Made available in DSpace on 2016-01-26T12:51:15Z (GMT). No. of bitstreams: 1 isabelathomaztakakura_dissert.pdf: 1870282 bytes, checksum: 871ee642969bbc10aeb356aeefd91988 (MD5) Previous issue date: 2007-05-10 / Recent studies have shown that low heart rate variability (HRV) is a clear indication of an increased risk for severe ventricular arrhytmia and sudden cardiac. However, the traditional techniques of data analysis in time and frequency domain are often not sufficient to characterize the complex dynamics of heart beat generation. Hence, different attempts have been reported to apply the concept of nonlinear dynamics (chaos domain) to this problem as the methods Detrended Fluctuation Analysis (DFA), Autocorrelation (Tau), Hurst Exponent (HE), Lyapunov Exponent (LE), Poincaré Plot (SD1 e SD2). Objective: We speculated that patients with decreased chaotic behavior in the preoperative period would tend to present higher morbidity and mortality in the length of postoperative stay. Methods: Seventy-two non-selected patients (mean age 58.4±10.2 years) with coronary artery disease and elective coronary artery bypass graft surgery (CABG) indication, were studied. We had their HRV with Polar Advanced S810 and analyzed with the above chaos, time and frequency domain variables. The occurrences of relevant events during the length of postoperative stay as neurological, infectious and renal complications, severe arrhytmias or death were compared. The Fisher s Test was used to compare the occurrence of events. We described Sensibility, Specificity, Positive Predictive Value, Positive Likelihood Ratio and ODDS Ratio (CI 95%). Results: In comparison of groups death versus no death (Scenario 1) of the Lyapunov Exponent, for example, the ODDS Ratio was 11.5 (CI 95% 1.261 to 104.92, P=0.0171). The Scenario 3 (2 or more events versus 0 to 1 event) xxiv showed the Odds Ratio 12.414 (CI 95% 1.515 to 101.72, P=0.0048). Conclusions: The patients with decreased HRV evaluated from some nonlinear dynamic analysis methods before CABG surgery present higher morbidity and mortality in the length of postoperative stay. / Estudos recentes têm mostrado que a baixa variabilidade da freqüência cardíaca (VFC) é um claro indicador de maior risco para arritmia ventricular grave e morte súbita. Contudo, as técnicas tradicionais de análises de dados no domínio do tempo e da freqüência nem sempre são suficientes para caracterizar a dinâmica complexa da geração do batimento cardíaco. Conseqüentemente, diferentes tentativas têm sido feitas para aplicar o conceito de dinâmica não-linear (domínio do caos) para este problema, como os métodos não-lineares: Análise de Flutuações Depurada de Tendências (DFA), Autocorrelação (Tau), Expoente de Hurst (HE), Expoente de Lyapunov (LE), Desvio-padrão da perpendicular à linha de identidade no gráfico de Poincaré (SD1e SD2). Objetivo: Assim, o objetivo deste trabalho foi demonstrar se a redução do comportamento caótico (avaliado por métodos de dinâmica nãolinear) no período pré-operatório à revascularização do miocárdio acarretaria maior morbidade e mortalidade no período pós-operatório, durante a internação. Método: No presente estudo, 72 pacientes não-selecionados (média de idade de 58,4±10,2 anos) com doença arterial coronária e indicação eletiva de cirurgia foram incluídos e sua VFC foi captada pelo Polar Advanced S810 por meio da análise dos intervalos RR. A VFC foi analisada por variáveis do domínio do tempo (SDNN, RMSSD), do domínio da freqüência (LF nu, HF nu, a relação LF/HF) e do domínio do caos, citadas acima. A ocorrência de eventos relevantes durante o pós-operatório foi avaliada, como complicações neurológicas, infecciosas e renais, arritmias graves ou morte. O Teste Exato de xxii Fisher foi usado para comparar a ocorrência de eventos. Também foram registrados a Sensibilidade, Especificidade, Valor Preditivo Positivo, Valor Preditivo Negativo, Likelihood Ratio Positivo e ODDS Ratio com 95% de Intervalo de Confiança para a ocorrência de eventos. Um valor de P ≤ 0.05 foi considerado significante. Resultados: De acordo com medidas feitas pelo Expoente de Lyapunov, por exemplo, o Cenário 1 (comparando grupo de pacientes que faleceram no pós-operatório hospitalar com o grupo dos que não faleceram) evidenciou Odds Ratio de 11,5 (IC 95% 1,261 a 104,92) com valor de P de 0,0171 e o Cenário 3 (2 ou mais eventos contra 0 a 1 evento) evidenciou Odds Ratio de 12,414 (IC 95% 1,515 a 101,72) com valor de P de 0,0048. Conclusão: A avaliação da VFC por métodos de dinâmica não-linear em pacientes no período pré-operatório da cirurgia de revascularização do miocárdico, mostrou tratar-se de ferramenta promissora como preditora de maior morbidade e mortalidade durante o período de pós-operatório hospitalar.

