Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso. Puede cambiar la configuración u obtener más información aquí.

[Cerrar]


Artículos socios - Artículos
Computerised Analysis of Telemonitored Respiratory Sounds for Predicting Acute Exacerbations of COPD
12/05/2016
Fernandez-Granero MA, Sanchez-Morillo D, Leon-Jimenez A
Sensors 2015, 15, 26978-26996; doi:10.3390/s151026978.

Chronic obstructive pulmonary disease (COPD) is one of the commonest causes of death in the world and poses a substantial burden on healthcare systems and patients’ quality of life. The largest component of the related healthcare costs is attributable to admissions due to acute exacerbation (AECOPD). The evidence that might support the effectiveness of the telemonitoring interventions in COPD is limited partially due to the lack of useful predictors for the early detection of AECOPD. Electronic stethoscopes and computerised analyses of respiratory sounds (CARS) techniques provide an opportunity for substantial improvement in the management of respiratory diseases. This exploratory study aimed to evaluate the feasibility of using: (a) a respiratory sensor embedded in a self-tailored housing for ageing users; (b) a telehealth framework; (c) CARS and (d) machine learning techniques for the remote early detection of the AECOPD. In a 6-month pilot study, 16 patients with COPD were equipped with a home base-station and a sensor to daily record their respiratory sounds. Principal component analysis (PCA) and a support vector machine (SVM) classifier was designed to predict AECOPD. 75.8% exacerbations were early detected with an average of 5 ± 1.9 days in advance at medical attention. The proposed method could provide support to patients, physicians and healthcare systems.

Keywords: chronic obstructive pulmonary disease; COPD; data-driven; early detection; exacerbation; lung sounds; machine learning; PCA; prediction; respiratory sounds; sensor; support vector machine; SVM; symptoms; telehealth; telemonitoring


Patrocinadores Neumosur
Patrocinadores Neumosur
Patrocinadores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Colaboradores Neumosur
Área de profesionales
Neumosur en los medios >>
ABC de Sevilla 31/05/2019 Virgen del Rocío: cada año 400 nuevos fumadores van al hospital para dejar el tabaco
Teleprensa.com 30/05/2019 Neumólogos abogan por dar ayuda para dejar de fumar a pacientes con enfermedades relacionadas con el tabaco
ABC de Sevilla 30/05/2019 Más de 300.000 sevillanos fuman a diario
La Vanguardia 30/05/2019 Neumólogos abogan por dar ayuda para dejar de fumar a pacientes con enfermedades relacionadas con el tabaco
Infosalus.com 30/05/2019 Neumólogos abogan por dar ayuda para dejar de fumar a pacientes con enfermedades relacionadas con el tabaco
Europa Press 30/05/2019 Neumólogos abogan por dar ayuda para dejar de fumar a pacientes con enfermedades relacionadas con el tabaco
Otra revista.com 30/05/2019 Más de 300.000 sevillanos fuman a diario
Gente Digital 30/05/2019 Neumólogos abogan por dar ayuda para dejar de fumar a pacientes con enfermedades relacionadas con el tabaco
Zamora24horas.com 21/04/2019 Investigadores detectan alteraciones en los niveles de metales en las células de enfermos de cáncer de pulmón
Diario Hoy 14/04/2019 El 13% de los fumadores del Área de Salud de Mérida padece EPOC
Newsletter Revista:
SUSCRIBE
Cargando

Espera un momento
Se está guardando la solicitud.

Cargando

Espera un momento
Se está enviando el manuscrito.