Artificial intelligence to predict bed bath time in Intensive Care Units / Inteligencia artificial para predecir la hora del baño en cama en Unidades de Cuidados Intensivos / Inteligência artificial para predição do tempo de banho no leito em Unidades de Terapia Intensiva

ABSTRACT Objectives: to assess the predictive performance of different artificial intelligence algorithms to estimate bed bath execution time in critically ill patients. Methods: a methodological study, which used artificial intelligence algorithms to predict bed bath time in critically ill patients. The results of multiple regression models, multilayer perceptron neural networks and radial basis function, decision tree and random forest were analyzed. Results: among the models assessed, the neural network model with a radial basis function, containing 13 neurons in the hidden layer, presented the best predictive performance to estimate the bed bath execution time. In data validation, the squared correlation between the predicted values and the original values was 62.3%. Conclusions: the neural network model with radial basis function showed better predictive performance to estimate bed bath execution time in critically ill patients.

RESUMEN Objetivos: evaluar el rendimiento predictivo de diferentes algoritmos de inteligencia artificial para estimar el tiempo de ejecución del baño en cama en pacientes críticos. Métodos: estudio metodológico, que utilizó algoritmos de inteligencia artificial para predecir el tiempo de baño en cama en pacientes críticos. Se analizaron los resultados de modelos de regresión múltiple, redes neuronales perceptrón multicapa y función de base radial, árbol de decisión y random forest. Resultados: entre los modelos evaluados, el modelo de red neuronal con función de base radial, que contiene 13 neuronas en la capa oculta, presentó el mejor desempeño predictivo para estimar el tiempo de ejecución del baño en cama. En la validación de datos, la correlación al cuadrado entre los valores predichos y los valores originales fue del 62,3%. Conclusiones: el modelo de red neuronal con función de base radial mostró mejor rendimiento predictivo para estimar el tiempo de ejecución del baño en cama en pacientes críticos.

RESUMO Objetivos: avaliar a performance preditiva de diferentes algoritmos de inteligência artificial para estimar o tempo de execução do banho no leito em pacientes críticos. Métodos: estudo metodológico, que utilizou algoritmos de inteligência artificial para predizer o tempo de banho no leito em pacientes críticos. Foram analisados os resultados dos modelos de regressão múltipla, redes neurais perceptron multicamadas e função de base radial, árvore de decisão e random forest. Resultados: entre os modelos avaliados, o modelo de rede neural com função de base radial, contendo 13 neurônios na camada oculta, apresentou melhor performance preditiva para estimar o tempo de execução do banho no leito. Na validação dos dados, o quadrado da correlação entre os valores preditos e os valores originais foi de 62,3%. Conclusões: o modelo de rede neural com função de base radial apresentou melhor performance preditiva para estimar o tempo de execução do banho no leito em pacientes críticos.

Red neural artificial para predecir factores de riesgo asociados a complicaciones postoperatorias secundarias al tratamiento del neumotórax / Artificial neural network to predict risk factors associated with postoperative complications secondary to pneumothorax treatment

Introducción. Debido a la ausencia de modelos predictivos estadísticamente significativos enfocados a las complicaciones postoperatorias en el manejo quirúrgico del neumotórax, desarrollamos un modelo, utilizando redes neurales, que identifica las variables independientes y su importancia para reducir la incidencia de complicaciones. Métodos. Se realizó un estudio retrospectivo en un centro asistencial, donde se incluyeron 106 pacientes que requirieron manejo quirúrgico de neumotórax. Todos fueron operados por el mismo cirujano. Se desarrolló una red neural artificial para manejo de datos con muestras limitadas; se optimizaron los datos y cada algoritmo fue evaluado de forma independiente y mediante validación cruzada, para obtener el menor error posible y la mayor precisión con el menor tiempo de respuesta. Resultados. Las variables de mayor importancia según su peso en el sistema de decisión de la red neural (área bajo la curva 0,991) fueron el abordaje por toracoscopia video asistida (OR 1,131), el uso de pleurodesis con talco (OR 0,994) y el uso de autosuturas (OR 0,792; p<0,05). Discusión. En nuestro estudio, los principales predictores independientes asociados a mayor riesgo de complicaciones fueron el neumotórax de etiología secundaria y el neumotórax recurrente. Adicionalmente, confirmamos que las variables asociadas a reducción de riesgo de complicaciones postoperatorias tuvieron significancia estadística. Conclusión. Identificamos la toracoscopia video asistida, el uso de autosuturas y la pleurodesis con talco como posibles variables asociadas a menor riesgo de complicaciones. Se plantea la posibilidad de desarrollar una herramienta que facilite y apoye la toma de decisiones, por lo cual es necesaria la validación externa en estudios prospectivos