OBJETIVOS: O estudo explorou diferentes métodos de séries temporais visando desenvolver um modelo para a previsão do volume diário de pacientes no Pronto Socorro do Instituto Central do Hospital das Clínicas da Faculdade de Medicina da USP. MÉTODOS: Foram explorados seis diferentes modelos para previsão do número diário de pacientes no pronto socorro de acordo com algumas variáveis relacionadas ao calendário e à temperatura média diária. Para a construção dos modelos, utilizou-se a contagem diária de pacientes atendidos no pronto socorro entre 1° de janeiro de 2008 a 31 de dezembro de 2010. Os primeiros 33 meses do banco de dados foram utilizados para o desenvolvimento e ajuste dos modelos, e os últimos três meses foram utilizados para comparação dos resultados obtidos em termos da acurácia de previsão. A acurácia foi medida a partir do erro médio percentual absoluto. Os modelos foram desenvolvidos utilizando-se três diferentes métodos: modelos lineares generalizados, equações de estimação generalizadas e modelos sazonais autorregressivos integrados de média móvel (SARIMA). Para cada método, foram testados modelos que incluíram termos para controlar o efeito da temperatura média diária e modelos que não incluíram esse controle. RESULTADOS: Foram atendidos, em média, 389 pacientes diariamente no pronto socorro, número que variou entre 166 e 613. Observou-se uma sazonalidade semanal marcante na distribuição do volume de pacientes ao longo do tempo, com maior número de pacientes às segundas feiras e tendência linear decrescente ao longo da semana. Não foi observada variação significante no volume de pacientes de acordo com os meses do ano. Os modelos lineares generalizados e equações de estimação generalizada resultaram em melhor acurácia de previsão que os modelos SARIMA. No primeiro horizonte de previsão (outubro), por exemplo, os erros médios percentuais absolutos dos modelos lineares generalizados e de equação de estimação generalizada foram ambos 11,5% e 10,8% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente), enquanto os erros médios percentuais absolutos para os modelos SARIMA foram 12,8% e 11,7% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente). Para todos os modelos, incluir termos para controlar o efeito da temperatura média diária não resultou em melhor acurácia de previsão. A previsão a curto prazo (7 dias) em geral resultou em maior acurácia do que a previsão a longo prazo (30 dias). CONCLUSÕES: Este estudo indica que métodos de séries temporais podem ser aplicados na rotina do serviço de pronto socorro para a previsão do provável volume diário de pacientes no serviço. A previsão realizada para o curto prazo tem boa acurácia e pode ser incorporada à rotina do serviço, de modo a subsidiar seu planejamento e colaborar com a adequação de recursos materiais e humanos. Os modelos de previsão baseados unicamente em variáveis relacionadas ao calendário foram capazes de prever a variação no volume diário de pacientes, e os métodos aqui aplicados podem ser automatizados para gerar informações com antecedência suficiente para decisões de planejamento do serviço de pronto socorro / OBJECTIVES: This study aims to develop different models to forecast the daily number of patients seeking emergency department (ED) care in a general hospital according to calendar variables and ambient temperature readings and to compare the models in terms of forecasting accuracy. METHODS: We developed and tested six different models of ED patient visits using total daily counts of patient visits to the Instituto Central do Hospital das Clínicas Emergency Department from January 1, 2008 to December 31, 2010. We used the first 33 months of the dataset to develop the ED patient visits forecasting models (the training set), leaving the last 3 months to measure each model\'s forecasting accuracy by the mean absolute percentage error. Forecasting models were developed using 3 different time series analysis methods: generalized linear models, generalized estimating equations and seasonal autoregressive integrated moving average (SARIMA). For each method, we explored models with and without the effect of mean daily temperature as a predictive variable. RESULTS: Daily mean number of ED visits was 389, ranging from 166 to 613. Data showed a weekly seasonal distribution, with highest patient volumes on Mondays and lowest patient volumes on weekends. There was little variation in daily visits by month. Generalized linear models and generalized estimating equation models showed better forecasting accuracy than SARIMA models. For instance, the mean absolute percentage errors from generalized linear models and generalized estimating equations models at the first month of forecasting (October, 2012), were 11.5% and 10.8% (models with and without control for the temperature effect, respectively), while the mean absolute percentage errors from SARIMA models were 12.8% and 11.7% (models with and without control for the temperature effect, respectively). For all models, controlling for the effect of temperature resulted in worse or similar forecasting ability than models with calendar variables alone, and forecasting accuracy was better for the short term horizon (7 days in advance) than for the longer term (30 days in advance). CONCLUSIONS: Our study indicates that time series models can be developed to provide forecasts of daily ED patient visits, and forecasting ability was dependent on the type of model employed and the length of the time-horizon being predicted. In our setting, generalized linear models and generalized estimating equation models showed better accuracy, and including information about ambient temperature in the models did not improve forecasting accuracy. Forecasting models based on calendar variables alone did in general detect patterns of daily variability in ED volume, and thus could be used for developing an automated system for better planning of personnel resources

