importance of a tailored approach to patients in different stages.}
Keywords: {pt=Lesão Renal Aguda, Previsão de Mortalidade, MIMIC-III, Inteligência Computacional, Modelação Fuzzy, Seleção de Variáveis, en=Acute Kidney Injury, Mortality Prediction, MIMIC-III, Computational Intelligence, Fuzzy Modelling, Feature Selection}

Discussão: julho 3, 2017, 9:0