Robust and accurate modeling approaches for migraine Per-Patient prediction from ambulatory data

Pagán Ortiz, Josué; Orbe Izquierdo, Irene de; Gago, Ana; Sobrado, Mónica; Risco Martín, José Luis; Vivancos Mora, J.; Moya Fernández, José Manuel y Ayala Rodrigo, José Luis (2015). Robust and accurate modeling approaches for migraine Per-Patient prediction from ambulatory data. "Sensors", v. 15 ; pp. 15419-15442. ISSN 1424-8220. https://doi.org/10.3390/s150715419.

Descripción

Título: Robust and accurate modeling approaches for migraine Per-Patient prediction from ambulatory data
Autor/es:
  • Pagán Ortiz, Josué
  • Orbe Izquierdo, Irene de
  • Gago, Ana
  • Sobrado, Mónica
  • Risco Martín, José Luis
  • Vivancos Mora, J.
  • Moya Fernández, José Manuel
  • Ayala Rodrigo, José Luis
Tipo de Documento: Artículo
Título de Revista/Publicación: Sensors
Fecha: 2015
Volumen: 15
Materias:
Palabras Clave Informales: Migraine; WBSN; modeling; N4SID; prediction; robustness
Escuela: E.T.S.I. Telecomunicación (UPM)
Departamento: Ingeniería Electrónica
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (2MB) | Vista Previa

Resumen

Migraine is one of the most wide-spread neurological disorders, and its medical treatment represents a high percentage of the costs of health systems. In some patients, characteristic symptoms that precede the headache appear. However, they are nonspecific, and their prediction horizon is unknown and pretty variable; hence, these symptoms are almost useless for prediction, and they are not useful to advance the intake of drugs to be effective and neutralize the pain. To solve this problem, this paper sets up a realistic monitoring scenario where hemodynamic variables from real patients are monitored in ambulatory conditions with a wireless body sensor network (WBSN). The acquired data are used to evaluate the predictive capabilities and robustness against noise and failures in sensors of several modeling approaches. The obtained results encourage the development of per-patient models based on state-space models (N4SID) that are capable of providing average forecast windows of 47 min and a low rate of false positives.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaTEC2012-33892Sin especificarMinisterio de Economía y CompetitividadSin especificar

Más información

ID de Registro: 41443
Identificador DC: http://oa.upm.es/41443/
Identificador OAI: oai:oa.upm.es:41443
Identificador DOI: 10.3390/s150715419
URL Oficial: http://www.mdpi.com/1424-8220/15/7/15419
Depositado por: Memoria Investigacion
Depositado el: 20 Jul 2016 19:14
Ultima Modificación: 20 Jul 2016 19:14
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM