El patrón de respiración de un paciente refleja su trabajo de respiración y puede ser monitoreado en pacientes para evaluar cambios en su condición respiratoria. A pesar de que las prácticas diagnósticas y de manejo actuales dependen principalmente de pruebas clínicas especializadas, existe la necesidad de monitorear a los pacientes en hospitales de campaña y de combate o en tránsito desde el punto de lesión. Este trabajo tiene como objetivo desarrollar algoritmos basados en aprendizaje automático para facilitar el monitoreo y la evaluación remota de enfermedades respiratorias en pacientes que se someten a terapia de presión positiva continua en la vía aérea. Se recopilaron datos de 30 adultos sanos, abarcando presión respiratoria, flujo y medidas dinámicas toraco-abdominales circunferenciales bajo tres condiciones respiratorias: normal, jadeo y respiración profunda. Estos datos se obtuvieron de PhysioNet, que está disponible públicamente, con la aprobación ética asociada y el consentimiento informado. Se entrenaron varios modelos de aprendizaje automático, incluidos el clasificador de bosque aleatorio, la regresión logística y las máquinas de soporte vectorial, para predecir la condición respiratoria correcta. Se llevaron a cabo validaciones cruzadas
Orangi-Fard et al. (Mon,) estudiaron esta cuestión.