Introduction. Due to the absence of statistically significant predictive models focused on postoperative complications in the surgical management of pneumothorax, we developed a model using neural networks that identify the independent variables and their importance in reducing the incidence of postoperative complications. Methods. A retrospective single-center study was carried out, where 106 patients who required surgical management of pneumothorax were included. All patients were operated by the same surgeon. An artificial neural network was developed to manage data with limited samples. The data is optimized and each algorithm is evaluated independently and through cross-validation to obtain the lowest possible error and the highest precision with the shortest response time. Results. The most important variables according to their weight in the decision system of the neural network (AUC 0.991) were the approach via video-assisted thoracoscopy (OR 1.131), use of pleurodesis with powder talcum (OR 0.994) and use of autosutures (OR 0.792, p<0.05). Discussion. In our study, the main independent predictors associated with a higher risk of complications are pneumothorax of secondary etiology and recurrent pneumothorax. Additionally, we confirm that the variables associated with a reduction in the risk of postoperative complications have statistical significance. Conclusion. We identify video-assisted thoracoscopy, use of autosuture and powder talcum pleurodesis as possible variables associated with a lower risk of complications and raise the possibility of developing a tool that facilitates and supports decision-making, for which external validation in prospective studies is necessary

Application analysis of digital neural network-based data mining method in maximizing the performance of sports training / Análise de aplicação do método de mineração de dados baseado em rede neural digital na maximização do desempenho do treinamento esportivo / Análisis de la aplicación del método de minería de datos basado en redes neuronales digitales para maximizar el rendimiento del entrenamiento deportivo

ABSTRACT Introduction: In today's rapid development of science and technology, digital network data mining technology is developing as fast as the expansion of the frontiers of science and technology allows, with a very broad application level, covering most of the civilized environment. However, there is still much to explore in the application of sports training. Objective: Analyze the feasibility of data mining based on the digital network of sports training, maximizing athletes' training. Methods: This paper uses the experimental analysis of human FFT, combined with BP artificial intelligence network and deep data mining technology, to design a new sports training environment. The controlled test of this model was designed to compare advanced athletic training modalities with traditional modalities, comparing the athletes' explosive power, endurance, and fitness. Results: After 30 days of physical training, the athletic strength of athletes with advanced fitness increased by 15.33%, endurance increased by 15.85%, and fitness increased by 14.23%. Conclusion: The algorithm designed in this paper positively impacts maximizing athletes' training. It may have a favorable impact on training outcomes, as well as increase the athlete's interest in the sport. Level of evidence II; Therapeutic studies - investigating treatment outcomes.

RESUMO Introdução: No rápido desenvolvimento atual de ciência e tecnologia, a tecnologia de mineração de dados de rede digital desenvolve-se tão rápido quanto a expansão das fronteiras da ciência e tecnologia permitem, com um nível de aplicação muito amplo, cobrindo a maior parte do ambiente civilizado. No entanto, ainda há muito para explorar da aplicação no treinamento esportivo. Objetivo: Análise de viabilidade da mineração de dados com base na rede digital da formação esportiva, maximizar o treinamento dos atletas. Métodos: Este trabalho utiliza a análise experimental da FFT humana, combinada com a rede de inteligência artificial da BP e tecnologia de mineração profunda de dados, para projetar um novo ambiente de treinamento esportivo. O teste controlado deste modelo foi projetado para comparar modalidades avançadas de treinamento atlético com as modalidades tradicionais, comparando o poder explosivo, resistência e condição física do atleta. Resultados: Após 30 dias de treinamento físico, a força atlética dos esportistas com aptidão física avançada aumentou 15,33%, a resistência aumentou 15,85%, e o condicionamento físico aumentou 14,23%. Conclusão: O algoritmo desenhado neste artigo tem um impacto positivo na maximização do treinamento dos atletas. Pode ter um impacto favorável nos resultados do treinamento, bem como aumentar o interesse do atleta pelo esporte. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.

