Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

logo del sistema bibliotecario dell'ateneo di padova

Panizzoni , Giulio (2011) Predizione della trasfusione massiva in pazienti affetti da lesioni traumatiche gravi. [Magistrali biennali]

Full text disponibile come:

[img]
Preview
PDF
1279Kb

Abstract

Per trasfusione massiva si intende l’apporto di 10 o più unità di sangue intero e nell’ambito della terapia d’emergenza per i traumatizzati gravi; questa procedura rappresenta una soluzione per il recupero del paziente con emorragie critiche e gravi coagulopatie. Un terzo dei pazienti traumatizzati gravemente, muore a causa del dissanguamento: si è riscontrato in diversi casi che un intervento celere e specifico nel ristabilire le quantità ematiche è in grado di aiutare la rianimazione ed il recupero del paziente[13]. Come in ogni aspetto delle terapie nei reparti d’emergenza l’individuazione delle strategie di intervento più corrette deve essere fatto in maniera rapida ma accurata. Per cercare di prevedere il rischio di trasfusioni massive in pratica clinica si utilizzano degli indici basati su parametri fisiologici misurabili nel paziente nella prima ora di ingresso in ospedale. Utilizzando un dataset proveniente dal Registro Intraospedaliero multiregionale Traumi Gravi dell’ospedale di Mestre è possibile utilizzare tecniche di machine learning e data mining per implementare un modello di predizione di trasfusioni massive e confrontare il predittore ottenuto con gli indici utilizzati maggiormente nella pratica clinica. Il predittore con tecniche data mining è stato creato utilizzando un software per l’implementazione di alberi decisionali, utilizzando vari training set con parametri diversi allo scopo di trovare il classificatore più accurato. Dalle analisi svolte si è ottenuto un predittore comparabile prestazionalmente con il più usato indice di previsione MT in pratica clinica, in grado di individuare con la stessa accuratezza i casi di trasfusioni massive analizzate in un set di validazione

Item Type:Magistrali biennali
Uncontrolled Keywords:trasfusione massiva, machine learning, registro traumi, data mining, machine learning, C5.0, alberi di decisione
Subjects:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/06 Bioingegneria elettronica e informatica
Codice ID:29313
Relatore:Fantozzi, Carlo
Data della tesi:12 July 2011
Biblioteca:Polo di Ingegneria > Biblioteca di Ingegneria dell'Informazione e Ingegneria Elettrica "Giovanni Someda"
Tipo di fruizione per il documento:on-line per i full-text

Solo per lo Staff dell Archivio: Modifica questo record