A dengue e a leptospirose estão entre as principais zoonoses de ocorrência no mundo. A primeira pelo elevado potencial epidêmico e a segunda pela alta letalidade. Na cidade de São Paulo, anualmente ocorrem dezenas de casos de leptospirose e centenas de casos de dengue, fazendo desses agravos alguns dos eventos de maior interesse da vigilância em saúde do município. Para melhor compreender o efeito de fenômenos climáticos e o impacto de medidas de prevenção e controle sobre a transmissão desses agravos ao longo do tempo, dois diferentes modelos estatísticos de estudo de séries temporais foram usados: 1) Função de Transferência, com erros dados por modelos ARIMA (ARIMAX), os quais foram modelados segundo a filosofia de Box-Jenkins e 2) Modelos Aditivos Generalizados (GAM) de regressão de Poisson, com estrutura de defasagem dada por funções polinômios PDL (Polynomial Distributed Lags). Os principais fatores climáticos associados ao aumento do número de casos de dengue na cidade de São Paulo foram a elevação da temperatura mínima do ar, dos níveis de precipitação pluviométrica, da densidade do vetor e a entrada de casos importados da doença, estimulada pelo feriado de carnaval. A chegada de frentes frias (temperatura < 16°C) e valores extremos de precipitação ( 70mm) reduzem o número de casos de dengue. Medidas de prevenção adotadas pelas equipes de vigilância em saúde do município também contribuem com a redução do número de casos. Os fatores associados ao aumento do número de casos de leptospirose foram o aumento da precipitação pluviométrica e da temperatura máxima do ar. O aumento das horas de brilho do sol reduz o número de casos. Os métodos adotados foram adequados aos objetivos do estudo e conseguiram captar as relações defasadas entre os fatores de interesse e a transmissão de dengue e de leptospirose na cidade de São Paulo. Tais técnicas também parecem adequadas como ferramentas a serem incorporadas à rotina da vigilância em saúde, permitindo fazer previsões do número de casos futuros e compreender as relações temporais entre as doenças e seus fatores determinantes e condicionantes / Dengue and leptospirosis are among the major zoonosis of occurrence in the world; the first because of the epidemic potential and the second due to high lethality. In São Paulo, dozens of leptospirosis cases and hundreds of dengue fever cases are registered annually, being some of the most important events to the municipal public health surveillance system. To understand the effect of climatic conditions and the impact of measures of prevention and control over the transmission of such diseases in the time context, two time series approaches were used: 1) Transfer Functions, with ARIMA error structure (ARIMAX), modeled by Box-Jenkins methods and 2) Additive Generalized Models (GAM) of Poisson regressions, with time structure given by Polynomial Distributed Lags (PDL). The most important climatic factors that increased the number of cases of dengue fever in the city of São Paulo were the elevation in air temperature, precipitation, vector density and the number of imported cases, which increased after carnival holiday (an important calendar event). The arrival of cold fronts from the south (air temperature < 16°C) and extreme precipitations (70mm) are factors that decrease the number of new dengue cases. The public health preventive interventions adopted by the municipality were effective in diminishing the dengue occurrence. The most important factors that increased the number of leptospirosis cases in São Paulo were elevation in maximum air temperature and precipitation. Largest amount of hours of sunshine decreased the number of new cases of leptospirosis. The methods used were adequate to the study objectives, the relations among the interest lagged factors and dengue and leptospirosis transmission in the city of São Paulo were satisfactorily modeled. Such techniques also seem appropriate as tools to be incorporated into the municipal health surveillance system, allowing the prediction of the number of future disease cases and understanding temporal relations between diseases and their determinants and conditioning factors