RESUMEN Introducción: En el rápido desarrollo actual de la ciencia y la tecnología, la tecnología de extracción de datos de redes digitales se desarrolla tan rápido como lo permiten las fronteras en expansión de la ciencia y la tecnología, con un nivel de aplicación muy amplio que abarca la mayor parte del entorno civilizado. Sin embargo, aún queda mucho por explorar de la aplicación en el entrenamiento deportivo. Objetivo: Análisis de viabilidad de la minería de datos basada en la red digital de entrenamiento deportivo, maximizar la formación de los atletas. Métodos: Este trabajo utiliza el análisis experimental de la FFT humana, combinado con la red de inteligencia artificial BP y la tecnología de minería de datos profunda, para diseñar un nuevo entorno de entrenamiento deportivo. La prueba controlada de este modelo se diseñó para comparar las modalidades de entrenamiento atlético avanzado con las modalidades tradicionales, comparando la potencia explosiva, la resistencia y la forma física del atleta. Resultados: Después de 30 días de entrenamiento físico, la fuerza atlética de los atletas con un estado físico avanzado aumentó en un 15,33%, la resistencia aumentó en un 15,85% y el estado físico aumentó en un 14,23%. Conclusión: El algoritmo diseñado en este trabajo tiene un impacto positivo en la maximización del entrenamiento de los atletas. Puede tener un impacto favorable en los resultados del entrenamiento, así como aumentar el interés del atleta por el deporte. Nivel de evidencia II; Estudios terapéuticos - investigación de los resultados del tratamiento.

Experimental research on forecasting index of biological image aerobic exercise analysis of artificial neural network / Pesquisa experimental sobre índice de previsão de imagem biológica análise de exercício aeróbio de rede neural artificial / Investigación experimental sobre índice de pronóstico de imágenes biológicas análisis de ejercicio aeróbico de redes neuronales artificiales

ABSTRACT Objective: The paper uses artificial neural network images to explore the effects of aerobic exercise on the gamma rhythm of theta period in the awake hippocampal CA1 area of APP/PS1/tau mice and the low-frequency gamma rhythm of the sleep state hippocampal CA1 area SWR period. Methods: Clean grade 6-month-old APP/PS1/tau mice were randomly divided into quiet group (AS) and exercise group (AE), C57BL/6J control group mice were randomly divided into quiet group (CS) and exercise group (CE). The AE group and the CE group performed 12-week treadmill exercise, 5d/week, 60min/d, the first 10min exercise load was 12m/min, the last 50min was 15m/min treadmill slope was 0°. Eight-arm maze detection of behavioral changes in mice; multi-channel in vivo recording technology to record the electrical signals of the awake state and sleep state in the hippocampal CA1 area, MATLAB extracts the awake state theta period and sleep state SWR period, multi-window spectrum estimation method Perform time-frequency analysis and power spectral density analysis. Results: 12 weeks of aerobic exercise can significantly improve the working memory and reference memory of the AS group, increase the gamma energy in theta period of the awake hippocampus CA1 area and the low-frequency gamma energy in the sleep state CA1 area SWR period. Conclusions: Aerobic exercise can improve the neural network state of the AD model and increase the gamma energy in theta period of the hippocampus CA1 area, and the low-frequency gamma energy in the SWR period is one of the neural network mechanisms for its overall behavioral improvement. Level of evidence II; Therapeutic studies - investigation of treatment results.

