Selection Criteria for Competing Models of Respiratory Mechanics

Schranz, Christoph; Riedlinger, Axel; Huhle, Robert; Braune, Anja; Abreu, M. Gama de; Koch, Edmund; Möller, Knut

doi:10.1515/bmt-2013-4326

Cited by 2 publications

(1 citation statement)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Erste systematische Analysen konnten bereits einige wichtige Merkmale extrahieren, mit denen sich eine Modellselektion realisieren lässt. So gibt beispielsweise der CD-Wert (Coefficient of Determination) einen guten Aufschluss über die Über-einstimmung von Modell und Daten, der CI-Wert (Confidence Interval) einen Rückschluss auf den Bestimmtheitsgrad der identifizierten Parameter[47]. Besonders letzterer ist entscheidend für eine Festlegung, ob die identifizierten Parameterwerten der physiologischen Realität entsprechen oder rein zufällige Werte angenommen haben.…”

unclassified

Komplexe Modellsysteme in der automatisierten Beatmung

Kretschmer¹,

Schranz²,

Riedlinger³

et al. 2015

At - Automatisierungstechnik

View full text Add to dashboard Cite

Zusammenfassung: Die künstliche Beatmung stellt eine etablierte Therapie in der Intensivmedizin dar. Trotz der routinemäßigen Anwendung kann es bei schwerkranken Patienten zu Komplikationen kommen. Die modellbasierte Entscheidungsunterstützung erlaubt eine Verbesserung der Therapie, indem an den Patienten angepasste Modelle für Prädiktionen genutzt und damit Therapieeinstellungen individuell optimiert werden. Die eingesetzten Modelle sollten dabei an den Krankheitszustand des Patienten, an die vorliegenden Daten sowie an die aktuelle klinische Fragestellung anpassbar sein und neben der Atemmechanik ebenfalls die wichtigen Bereiche Gasaustausch und Hämodynamik umfassen. Die gezeigten hierarchisch geordneten Modellfamilien erlauben eine flexible Anpassung an die aktuelle klinische Situation, eine robuste Identifikation der Modellparameter sowie eine umfassende Abbildung des Patienten.Schlüsselwörter: Physiologische Modellbildung, Medizinische Entscheidungsunterstützung, Modellhierarchie, Beatmungstherapie.Abstract: Artificial ventilation is a well established therapy in the intensive care unit. Despite its regular use it may harm critically ill patients if not applied adequately. Model based decision support enables the optimization of clinical therapy by exploiting individualized models for predictions of optimized ventilator settings. The implemented models should be adaptable to the patient's disease state as well as the available data at the bedside and the current clinical treatment goal. Moreover, besides respiratory mechanics, they should include gas exchange and cardiovasChristoph Schranz: Hamilton Medical, Bonaduz, Schweiz cular dynamics. The hierarchically structured model families presented in this paper allow a flexible adaption to the current clinical situation, a robust identification of model parameters as well as a global and numerically efficient representation of the patient's physiological properties.

show abstract

unclassified

Komplexe Modellsysteme in der automatisierten Beatmung

Kretschmer¹,

Schranz²,

Riedlinger³

et al. 2015

At - Automatisierungstechnik

View full text Add to dashboard Cite

show abstract

Evaluation of an algorithm to choose between competing models of respiratory mechanics

Kretschmer

Riedlinger

Möller

2015

Current Directions in Biomedical Engineering

View full text Add to dashboard Cite

Model based decision support helps in optimizing therapy settings for individual patients while providing additional insight into a patient’s disease state through the identified model parameters. Using multiple models with different simulation focus and complexity allows adapting decision support to the current clinical situation and the available data. A previously presented set of numerical criteria allows selecting the best model based on fit quality, model complexity, and how well the parameter values are defined by the presented data. To systematically evaluate those criteria in an algorithm we have created insilico data sets using four different respiratory mechanics models with three different parameter settings each. Each of those artificial patients was ventilated with three different manoeuvres and the resulting data was used to identify the same models used to create the data. The selection algorithm was then presented with the results to select the best model. Not considering determinateness of the identified model parameters, the algorithm chose the same model that was used to create the data in 78%, a more complex model in 5% and a less complex model in 18% of all cases. When including the determinateness of model parameters in the decision process, the algorithm chose the same model in 42% of the cases and a less complex model in 56% of all cases. In 2% of the presented cases, no model complied with the required criteria.

show abstract

Selection Criteria for Competing Models of Respiratory Mechanics

Cited by 2 publications

References 0 publications

Komplexe Modellsysteme in der automatisierten Beatmung

Komplexe Modellsysteme in der automatisierten Beatmung

Evaluation of an algorithm to choose between competing models of respiratory mechanics

Contact Info

Product

Resources

About