OBJETIVOS: O estudo explorou diferentes métodos de séries temporais visando desenvolver um modelo para a previsão do volume diário de pacientes no Pronto Socorro do Instituto Central do Hospital das Clínicas da Faculdade de Medicina da USP. MÉTODOS: Foram explorados seis diferentes modelos para previsão do número diário de pacientes no pronto socorro de acordo com algumas variáveis relacionadas ao calendário e à temperatura média diária. Para a construção dos modelos, utilizou-se a contagem diária de pacientes atendidos no pronto socorro entre 1° de janeiro de 2008 a 31 de dezembro de 2010. Os primeiros 33 meses do banco de dados foram utilizados para o desenvolvimento e ajuste dos modelos, e os últimos três meses foram utilizados para comparação dos resultados obtidos em termos da acurácia de previsão. A acurácia foi medida a partir do erro médio percentual absoluto. Os modelos foram desenvolvidos utilizando-se três diferentes métodos: modelos lineares generalizados, equações de estimação generalizadas e modelos sazonais autorregressivos integrados de média móvel (SARIMA). Para cada método, foram testados modelos que incluíram termos para controlar o efeito da temperatura média diária e modelos que não incluíram esse controle. RESULTADOS: Foram atendidos, em média, 389 pacientes diariamente no pronto socorro, número que variou entre 166 e 613. Observou-se uma sazonalidade semanal marcante na distribuição do volume de pacientes ao longo do tempo, com maior número de pacientes às segundas feiras e tendência linear decrescente ao longo da semana. Não foi observada variação significante no volume de pacientes de acordo com os meses do ano. Os modelos lineares generalizados e equações de estimação generalizada resultaram em melhor acurácia de previsão que os modelos SARIMA. No primeiro horizonte de previsão (outubro), por exemplo, os erros médios percentuais absolutos dos modelos lineares generalizados e de equação de estimação generalizada foram ambos 11,5% e 10,8% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente), enquanto os erros médios percentuais absolutos para os modelos SARIMA foram 12,8% e 11,7% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente). Para todos os modelos, incluir termos para controlar o efeito da temperatura média diária não resultou em melhor acurácia de previsão. A previsão a curto prazo (7 dias) em geral resultou em maior acurácia do que a previsão a longo prazo (30 dias). CONCLUSÕES: Este estudo indica que métodos de séries temporais podem ser aplicados na rotina do serviço de pronto socorro para a previsão do provável volume diário de pacientes no serviço. A previsão realizada para o curto prazo tem boa acurácia e pode ser incorporada à rotina do serviço, de modo a subsidiar seu planejamento e colaborar com a adequação de recursos materiais e humanos. Os modelos de previsão baseados unicamente em variáveis relacionadas ao calendário foram capazes de prever a variação no volume diário de pacientes, e os métodos aqui aplicados podem ser automatizados para gerar informações com antecedência suficiente para decisões de planejamento do serviço de pronto socorro / OBJECTIVES: This study aims to develop different models to forecast the daily number of patients seeking emergency department (ED) care in a general hospital according to calendar variables and ambient temperature readings and to compare the models in terms of forecasting accuracy. METHODS: We developed and tested six different models of ED patient visits using total daily counts of patient visits to the Instituto Central do Hospital das Clínicas Emergency Department from January 1, 2008 to December 31, 2010. We used the first 33 months of the dataset to develop the ED patient visits forecasting models (the training set), leaving the last 3 months to measure each model\'s forecasting accuracy by the mean absolute percentage error. Forecasting models were developed using 3 different time series analysis methods: generalized linear models, generalized estimating equations and seasonal autoregressive integrated moving average (SARIMA). For each method, we explored models with and without the effect of mean daily temperature as a predictive variable. RESULTS: Daily mean number of ED visits was 389, ranging from 166 to 613. Data showed a weekly seasonal distribution, with highest patient volumes on Mondays and lowest patient volumes on weekends. There was little variation in daily visits by month. Generalized linear models and generalized estimating equation models showed better forecasting accuracy than SARIMA models. For instance, the mean absolute percentage errors from generalized linear models and generalized estimating equations models at the first month of forecasting (October, 2012), were 11.5% and 10.8% (models with and without control for the temperature effect, respectively), while the mean absolute percentage errors from SARIMA models were 12.8% and 11.7% (models with and without control for the temperature effect, respectively). For all models, controlling for the effect of temperature resulted in worse or similar forecasting ability than models with calendar variables alone, and forecasting accuracy was better for the short term horizon (7 days in advance) than for the longer term (30 days in advance). CONCLUSIONS: Our study indicates that time series models can be developed to provide forecasts of daily ED patient visits, and forecasting ability was dependent on the type of model employed and the length of the time-horizon being predicted. In our setting, generalized linear models and generalized estimating equation models showed better accuracy, and including information about ambient temperature in the models did not improve forecasting accuracy. Forecasting models based on calendar variables alone did in general detect patterns of daily variability in ED volume, and thus could be used for developing an automated system for better planning of personnel resources