Item request has been placed! ×
Item request cannot be made. ×
loading  Processing Request

Voice analysis as a method for preoperatively predicting a difficult airway based on Machine learning algorithms.

Item request has been placed! ×
Item request cannot be made. ×
loading   Processing Request
  • معلومة اضافية
    • Contributors:
      University/Department: Universitat Internacional de Catalunya. Departament de Medicina
    • Thesis Advisors:
      Valls Ontañón, Adaia; Borrás Ramírez, Rosa
    • بيانات النشر:
      Universitat Internacional de Catalunya, 2023.
    • الموضوع:
      2023
    • نبذة مختصرة :
      La aparició d’una via aèria difícil no anticipada es un dels desafiaments als que s’enfronta un anestesiòleg ja que pot comportar complicacions molt greus. La seva incidència varia entre 1,5% y 13.5%. Una avaluació preoperatòria adequada de la via aèria es un factor clau per reduir la incidència de complicacions relacionades amb la via aèria i s’ha de realitzar de manera rutinària abans de qualsevol procediment quirúrgic. Tradicionalment, la avaluació de la via aèria ha consistit en realitzar test d’screening basats en característiques antropomètriques dels pacients com a part de l’exploració física de la avaluació preanestèsica. Tot i així, la seva utilitat clínica, precisió i benefici han estat qüestionats. Per aquest motiu, s’han proposat nous mètodes d’avaluació de la via Aérea amb l’objectiu de millorar-ne l'avaluació. En concret, la veu ha sorgit com un nou mètode per a la detecció d’una via aèria difícil. En els últims anys, la intel·ligència artificial ha sorgit com una nova eina prometedora per a aplicacions clíniques. En aquest estudi, proposem investigar l’ús de la veu per a predir una via difícil mitjançant algoritmes de machine learning
    • File Description:
      application/pdf
    • Rights:
      L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/
    • الرقم المعرف:
      edstdx.10803.690898