Use este identificador para citar ou linkar para este item: https://repositorio.ufms.br/handle/123456789/4791
Registro completo de metadados
Campo DCValorIdioma
dc.creatorFernanda Gabriela Dias-
dc.date.accessioned2022-05-16T19:01:41Z-
dc.date.available2022-05-16T19:01:41Z-
dc.date.issued2022pt_BR
dc.identifier.urihttps://repositorio.ufms.br/handle/123456789/4791-
dc.description.abstractThe Endurance Test is an extremely important clinical and scientific instrument to assess the maximum time of tolerance to moderate/intense exercise in patients with Chronic Obstructive Pulmonary Disease (COPD). Recommendations from different Pulmonology and Cardiology societies guide the use of high intensity in constant load tests (CWT, 75-80% of the maximum load reached in the incremental test). However, when this load is applied, a large portion of the evaluated (~ 50%) do not fit the ideal time of exercise in CWT, that is, between 3-8 minutes, leading the evaluated ones to need to repeat the tests, with greater or lesser load. In this work, an artificial intelligence (AI) algorithm called M5P was tested, aiming to predict the ideal individualized load to be applied in a cycle ergometer, to reach the ideal time of 3-8 min. Accordingly, anthropometric and clinical data, pulmonary function data and physiological variables from the incremental test of 50 individuals with COPD GOLD II/III/IV in outpatient follow-up were retrospectively analyzed. When submitted to the M5P algorithm, these data, through a decision tree, found 2 models capable of estimating the individualized ideal load. Thus, the mean absolute error for Model 1 was 4.4 Watts, with a coefficient of determination of 79% and a 95% relative confidence interval of -36/+34%. The Model 2 performed worse, with a mean absolute error of 7.4 Watts, with a coefficient of determination of 36% and a 95% relative confidence interval of -40/+36%. For Model 1, only the maximum load in the incremental test was the chosen factor. For Model 2, various combinations of clinical, pulmonary function, and incremental testing variables entered the model in 3 different equations. The model chosen in this study was Model 1, which, however, showed a wide confidence interval. Further studies with larger samples and validation of Model 1 with individuals with COPD are necessary.-
dc.language.isopt_BRpt_BR
dc.publisherFundação Universidade Federal de Mato Grosso do Sulpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectDPOC-
dc.subjectTeste de endurance-
dc.subjectTaxa de Trabalho-
dc.subjectTeste Cardiopulmonar ao exercício.-
dc.titleINTELIGÊNCIA ARTIFICIAL NA DETERMINAÇÃO DA CARGA DE TRABALHO NO TESTE DE ENDURANCE NA DOENÇA PULMONAR OBSTRUTIVA CRÔNICA: UM ESTUDO RETROSPECTIVO ANALÍTICOpt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Paulo de Tarso Guerrero Muller-
dc.description.resumoTeste de endurance é um instrumento balizador clínico e científico de extrema importância na avaliação do tempo máximo de tolerância ao exercício moderado/intenso nos pacientes com Doença Pulmonar Obstrutiva Crônica (DPOC). Recomendações de diferentes sociedades de Pneumologia e Cardiologia orientam a utilização de alta intensidade nos testes de carga constante (TCC, 75-80% da máxima carga atingida no teste incremental). Entretanto, quando aplicada esta carga, grande parcela dos avaliados (~ 50%) não se enquadram no tempo ideal de exercício em TCC, ou seja, entre 3-8 minutos, levando a que os avaliados precisem refazer os testes com carga maior ou menor. Neste trabalho testou-se um algoritmo de inteligência artificial (IA) denominado M5P, almejando prever a carga ideal individualizada a ser aplicada em cicloergômetro, para se atingir o tempo ideal de 3-8 min. Para tal, foram analisados retrospectivamente dados antropométricos e clínicos, de função pulmonar e variáveis fisiológicas do teste incremental de 50 indivíduos com DPOC GOLD II/III/IV em acompanhamento ambulatorial. A partir do algoritmo M5P foram encontrados 2 modelos capazes de estimar a carga ideal individualizada por meio de árvores de decisão. O erro absoluto médio para o Modelo 1 foi de 4,4 Watts, com um coeficiente de determinação de 80% e intervalo de confiança relativo de 95% de -36/+34%. O Modelo 2 teve pior desempenho, com um erro absoluto médio de 7,4 Watts, com coeficiente de determinação de 36% e intervalo de confiança relativo de 95% de -40/+36%. Para o Modelo 1, apenas a carga máxima no teste incremental foi o fator escolhido. Para o Modelo 2, várias combinações de variáveis clínicas, de função pulmonar e de teste incremental entraram no modelo em 3 diferentes equações. O modelo escolhido neste estudo foi o Modelo 1, que, no entanto, apresentou um intervalo de confiança de 95% amplo. Novos estudos com amostras maiores e validação do Modelo 1 com indivíduos portadores de DPOC são necessários.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFMSpt_BR
Aparece nas coleções:Programa de Pós-Graduação em Ciências do Movimento

Arquivos associados a este item:
Arquivo TamanhoFormato 
Dissertação_FERNANDADIAS_completa_pósBanca.pdf1,6 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.