RESUMEN
ABSTRACT Objective: In the competition of athletic training, it is imperative to use various physiological and biochemical indicators to study the changes they can bear. Methods: In this paper, national tennis players' physiological and biochemical indicators are taken as samples, and Artificial Neural Network (ANN) in data mining algorithm is used to classify and predict the sample data. Based on this, to solve the BP neural network's failure in easily falling into a local minimum, the ant colony optimization (ACO) algorithm was introduced to train the changes in the neural network. Finally, the improved BP neural network technology of the ant colony optimization algorithm is used in the model to analyze the physiological changes in tennis players. Results: The research results show that the model successfully predicted the physiological change in athletes and could provide coaches with a basis for decision-making. Conclusions: The physiological change in athletes is combined with the neural network algorithm to establish a connection between the two, which provides an effective and reliable method for detecting the physical function of sports transportation with unique guidance in athletes' training and competition. Level of evidence II; Therapeutic studies - investigation of treatment results.
RESUMO Objetivo: Na competição do treinamento atlético, é imperativo usar vários indicadores fisiológicos e bioquímicos para estudar as alterações que eles podem suportar. Métodos: Neste trabalho, os indicadores fisiológicos e bioquímicos dos tenistas nacionais são tomados como amostras, e a Rede Neural Artificial (ANN) no algoritmo de mineração de dados é usada para classificar e prever os dados da amostra. Com base nisso, para solucionar a falha que a rede neural da BP tem em cair facilmente num mínimo local, o algoritmo de otimização da colônia de formigas (ACO) foi introduzido para treinar as alterações na rede neural. Finalmente, a tecnologia melhorada da rede neural BP do algoritmo de otimização da colônia de formigas é usada no modelo de análise das alterações fisiológicas nos tenistas. Resultados: Os resultados da pesquisa mostram que o modelo previu com sucesso a alteração fisiológica dos atletas e pôde fornecer aos treinadores uma base para a tomada de decisões. Conclusões: A alteração fisiológica dos atletas é combinada com o algoritmo da rede neural para estabelecer uma conexão entre os dois, o que fornece um método eficaz e confiável para a detecção da função física do transporte esportivo com orientação singular no treinamento e competição dos atletas. Nível de evidência II; Estudos terapêuticos - investigação de resultados de tratamento.
RESUMEN Objetivo: En la competición del entrenamiento atlético, es imperativo utilizar varios indicadores fisiológicos y bioquímicos para estudiar los cambios soportables. Métodos: En este trabajo se toman como muestra los indicadores fisiológicos y bioquímicos de los tenistas nacionales, y se utiliza la Red Neural Artificial (ANN) en el algoritmo de minería de datos para clasificar y predecir los datos de la muestra. En base a esto, para resolver el fallo que tiene la red neuronal BP en caer fácilmente en un mínimo local, se introdujo el algoritmo de optimización de colonias de hormigas (ACO) para entrenar los cambios en la red neuronal. Por último, la tecnología de red neuronal BP mejorada del algoritmo de optimización de colonias de hormigas se utiliza en el modelo para analizar los cambios fisiológicos de los tenistas. Resultados: Los resultados de la investigación muestran que el modelo predijo con éxito el cambio fisiológico en los atletas y podría proporcionar a los entrenadores una base para la toma de decisiones. Conclusiones: El cambio fisiológico de los atletas se combina con el algoritmo de la red neuronal para establecer una conexión entre ambos, lo que proporciona un método eficaz y fiable para detectar la función física del transporte deportivo con una orientación única en el entrenamiento y la competición de los atletas. Nivel de evidencia II; Estudios terapéuticos - investigación de resultados de tratamiento.
RESUMEN
RESUMEN Objetivo El objetivo principal de este trabajo, fue validar y comparar la capacidad predictiva de mortalidad de los indicadores de gravedad APACHE II (Acute Physiology and Chronic Health Evaluation, Score II) y SAPS III (Simplified Acute Physiology, Score III) en una muestra de pacientes admitidos en la Unidad de Cuidados Intensivos Adulto (UCI) del Hospital de Curicó, entre los años 2011 y 2013. Materiales y Métodos Estudio analítico, observacional de cohorte histórica de casos consecutivos desde la admisión a la UCI hasta el egreso hospitalario. Para el análisis, se usó el Modelo de Regresión Logística Binaria. De un total de 1 042 pacientes ingresados a la UCI, se incluyó a 793 pacientes sobrevivientes, y a 249 pacientes fallecidos, que representaban el 76,1% y 23,9% respectivamente, del total. Resultados El SAPS III presenta mejor capacidad predictiva que el APACHE II, según el área bajo la curva de características operativas del receptor 0,81 y 0,80 respectivamente. La sensibilidad para el modelo SAPS III es 0,95 y para APACHE II es 0,93. El índice de especificidad es 0,3 para el SAPS III y 0,4 para el APACHE II, con probabilidad superior a 0,5. Conclusión Los indicadores de predicción de mortalidad en UCI; APACHE II y SAPS III tienen una buena capacidad predictiva general, pero ambos indicadores presentan una baja especificidad.(AU)
ABSTRACT Objective The main objective of this work was to validate and compare the predictive capacity of mortality of the severity score systems APACHE II (Acute Physiology and Chronic Health Evaluation, Score II) and SAPS III (Simplified Acute Physiology, Score III) in a sample of patients admitted to the Adult Intensive Care Unit (ICU) of the Hospital de Curicó between 2011 and 2013. Materials and Methods Analytical, observational, retrospective cohort study of consecutive cases since admission to the ICU until hospital discharge. A binary logistic regression model was used for the analysis. Out of 1 042 patients admitted to the ICU, 793 surviving patients and 249 deceased patients were included, representing 76.1% and 23.9%, respectively, of the total sample. Results The SAPS III score has a better predictive capacity than the APACHE II, according to the area under the curve and the receiver operating characteristic curve: 0.81 and 0.80, respectively. Sensitivity for the SAPS III model was 0.95 and for APACHE II was 0.93. The specificity index was 0.3 for SAPS III and 0.4 for APACHE II, with a probability above 0.5. Conclusion APACHE II and SAPS III, as ICU mortality prediction indicators, have a good predictive power but low specificity.(AU)
RESUMO Objetivo O objetivo principal deste trabalho foi validar e comparar a capacidade preditiva de mortalidade dos sistemas de escore de gravidade APACHE II (Fisiologia Aguda e Avaliação Crônica de Saúde, Escore II) e SAPS III (Fisiologia Aguda Simplificada, Escore III) em uma amostra de pacientes internado na Unidade de Terapia Intensiva Adulto (UTI) do Hospital de Curicó entre 2011 e 2013. Materiais e métodos Estudo de coorte analítico, observacional e retrospectivo de casos consecutivos desde a admissão na UTI até a alta hospitalar. Um modelo de regressão logística binária foi usado para a análise. Dos 1.042 pacientes admitidos na UTI, foram incluídos 793 pacientes sobreviventes e 249 falecidos, representando 76,1% e 23,9%, respectivamente, do total da amostra. Resultados O escore SAPS III tem melhor capacidade preditiva do que o APACHE II, de acordo com a área sob a curva e a curva de característica de operação do receptor: 0,81 e 0,80, respectivamente. A sensibilidade para o modelo SAPS III foi de 0,95 e para APACHE II foi de 0,93. O índice de especificidade foi de 0,3 para SAPS III e 0,4 para APACHE II, com probabilidade superior a 0,5. Conclusão APACHE II e SAPS III, como indicadores de predição de mortalidade em UTI, apresentam bom poder preditivo, mas baixa especificidade.(AU)