Autor/autores:
Kyoung-Sae Na, Seo-Eun Cho, Seong-Jin Cho...(et.al)
El trastorno de pánico es un trastorno psiquiátrico de alta prevalencia que deteriora sustancialmente la calidad de vida y la función psicosocial. El trastorno de pánico surge de sustratos neurobiológicos y factores de desarrollo que lo distinguen de otros trastornos de ansiedad. El diagnóstico diferencial entre el trastorno de pánico y otros trasto...
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
El trastorno de pánico es un trastorno psiquiátrico de alta prevalencia que deteriora sustancialmente la calidad de vida y la función psicosocial. El trastorno de pánico surge de sustratos neurobiológicos y factores de desarrollo que lo distinguen de otros trastornos de ansiedad. El diagnóstico diferencial entre el trastorno de pánico y otros trastornos de ansiedad solo se ha realizado en términos de un espectro fenomenológico.
A través de un enfoque basado en el aprendizaje automático con la variabilidad de la frecuencia cardíaca (VFC) como entrada, nuestro objetivo fue construir algoritmos que puedan diferenciar el trastorno de pánico de otros trastornos de ansiedad. Se utilizaron cinco algoritmos: bosque aleatorio (RF), máquina de aumento de gradiente (GBM), máquina de vectores de soporte (SVM), red neuronal artificial (ANN) y regresión logística regularizada (LR). Se utilizó una validación cruzada de diez veces con cinco repeticiones para construir los modelos finales.
Se reclutó a un total de 60 pacientes con trastorno de pánico y 61 pacientes con otros trastornos de ansiedad (de entre 20 y 65 años). El LR regularizado con L1 mostró la mejor precisión (0, 784), seguido de ANN (0, 730), SVM (0, 730), GBM (0, 676) y finalmente RF (0, 649). LR también tuvo un buen desempeño en otras medidas, como la puntuación F 1 (0, 790), la especificidad (0, 737), la sensibilidad (0, 833) y el coeficiente de correlación de Matthews (0, 572).
El diseño transversal y el tamaño de muestra limitado son limitaciones.
Este estudio demostró que la VFC se puede utilizar para diferenciar el trastorno de pánico de otros trastornos de ansiedad. Se requieren estudios futuros con tamaños de muestra más grandes y diseño longitudinal para replicar la utilidad diagnóstica de la VFC en un enfoque de aprendizaje automático.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.sciencedirect.com/
