DIAGNOSTICS OF LATENT HEMODYNAMICS BY DATA MINING: CONDITIONS OF PRACTICAL USE
Abstract
We proposed a diagnostic nomogram (map) for hemodynamic state classification, based on linear regression modeling of blood pressure (BP) parameters and Data Mining algorithm. Mapping the vector of the BP characteristics, which coordinates are the coefficients of linear regression of the systolic, diastolic on pulse pressure, the pathological changes of hemodynamics inherent in hypertension, prehypertension or clinically latent hemodynamic disturbances can be diagnosed. The normal physiology of cardiovascular interaction corresponds to the vector location within certain limits on the nomogram. We have investigated the factors influencing the accuracy of the diagnostics in a clinical setting.
About the Authors
M. V. Voitikova
Stepanov Institute of Physics of the National Academy of Sciences of Belarus, Minsk
Belarus
Belarus
R. V. Khursa
Belarusian State Medical University, Minsk
Belarus
Belarus
References
1. Чубукова, И. А. Data Mining / И. А. Чубукова. – М.: Интернет-университет информационных технологий: Бином. Лаборатория знаний, 2006. – (Серия «Основы информационных технологий»).
2. Кузнецова, А. В. Возможности использования методов Data Mining при медико-лабораторных исследованиях для выявления закономерностей в массивах данных / А. В. Кузнецова, О. В. Сенько // Врач и информ. технологии. – 2005. – № 2. – C. 38–46.
3. 2013 ESH/ESC Guidelines for the management of arterial hypertension / The Task Force for the management of arterial hypertension of the European Society of Hypertension (ESH) and of the European Society of Cardiology (ESC) // J. Hypertens. – 2013. – Vol. 31 (7). – P. 1281–1357.
4. Войтикова, М. В. Применение интеллектуального анализа данных для классификации гемодинамических состояний / М. В. Войтикова, А. П. Войтович, Р. В. Хурса // Врач и информ. технологии. – 2013. – № 1. – С. 32–41.
5. Войтикова, М. В. Номограмма гемодинамических состояний по параметрам артериального давления / М. В. Войтикова, Р. В. Хурса // Технология живых систем. – 2014. – № 2. – С. 45–53.
6. Хурса, Р. В. Суточное мониторирование артериального давления с использованием интеллектуального анализа данных: новые диагностические возможности / Р. В. Хурса, М. В. Войтикова // Артериальная гипертензия. – 2015. – № 2 (40). – С. 34–42.
7. Хурса, Р. В. Новые маркеры прегипертензии: функциональная диагностика гемодинамических классов с помощью интеллектуального анализа данных суточного мониторирования артериального давления / Р. В. Хурса // Артериальная гипертензия и профилактика сердечно-сосудистых заболеваний: материалы VIII Междунар. конф., 21–22 мая 2015 г., Витебск: прил. к журн. Кардиология в Беларуси. – 2015. – С. 263–266.
8. Хурса, Р. В. Пульсовое давление крови: роль в гемодинамике и прикладные возможности в функциональной диагностике / Р. В. Хурса // Мед. новости. – 2013. – № 4. – С. 13–19.
9. Технологии анализа данных. Data Mining, Visual Mining, Text Mining, OLAP: учеб. пособие / А. А. Барсегян [и др.]. – СПб.: БХВ-Петербург, 2007.
10. The MIMIC II Project database: http://physionet.org/physiobank/database/mimic2db
11. Горбунов, В. М. Современные представления о вариабельности артериального давления / В. М. Горбунов // Рациональная фармакотерапия в кардиологии. – 2012. – T. 8 (6). – С. 810–818.
Review
Views:
931
Email this article 