• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 2
  • Tagged with
  • 2
  • 2
  • 2
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Aspectos do sono em pacientes com cirrose hepática / Sleep aspects in patients with hepatic cirrhosis

Teodoro, Vinicius Vasconcelos [UNIFESP] 27 May 2009 (has links) (PDF)
Made available in DSpace on 2015-07-22T20:49:27Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-05-27 / Associação Fundo de Incentivo à Psicofarmacologia (AFIP) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Atualmente no mundo, a cirrose hepática é um problema clínico grave, além de ser considerada uma doença muito comum e com grande impacto na saúde pública. As alterações na cito-arquitetura do fígado nesta patologia provoca perda das funções deste órgão, com várias conseqüências ao paciente. As manifestações clínicas da cirrose hepática são diversas e produzem alterações nas funções biológicas, como sono e vigília. Objetivo do estudo: Caracterizar os parâmetros do sono e sonolência diurna através do uso de questionários e de estudo polissonográfico completo em um grupo de cirróticos e compará-los com grupo de voluntários sem hepatopatia e verificar a possível influência da gravidade da doença hepática sobre parâmetros do sono e sonolência diurna. Casuistica e metodologia: O estudo foi caso-controle; os pacientes foram provenientes do ambulatório de cirrose hepática, do departamento de gastroenterologia do Hospital São Paulo, com diagnóstico confirmado de cirrose hepática. Foi selecionados 42 pacientes com cirrose e 42 controles sem hepatopatia. Todos os voluntarios fizeram polissonografia de noite inteira e também responderam questionários sobre o sono e a Escala de Sonolência de Epworth. A gravidade da doença foi verificada pelo modelo prognóstico de Child-Turcotte-Pugh e MELD. Resultados: Não houve diferença na idade, gênero e IMC entre os pacientes e os voluntários. No entanto, os achados polissonográficos mostraram menor eficiência do sono, maior latência do sono, e também um aumento da latência do REM, e porcentagem de REM reduzida, no grupo cirrótico, quando comparado aos controles. Os pacientes também mostraram maior frequência de movimentos periódicos de membros que os controles. Em relação à gravidade da doença hepática, os pacientes foram classificados em Child A (16 indivíduos) Child B (17 indivíduos) e Child C (9 indivíduos). Houve diferença entre os grupos Child em relação à porcentagem do sono REM, significativamente menor no grupo C quando comparado ao grupo B e A e aumento da latência do REM, significativamente maior no grupo C. Conclusão: Os resultados sugerem que os pacientes com cirrose tinham um sono de pior qualidade quando comparados ao grupo-controle e maior ocorrência de movimentos periódicos de membros inferiores durante o sono. Foi observada também uma influência da gravidade da cirrose hepática nos resultados polissonográficos. / Hepatic cirrhosis is a serious public health issue in the world, since it was a very common disease, with a great impact. The occurrence of liver structural alterations has various consequences, including neurological ones. The patient with cirrhosis presents several clinical manifestations that involve alterations on his biological functions such as sleep and waking. Study objective: The aim of this study was to characterize sleep parameters and sleepiness in cirrhotic patients and to assess a possible influence the severity level of this disease on these parameters. Design: It was a case-control study. Setting: The hepatology outpatient service of Hospital São Paulo (UNIFESP/EPM) and Sleep Institute and diagnostic center of Associação Fundo de Incentivo à Psicofarmacologia (AFIP). 42 cirrhotic patients and 42 volunteers without hepatic disease were submitted to an all night polysomnographic evaluation. They also answered sleep questionnaires as well as the Epworth Sleepiness Scale. The severity of the illness was assessed by the prognostic model of Child-Turcotte-Pugh and MELD scores. Results: There was no difference in age, gender and BMI between cirrhotic patients and volunteers. However, the polysomnographic findings showed lower sleep efficiency, as well as an increase in the REM sleep latency and a lower REM sleep percentage in the cirrhotic group when compared with the control group. The cirrhotic patients also showed higher frequency of Periodic Limb Movements in Sleep than the controls. There was a significant difference among Child-Turcotte-Pugh groups in regard to REM sleep percentage, significantly lower in group C when compared to group B and group A. No significant differences were detected between the scores of both groups in the Epworth Scale. Conclusion: The findings suggest that cirrhotic patients had a worse quality of sleep when compared with the control group and higher occurrence of PLMS. There was also an influence of the severity of liver failure in some sleep parameters. / FAPESP/CEPID: 95/14303-3 / TEDE / BV UNIFESP: Teses e dissertações
2