RESUMO Objetivo: o artigo usa imagens de redes neurais artificiais para explorar os efeitos do exercício aeróbio no ritmo gama do período teta na área CA1 do hipocampo desperto de camundongos APP/PS1/tau e o ritmo gama de baixa frequência da área CA1 do hipocampo do estado de sono Período SWR. Métodos: Camundongos APP/PS1/tau de grau limpo de 6 meses de idade foram divididos aleatoriamente em grupo quieto (AS) e grupo de exercício (AE), os camundongos do grupo controle C57BL/6J foram divididos aleatoriamente em grupo quieto (CS) e grupo de exercício (CE). O grupo AE e o grupo CE realizaram 12 semanas de exercício em esteira, 5d/semana, 60min/d, a primeira carga de exercício de 10min foi de 12m/min, a última de 50min foi de 15m/min e a inclinação da esteira foi de 0 °. Detecção de labirinto de oito braços de mudanças comportamentais em camundongos; tecnologia de gravação in vivo multicanal para registrar os sinais elétricos do estado de vigília e do estado de sono na área CA1 do hipocampo, MATLAB extrai o período de tempo teta do estado de vigília e o período de tempo SWR do estado de sono, método de estimativa de espectro de múltiplas janelas. e análise de densidade espectral de potência. Resultados: 12 semanas de exercícios aeróbicos podem melhorar significativamente a memória de trabalho e a memória de referência do grupo AS, aumentar a energia gama no período teta da área CA1 do hipocampo acordado e a energia gama de baixa frequência na área CA1 do estado de sono período SWR. Conclusões: O exercício aeróbico pode melhorar o estado da rede neural do modelo AD e aumentar a energia gama no período teta da área CA1 do hipocampo e a energia gama de baixa frequência no período SWR é um dos mecanismos da rede neural para seu comportamento geral. Nível de evidência II; Estudos terapêuticos- investigação dos resultados do tratamento.

RESUMEN Objetivo: El artículo utiliza imágenes de redes neuronales artificiales para explorar los efectos del ejercicio aeróbico en el ritmo gamma del período theta en el área CA1 del hipocampo despierto de ratones APP/PS1/tau y el ritmo gamma de baja frecuencia del área CA1 del hipocampo en estado de sueño. Período de ROE. Métodos: Se dividieron aleatoriamente ratones APP/PS1/tau de 6 meses de edad de grado limpio en grupo tranquilo (AS) y grupo de ejercicio (AE), los ratones del grupo de control C57BL/6J se dividieron aleatoriamente en grupo tranquilo (CS) y grupo de ejercicio (CE). El grupo de EA y el grupo de EC realizaron 12 semanas de ejercicio en cinta rodante, 5 días a la semana, 60 min/d, la primera carga de ejercicio de 10 min fue de 12 m/min, los últimos 50 min fueron de 15 m/min y la pendiente de la cinta fue de 0 °. Detección en laberinto de ocho brazos de cambios de comportamiento en ratones; tecnología de grabación in vivo multicanal para registrar las señales eléctricas del estado despierto y del estado de sueño en el área CA1 del hipocampo, MATLAB extrae el período de tiempo theta del estado despierto y el período de tiempo de SWR del estado de suspensión, método de estimación de espectro de múltiples ventanas Realizar análisis de tiempo-frecuencia y análisis de densidad espectral de potencia. Resultados: 12 semanas de ejercicio aeróbico pueden mejorar significativamente la memoria de trabajo y la memoria de referencia del grupo AS, aumentar la energía gamma en el período theta del área CA1 del hipocampo despierto y la energía gamma de baja frecuencia en el período SWR del área CA1 del estado de sueño. Conclusiones: El ejercicio aeróbico puede mejorar el estado de la red neuronal del modelo AD y aumentar la energía gamma en el período theta del área del hipocampo CA1 y la energía gamma de baja frecuencia en el período SWR es uno de los mecanismos de la red neuronal para su comportamiento general. Nivel de evidencia II; Estudios terapéuticos- investigación de los resultados del tratamiento.

