Your browser doesn't support javascript.
loading
Árvore de classificação para identificação de Padrão respiratório ineficaz em crianças com infecção respiratória aguda / Classification tree for identifying ineffective breathing pattern in children with acute respiratory infection
Chaves, Daniel Bruno Resende,; Pascoal, Lívia Maia,; Beltrão, Beatriz Amorim,; Leandro, Tânia Alteniza,; Nunes, Marília Mendes,; Silva, Viviane Martins da,; Lopes, Marcos Venícios de Oliveira,.
Afiliação
  • Chaves, Daniel Bruno Resende,; Hospital Geral Dr. Waldemar Alcântara. Fortaleza. BR
  • Pascoal, Lívia Maia,; Universidade Federal do Maranhão. Imperatriz. BR
  • Beltrão, Beatriz Amorim,; Hospital Universitário Walter Cantídio. Universidade Federal do Ceará. Fortaleza. BR
  • Leandro, Tânia Alteniza,; Universidade Federal do Ceará. Fortaleza. BR
  • Nunes, Marília Mendes,; Universidade Federal do Ceará. Fortaleza. BR
  • Silva, Viviane Martins da,; Universidade Federal do Maranhão. Imperatriz. BR
  • Lopes, Marcos Venícios de Oliveira,; Universidade Federal do Ceará. Fortaleza. BR
Rev. eletrônica enferm ; 20: 1-9, 2018.
Article em En, Pt | LILACS, BDENF | ID: biblio-1118848
Biblioteca responsável: BR584.1
RESUMO
O estudo teve como objetivo verificar as características definidoras com melhor poder de predição para auxiliar na classificação de Padrão respiratório ineficaz, utilizando árvores de classificação, em crianças com infecção respiratória aguda. Estudo transversal, realizado em dois hospitais pediátricos juntamente a 249 crianças com infecção respiratória aguda. Para a coleta, foi utilizado um instrumento específico desenvolvido para o estudo. Empregaram-se três algoritmos de indução para a geração das árvores, CHi-square Automatic Interaction Detection, Classification and Regression Treese Quick, Unbiased, Efficient Statistical Tree. Construíram-se três árvores para auxiliar na identificação de Padrão Respiratório ineficaz. As árvores de classificação geradas apresentam probabilidades condicionais à ocorrência do diagnóstico associada a dispneia e alterações na profundidade respiratória. Padrão respiratório ineficaz esteve presente 65,5% da amostra. Assim, a probabilidade da ocorrência do referido diagnóstico nas crianças com infecção respiratória aguda foi de 100% com a presença de dispneia e de alterações na profundidade respiratória.
ABSTRACT
The objective of the study was to verify defining characteristics with greater predictive power to aid in the classification of ineffective breathing pattern using classification trees in children with acute respiratory infections. A cross-sectional study was carried out in two pediatric hospitals with 249 children with acute respiratory infection. For data collection, a specific instrument developed for the study was used. Three induction algorithms were used to generate the trees Chi-square Automatic Interaction Detection, Classification and Regression Trees, and Quick, Unbiased, Efficient Statistical Tree. Three trees were constructed to aid in the identification of ineffective breathing pattern. The classification trees generated present probabilities conditionalto the occurrence of the diagnosis associated with dyspnea and changes in respiratory depth. Ineffective breathing pattern was present in 65.5% of the sample. Thus, the probability of occurrence of this diagnosis in children with acute respiratory infection was 100% with the presence of dyspnea and changes in respiratory depth.
Assuntos
Palavras-chave

Texto completo: 1 Índice: LILACS Assunto principal: Infecções Respiratórias / Saúde da Criança Tipo de estudo: Diagnostic_studies / Observational_studies / Prevalence_studies / Prognostic_studies / Risk_factors_studies Limite: Child, preschool / Humans / Infant Idioma: En / Pt Revista: Rev. eletrônica enferm Assunto da revista: ENFERMAGEM Ano de publicação: 2018 Tipo de documento: Article

Texto completo: 1 Índice: LILACS Assunto principal: Infecções Respiratórias / Saúde da Criança Tipo de estudo: Diagnostic_studies / Observational_studies / Prevalence_studies / Prognostic_studies / Risk_factors_studies Limite: Child, preschool / Humans / Infant Idioma: En / Pt Revista: Rev. eletrônica enferm Assunto da revista: ENFERMAGEM Ano de publicação: 2018 Tipo de documento: Article