ARTIFICIALES PARA CLASIFICAR A LOS PACIENTES EN EL DEPARTAMENTO DE EMERGENCIAS Los brotes inesperados de enfermedades y los desastres se están convirtiendo en los principales problemas que enfrenta nuestro mundo. Los primeros puntos de contacto, ya sea en las escenas de desastre o en el departamento de emergencias, expusieron a los trabajadores de primera línea y a los médicos al riesgo de infecciones. Por lo tanto, existe una demanda persuasiva para la integración y explotación de información biomédica heterogénea para mejorar la práctica clínica, la investigación médica y el punto de atención. En este artículo, se diseñó un modelo de triaje primario utilizando dos métodos diferentes: un sistema de inferencia adaptativo neuro-difuso (ANFIS) y una red neuronal artificial (ANN). Cuando el paciente se presenta en el mostrador de triaje, el sistema capturará sus signos vitales y el jefe se queja además de la estadística de fisiología y la apariencia general del paciente. Estos datos se gestionarán y analizarán en el servidor de datos y el estado de emergencia del paciente se informará de inmediato. El método propuesto ayudará a reducir el tiempo de espera en el mostrador de triaje y la carga del médico de emergencias, especialmente durante un brote de enfermedad y un desastre grave. Los modelos se han construido con 2223 conjuntos de datos extraídos del Departamento de Emergencias del Centro Médico Universiti Kebangsaan Malasia para predecir la categoría de clasificación primaria. La alimentación de múltiples capas hacia adelante con una capa oculta que tiene 12 neuronas se ha utilizado para la arquitectura ANN. La agrupación sustractiva difusa se ha utilizado para encontrar las reglas difusas para el modelo ANFIS. Los resultados mostraron que el RMSE, el% RME y la precisión que se evaluó midiendo la especificidad y la sensibilidad para la clasificación binaria de los datos de entrenamiento fueron 0.14, 5.7 y 99 respectivamente para el modelo ANN y 0.85, 32.00 y 96.00 respectivamente para el modelo ANFIS. En cuanto a los datos no vistos, el error cuadrático medio, el porcentaje del error cuadrático medio y la precisión para ANN es 0.18, 7.16 y 96.7 respectivamente, 1.30, 49.84 y 94 respectivamente para el modelo ANFIS. El modelo ANN se realizó mejor para el entrenamiento y los datos no vistos que el modelo ANFIS en términos de generalización. Por lo tanto, se eligió como la técnica para desarrollar el modelo de predicción de triaje primario. Este modelo de triaje primario se combinará con el modelo de predicción de triaje secundario para producir la categoría de triaje final como una herramienta para ayudar al oficial médico en el departamento de emergencias.
Palabras clave: Servicios médicos de emergencia; Triaje Red neuronal; Sistema adaptativo de inferencia neuro-difusa
En sintonía con tu ciclo femenino: FLO. Aprende a sincronizarte con tu bioquímica para dar rienda suelta a tu creatividad, mejorar tu vida y hacer más con menos estrés