Analysis of biolo artificial neural network in prediction of aerobic exercise index based on algorithm / Análise de rede neural artificial na predição do índice de exercício aeróbio baseada em algorítimo / Análisis de red neuronal artificial en la predicción del índice de ejercicio aeróbico

ABSTRACT Objective: To study the relationship between aerobic activity and cardiac autonomic nerve activity by artificial neural network algorithm and biological image fusion; because of the artificial neural network model (ANN) problems, biological image processing technology is introduced based on ANN. Methods: An Ann under biological image intelligence algorithm is proposed, a classifier suitable for electrocardiograph (ECG) screening is designed, and an ECG signal screening system is successfully established. Moreover, the data set of normal recovered ECG signals of the subjects during the experimental period is constructed, and a classifier is used to extract the characteristic data of a normal ECG signal during the experimental period. Results: The changes in resting heart rate and other physical health indicators are analyzed by combining resting physiological indicators, namely heart rate, body weight, body mass index and body fat rate. The results show that the self-designed classifier can efficiently process the ECG images, and long-term regular activities can improve the physical conditions of most people. Most subjects' body weight and body fat rate decrease with the extension of experiment time, and the resting heart rate decreases relatively. Conclusions: Certain indicators can be used to predict a person's dynamic physical health, which indicates that the experimental research of index prediction in this research has a good effect, which not only extends the application of artificial neural network but also lays a foundation for the research and implementation of ECG intelligent testing wearable devices. Level of evidence II; Therapeutic studies - investigation of treatment results.

RESUMO Objetivo: Com o objetivo de estudar a relação entre atividade aeróbia e atividade nervosa autonômica cardíaca por algoritmo de rede neural artificial e fusão biológica de imagens, tendo em vista os problemas existentes no modelo de rede neural artificial (RNA), é introduzida a tecnologia de processamento biológico de imagens com base em ANN. Métodos: um algoritmo de inteligência biológica de imagem Ann é proposto, um classificador adequado para triagem eletrocardiográfica (ECG) é projetado e um sistema de triagem de sinal de ECG é estabelecido com sucesso. Além disso, o conjunto de dados de sinais de ECG normais recuperados dos sujeitos durante o período experimental é construído e um classificador é usado para extrair os dados característicos de um sinal de ECG normal durante o período experimental. Resultados: As alterações na frequência cardíaca em repouso e outros indicadores de saúde física são analisadas pela combinação de indicadores fisiológicos de repouso, a saber, frequência cardíaca, peso corporal, índice de massa corporal e índice de gordura corporal. Os resultados mostram que o classificador autodesenhado pode processar com eficiência as imagens de ECG, e as atividades regulares de longo prazo podem melhorar as condições físicas da maioria das pessoas. O peso corporal e a taxa de gordura corporal da maioria dos indivíduos diminuem com a extensão do tempo do experimento, e a freqüência cardíaca em repouso diminui relativamente. Conclusões: Certos indicadores podem ser usados para prever a saúde física dinâmica de uma pessoa, o que indica que a pesquisa experimental de predição de índice nesta pesquisa tem um bom efeito, que não apenas estende a aplicação da rede neural artificial, mas também estabelece uma base para a pesquisa e implementação de dispositivos vestíveis de teste inteligente de ECG. Nível de evidência II; Estudos terapêuticos- investigação dos resultados do tratamento.

