SARRAFZADEH, Majid;SUH, Myung-Kyung;THE REGENTS OF THE UNIVERSITY OF CALIFORNIA
发明人:
SARRAFZADEH, Majid,SUH, Myung-Kyung
申请号：
USUS2012/052544
公开号：
WO2013/033028A1
申请日:
2012.08.27
申请国别(地区):
US
年份:
2013
代理人:
摘要：
Congestive heart failure (CHF) is a leading cause of death in the United States. WANDA is a wireless health project that leverages sensor technology and wireless communication to monitor the health status of patients with CHF. The first pilot study of WANDA showed the system's effectiveness for patients with CHF. However, WANDA experienced a considerable amount of missing data due to system misuse, nonuse, and failure. Missing data is highly undesirable as automated alarms may fail to notify healthcare professionals of potentially dangerous patient conditions. Embodiments of the present disclosure may utilize machine learning techniques including projection adjustment by contribution estimation regression (PACE), Bayesian methods, and voting feature interval (VFI) algorithms to predict both non-binomial and binomial data. The experimental results show that the aforementioned algorithms are superior to other methods with high accuracy and recall.L'invention est liée à l'insuffisance cardiaque congestive (CHF), qui constitue une cause majeure de décès aux Etats-Unis, et concerne un projet sanitaire sans fil appelé WANDA qui met à profit la technologie des capteurs et les communications sans fil pour surveiller l'état de santé de patients atteints de CHF. La première étude pilote de WANDA a démontré l'efficacité du système pour des patients atteints de CHF. Cependant, WANDA a été confronté à une quantité considérable de données manquantes en raison d'une mauvaise utilisation, de la non-utilisation et de pannes du système. Le manque de données est fortement indésirable, car des alarmes automatisées pourraient ne pas notifier les professionnels des soins de santé d'états potentiellement dangereux des patients. Des modes de réalisation de la présente invention peuvent utiliser des techniques d'apprentissage automatique comprenant la régression avec ajustement de projections par estimation des contributions (PACE), méthodes bayesiennes et des algorithmes d'intervalles cara