[en] DEEP LEARNING NEURAL NETWORKS FOR THE IDENTIFICATION OF AROUSALS RELATED TO RESPIRATORY EVENTS USING POLYSOMNOGRAPHIC EEG SIGNALS / [pt] REDES NEURAIS DE APRENDIZADO PROFUNDO PARA A IDENTIFICAÇÃO DE DESPERTARES RELACIONADOS A EVENTOS RESPIRATÓRIOS USANDO SINAIS EEG POLISSONOGRÁFICOS

MARIA LEANDRA GUATEQUE JARAMILLO 31 May 2021 (has links)
[pt] Para o diagnóstico de distúrbios do sono, um dos exames mais usado é a polissonografia (PSG), na qual é registrada uma variedade de sinais fisiológicos. O exame de PSG é observado por um especialista do sono, processo que pode levar muito tempo e incorrer em erros de interpretação. O presente trabalho desenvolve e compara o desempenho de quatro sistemas baseados em arquiteturas de redes neurais de aprendizado profundo, mais especificamente, redes convolutivas (CNN) e redes recorrentes Long-Short Term Memory (LSTM), para a identificação de despertares relacionados ao esforço respiratório (Respiratory Effort-Related Arousal-RERA) e a eventos de despertar relacionados à apneia/hipopneia. Para o desenvolvimento desta pesquisa, foram usadas as informações de apenas seis canais eletroencefalográficos (EEG) provenientes de 994 registros de PSG noturna da base de dados PhysioNet CinC Challenge2018, além disso, foi considerado o uso de class weight e Focal Loss para lidar com o desbalanceamento de classes. Para a avaliação de cada um dos sistemas foram usadas a Accuracy, AUROC e AUPRC como métricas de desempenho. Os melhores resultados para o conjunto de teste foram obtidos com os modelos CNN1 obtendo-se uma Accuracy, AUROC e AUPRC de 0,8404, 0,8885 e 0,8141 respetivamente, e CNN2 obtendo-se uma Accuracy, AUROC e AUPRC de 0,8214, 0,8915 e 0,8097 respetivamente. Os resultados restantes confirmaram que as redes neurais de aprendizado profundo permitem lidar com dados temporais de EEG melhor que os algoritmos de aprendizado de máquina tradicional, e o uso de técnicas como class weight e Focal Loss melhoram o desempenho dos sistemas. / [en] For the diagnosis of sleep disorders, one of the most commonly used tests is polysomnography (PSG), in which a variety of physiological signs are recorded. The study of PSG is observed by a sleep therapist, This process may take a long time and may incur misinterpretation. This work develops and compares the performance of four classification systems based on deep learning neural networks, more specifically, convolutional neural networks (CNN) and recurrent networks Long-Short Term Memory (LSTM), for the identification of Respiratory Effort-Related Arousal (RERA) and to events related to apnea/hypopnea. For the development of this research, it was used the Electroencephalogram (EEG) data of six channels from 994 night polysomnography records from the database PhysioNet CinC Challenge2018, the use of class weight and Focal Loss was considered to deal with class unbalance. Accuracy, AUROC, and AUPRC were used as performance metrics for evaluating each system. The best results for the test set were obtained with the CNN1 models obtaining an accuracy, AUROC and AUPRC of 0.8404, 0.8885 and 0.8141 respectively, and RCNN2 obtaining an accuracy, AUROC and AUPRC of 0.8214, 0.8915 and 0.8097 respectively. The remaining results confirmed that deep learning neural networks allow dealing with EEG time data better than traditional machine learning algorithms, and the use of techniques such as class weight and Focal Loss improve system performance.

Page generated in 0.0665 seconds