RESUMEN Objetivo: Para estudiar la relación entre la actividad aeróbica y la actividad del nervio autónomo cardíaco mediante el algoritmo de red neuronal artificial y la fusión de imágenes biológicas, ante los problemas existentes en el modelo de red neuronal artificial (ANN), se introduce la tecnología de procesamiento de imágenes biológicas basada en ANA. Métodos: Se propone un algoritmo de inteligencia de imagen biológica de Ann, se diseña un clasificador adecuado para el cribado electrocardiógrafo (ECG) y se establece con éxito un sistema de cribado de señales de ECG. Además, se construye el conjunto de datos de las señales de ECG recuperadas normales de los sujetos durante el período experimental, y se utiliza un clasificador para extraer los datos característicos de una señal de ECG normal durante el período experimental. Resultados: Los cambios en la frecuencia cardíaca en reposo y otros indicadores de salud física se analizan combinando indicadores fisiológicos en reposo, a saber, frecuencia cardíaca, peso corporal, índice de masa corporal y tasa de grasa corporal. Los resultados muestran que el clasificador de diseño propio puede procesar de manera eficiente las imágenes de ECG, y las actividades regulares a largo plazo pueden mejorar las condiciones físicas de la mayoría de las personas. El peso corporal y la tasa de grasa corporal de la mayoría de los sujetos disminuyen con la extensión del tiempo del experimento, y la frecuencia cardíaca en reposo disminuye relativamente. Conclusiones: Ciertos indicadores pueden usarse para predecir la salud física dinámica de una persona, lo que indica que la investigación experimental de predicción de índices en esta investigación tiene un buen efecto, lo que no solo extiende la aplicación de la red neuronal artificial sino que también sienta las bases para la investigación. e implementación de dispositivos portátiles de prueba inteligente de ECG. Nivel de evidencia II; Estudios terapéuticos- investigación de los resultados del tratamiento.

Uso de redes neurais artificiais para classificação de municípios quanto à vulnerabilidade social no Estado do Rio Grande do Norte, Brasil / The use of artificial neural networks to classify the social vulnerability of municipalities in Rio Grande do Norte State, Brazil / Uso de redes neuronales artificiales para la clasificación de municipios respecto a la vulnerabilidad social en Estado del Rio Grande do Norte, Brasil

Resumo: O objetivo foi aplicar as redes neurais artificiais para classificar os municípios do Estado do Rio Grande do Norte, Brasil, de acordo com sua vulnerabilidade social. Estudo ecológico que utilizou 17 variáveis que refletissem os indicadores epidemiológicos, demográficos, socioeconômicos e educacionais para o ano de 2010. As fontes pesquisadas foram o Atlas do Desenvolvimento Humano no Brasil e o Instituto Brasileiro de Geografia e Estatística. Para a classificação dos municípios, foram aplicadas as redes neurais artificiais, dos tipos PNN e Multilayer feedforward, resultando a classificação em cinco categorias de vulnerabilidade: muito alta, alta, média, baixa e muito baixa. A fase de treinamento das redes utilizou os valores de mínimo, máximo, percentis 25 e 75 e mediana das 17 variáveis selecionadas. A rede Multilayer feedforward com seis nós apresentou os melhores resultados. Os municípios da região metropolitana (Natal, Parnamirim), das microrregiões do Seridó oriental e ocidental (Caicó, Currais Novos, São José do Seridó, Jardim do Seridó, Parelhas, Carnaúba dos Dantas) apresentaram níveis mais baixos de vulnerabilidade. Os municípios de alta e muito alta vulnerabilidade encontram-se na mesorregião do Leste potiguar: nas microrregiões do Litoral Nordeste (municípios de João Câmara, Touros, Caiçara do Rio dos Ventos) e do Litoral Sul (Nísia Floresta, São José do Mipibu, Arês, Canguaretama). A rede neural classificou os municípios com elevada precisão, destacando os que possuem extrema vulnerabilidade daqueles que detêm os melhores indicadores sociais.

Abstract: The objective was to apply artificial neural networks to classify municipalities (counties) in Rio Grande do Norte State, Brazil, according to their social vulnerability. This was an ecological study using 17 variables that reflected epidemiological, demographic, socioeconomic, and educational indicators for the year 2010. The sources were the Human Development Atlas for Brazil and the Brazilian Institute of Geography and Statistics. For classification of the municipalities, the study applied the artificial neural networks of the PNN and Multilayer feedforward types, resulting in a classification in five categories of vulnerability: very high, high, medium, low, and very low. The networks' training phase used the minimum and maximum values, 25th and 75th percentiles, and medians for the 17 selected variables. The Multilayer feedforward network with six nodes showed the best results. The municipalities from the Metropolitan Area (Natal, Parnamirim) and the eastern and western Seridó micro-regions (Caicó, Currais Novos, São José do Seridó, Jardim do Seridó, Parelhas, Carnaúba dos Dantas) showed the lowest levels of vulnerability. The municipalities with high and very high vulnerability were located in the East of the state, in the micro-regions of the Northeast Coast (João Câmara, Touros, Caiçara do Rio dos Ventos) and Southern Coast (Nísia Floresta, São José do Mipibu, Arês, Canguaretama). The neural network classified the municipalities with high precision, distinguishing those with extreme vulnerability from those with better social indicators.

