Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Ponce, Daniela [UNESP] | - |
Autor(es): dc.creator | de Goes, Cassiana Regina [UNESP] | - |
Autor(es): dc.creator | de Andrade, Luis Gustavo Modelli [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:48:23Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:48:23Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2020-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1186/s12986-020-00519-y | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/206841 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/206841 | - |
Descrição: dc.description | Background: The objective of this study was to develop a new predictive equation of resting energy expenditure (REE) for acute kidney injury patients (AKI) on dialysis. Materials and methods: A cross-sectional descriptive study was carried out of 114 AKI patients, consecutively selected, on dialysis and mechanical ventilation, aged between 19 and 95 years. For construction of the predictive model, 80% of cases were randomly separated to training and 20% of unused cases to validation. Several machine learning models were tested in the training data: linear regression with stepwise, rpart, support vector machine with radial kernel, generalised boosting machine and random forest. The models were selected by ten-fold cross-validation and the performances evaluated by the root mean square error. Results: There were 364 indirect calorimetry measurements in 114 patients, mean age of 60.65 ± 16.9 years and 68.4% were males. The average REE was 2081 ± 645 kcal. REE was positively correlated with C-reactive protein, minute volume (MV), expiratory positive airway pressure, serum urea, body mass index and inversely with age. The principal variables included in the selected model were age, body mass index, use of vasopressors, expiratory positive airway pressure, MV, C-reactive protein, temperature and serum urea. The final r-value in the validation set was 0.69. Conclusion: We propose a new predictive equation for estimating the REE of AKI patients on dialysis that uses a non-linear approach with better performance than actual models. | - |
Descrição: dc.description | Department of Internal Medicine - UNESP Univ Estadual Paulista, Rubião Jr, s/n – Botucatu/SP18.618-970 | - |
Descrição: dc.description | Department of Internal Medicine - UNESP Univ Estadual Paulista, Rubião Jr, s/n – Botucatu/SP18.618-970 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Nutrition and Metabolism | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Acute kidney injury | - |
Palavras-chave: dc.subject | Dialysis | - |
Palavras-chave: dc.subject | Energy metabolism | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Resting energy expenditure | - |
Palavras-chave: dc.subject | Sepsis | - |
Título: dc.title | Proposal of a new equation for estimating resting energy expenditure of acute kidney injury patients on dialysis: a machine learning approach | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: