Abstract:
|
[EN] Complex data analysis methods require optimisation techniques such as evolutionary
algorithms in order to generate reliable results.
The objective of this study is to analyse the relationships of particular perioperative ...[+]
[EN] Complex data analysis methods require optimisation techniques such as evolutionary
algorithms in order to generate reliable results.
The objective of this study is to analyse the relationships of particular perioperative care in
colorectal surgery (CRS) with surgeon epidemiological data, performing partition grouping
to look for significant relationships.
Methods: Data were used from a survey of members of Spanish coloproctology associations
on perioperative care in colorectal surgery, and analysing the responses associated with
mechanical bowel preparation (MBP), nasogastric intubation (NGI), drainages (D), and early
feeding (EF), over the existing scientific evidence (SE) which shows that the first ones are
unnecessary and the importance of the last one. We applied a variant of particle swarm
optimization (PSO), to group data conglomerates, optimising variables with statistical
grouping criteria.
Results: A total of 130 surveys were analysed, finding 2 clear groups which included 21.5%
and 78.5% of the sample, respectively. Sixty eight per cent of the surgeons in Group A
belonged to the European Board in Coloproctology, compared to none in Group B, and the
former performed 80% of the coloproctology activity, compared to 60% of the rest. A
responded homogeneously to questions on MBP, NGI, D and EF, those of group A following
the SE, while the others did it randomly and without following it. Age, work position or
academic range were not significant in the grouping.
Conclusions: The evolutionary algorithm was shown to be able to identify groups according
to the use of perioperative care in CRS. Accreditation and dedication was associated with
behaviour based on the SE.
# 2010 AEC. Published by Elsevier España, S.L. All rights reserved.
[-]
[ES] Los métodos complejos de análisis de datos precisan de técnicas de optimización tales como los algoritmos evolutivos para generar resultados fiables. El objetivo de este estudio es analizar las relaciones de determinados ...[+]
[ES] Los métodos complejos de análisis de datos precisan de técnicas de optimización tales como los algoritmos evolutivos para generar resultados fiables. El objetivo de este estudio es analizar las relaciones de determinados cuidados perioperatorios en cirugıía colorrectal (CCR) con datos epidemiológicos de cirujanos efectuando un agrupamiento particional para buscar asociaciones relevantes. Métodos: Se emplearon datos de una encuesta sobre cuidados perioperatorios en CCR a miembros de las asociaciones coloproctológicas españolas, analizando respuestas relacionadas con preparación cólica (PMC), sonda nasogástrica (SNG), drenajes (D) y alimentación precoz (AP), sobre las que existe evidencia científica (EC) que muestra innecesarias las primeras e importante la última. Aplicamos una variante de Particle Swarm Optimization (PSO), para agrupar conglomerados de datos optimizando variables con criterios de agrupación estadística. Resultados: Se analizaron 130 encuestas hallando 2 grupos claros que incluían respectivamente al 21,5 y 78,5% de la muestra. El 68% de cirujanos del grupo A eran European Board in Coloproctology, frente a ninguno del B y los del primero desarrollaban 80% de actividad coloproctológica frente al 60% del resto. A preguntas sobre PMC, SNG, D y AP respondieron homogéneamente siguiendo la EC los del grupo A, mientras los otros lo hicieron de modo disperso y sin seguirla. Edad, puesto de trabajo o rango académico no fueron relevantes en el agrupamiento. Conclusiones: El algoritmo evolutivo se ha mostrado capaz de identificar grupos según el empleo de cuidados perioperatorios en CCR. La acreditación y dedicación se han asociado a comportamientos basados en la EC. # 2010 AEC. Publicado por Elsevier España, S.L. Todos los derechos reservados.
[-]
|
Thanks:
|
Este trabajo se ha realizado con el soporte del proyecto IDAWAS, DPI2009-11591 de la Dirección General de Investigación
del Ministerio de Educación y Ciencia y de la beca MAEC-AECI 0000202066, obtenidas por el autor I.M. ...[+]
Este trabajo se ha realizado con el soporte del proyecto IDAWAS, DPI2009-11591 de la Dirección General de Investigación
del Ministerio de Educación y Ciencia y de la beca MAEC-AECI 0000202066, obtenidas por el autor I.M. del Ministerio de Asuntos Exteriores y Cooperación español
[-]
|