Resumen: El objetivo fue aplicar las redes neuronales artificiales para clasificar los municipios del estado de Rio Grande do Norte, Brasil, de acuerdo con su vulnerabilidad social. Se realizó un estudio ecológico que utilizó 17 variables que reflejaron los indicadores epidemiológicos, demográficos, socioeconómicos y educacionales durante el año 2010. Las fuentes investigadas fueron: el Atlas de Desarrollo Humano en Brasil y el Instituto Brasileño de Geografía y Estadística. Para la clasificación de los municipios, se aplicaron las redes neuronales artificiales de los tipos PNN y Multilayer feedforward, resultando la clasificación en cinco categorías de vulnerabilidad: muy alta, alta, media, baja y muy baja. La fase de entrenamiento de las redes utilizó los valores: mínimo, máximo, percentiles 25 y 75 y mediana de las 17 variables seleccionadas. La red Multilayer feedforward con seis nudos presentó los mejores resultados. Los municipios de la región metropolitana (Natal, Parnamirim), de las microrregiones del Seridó oriental y ocidental (Caicó, Currais Novos, São José do Seridó, Jardim do Seridó, Parelhas, Carnaúba dos Dantas) presentaron niveles más bajos de vulnerabilidad. Los municipios de alta y muy alta vulnerabilidad se encuentran en la mesorregión del este potiguar: en las microrregiones del litoral nordeste (municipios de João Câmara, Touros, Caiçara do Rio dos Ventos) y del litoral sur (Nísia Floresta, São José do Mipibu, Arês, Canguaretama). La red neuronal clasificó los municipios con elevada precisión, destacando los que poseen extrema vulnerabilidad de aquellos que ostentan los mejores indicadores sociales.

Redes neuronales: aplicación de una herramienta computacional en Cardiología clínica / Neural networks: Application of a computer tool in Clinical cardiology

Si inicialmente las ciencias computacionales y los programas informáticos se introdujeron en la práctica médica solo en procedimientos básicos que incluían recolección de datos y abordajes estadísticos, de donde de la disciplina computacional solo se especulaban nuevos roles de interacción entre las ciencias técnicas y médicas, es ya un hecho que estas herramientas vienen a establecer un lazo directo con la práctica clínica, en un esquema que se centra en obtener la mayor certeza para el tratamiento correcto del paciente. Entre múltiples técnicas computacionales usadas para la valoración e intervención de estados fisiológicos y patológicos, como «wavelet transform¼, «fuzzy logic¼, «approximate entropy¼, «artificial intelligence¼ y «model-based clustering¼, las redes neuronales artificiales nacen con la expectativa de obtener un diagnóstico más preciso y oportuno, ante el incremento en la capacidad de cálculo y la utilización de datos mediante máquinas y software más robustos, que ubican al profesional de la salud frente a nuevos espacios entre la clínica y la técnica, así como entre la medicina y la enfermedad. La clínica cardiológica plantea escenarios complejos que pueden ser vistos a la luz de estas nuevas herramientas, imponiendo a los cardiólogos el reto de ingresar en otros campos del saber, cubriendo tanto áreas de las ciencias básicas como de las ciencias aplicadas, siendo este el caso de las técnicas computacionales y las redes neuronales1. La enfermedad coronaria es la patología que conlleva mayor morbimortalidad e impacto en la salud pública mundial, de ahí que su adecuado diagnóstico y tratamiento se convierta en un objetivo de primera línea para las nuevas técnicas aplicadas al sector clínico. Las multivariables a considerar en dicha patología, hacen complejo discernir entre los diversos estadios a evaluar y entre las variadas opciones terapéuticas a seguir. Por esto técnicas como las redes neuronales pueden facilitar la interpretación de distintas rutas para su manejo.