Выход
Вход/Login
 
E-mail
Пароль/Password
Забыли пароль?
Введите E-mail и жмите тут. Пароль будет выслан на указанный адрес
Войти (LogIn)

 

Если вы первый раз здесь, то зарегистрируйтесь

Регистрация/Sign Up
Полное имя (Ф И О)/Full name
E-mail
Повторите E-mail
Телефон/Phone
Зарегистрироваться,
на ваш E-mail будет выслан временный пароль

Нажимая кнопку Зарегистрироваться, вы соглашаетесь с Правилами сайта и Политикой Конфиденциальности http://vidar.ru/rules.asp

 

Медицинская литература. Новинки


 

 

 

 

 

 
вce журналы << Анналы хирургической гепатологии << 2006 год << №4 <<
стр.58
отметить
статью

Нейросетевой подход в определении тяжести острого панкреатита

В.М. Тимербулатов, И.И. Лутфарахманов, И.Х. Ишмухаметов, А.П. Боронилова, П.И. Миронов
Вы можете загрузить полный текст статьи в формате pdf
Кафедра хирургии с курсом эндоскопии Института последипл. обр-я Башкирского ГМУ; отделение реанимации и интенсивной терапии больницы скорой медицинской помощи; Городской центр медицинской информатики

Применяя традиционные прогностические инструменты или единичные клинико-лабораторные критерии, трудно предсказать тяжесть острого панкреатита для каждого пациента. Используя базу данных пациентов, авторы разработали искусственные нейронные сети для стратификации тяжести острого панкреатита и сравнили ее с балльными системами Ranson, Glasgow и APACHE II. Нейронная сеть была представлена значимо лучше, чем все балльные системы (площадь под характеристической кривой равна 0,83). При чувствительности в 81% нейронная сеть продемонстрировала специфичность в 70% и положительную/отрицательную прогностическую ценность в 73 и 79% соответственно. Искусственные нейронные сети являются эффективным инструментом разработки моделей предсказания неблагоприятных исходов у пациентов с острым панкреатитом.

Ключевые слова:

Литература:

Neuro Network Approach in the Acute Pancreatitis Severity Assessment

V.M. Timerbulatov, I.I. Lutfarakhmanov, I.Kh. Ishmukhametov, A.P. Bоronilova, P.I. Mironov

It is difficult to precisely predict the severity of each individual acute pancreatitis patient by using conventional statistical methods and ordinary clinical-laboratory variables. Using the database, the authors developed an artificial neuro network to stratify the acute pancreatitis severity and compared it with Ranson, Glasgow and APACHE II score systems. The neuro network appeared to be significantly better than all scoring systems (area under the receiver operating characteristics curve equal 0.83). At 81% sensitivity level neural network showed the specificity level of 70%, and positive/negative predictive value of 73 and 79% respectively. Artificial neural network analysis is an effective tool for developing prediction models for adverse outcome of patients with acute pancreatitis.

Keywords:

Новости   Магазин   Журналы   Контакты   Правила   Доставка   О компании  
ООО Издательский дом ВИДАР-М, 2024