Orgasme yang Segera Terjadi Pada Wanita Berhubungan Dengan Kaki Gelisah - ScienceDaily

Model pembelajaran mesin menunjukkan kemungkinan perawatan nyeri yang kurang invasif dan lebih tepat – ScienceDaily


Sebuah studi baru menunjukkan bahwa strategi pembelajaran mesin dapat diterapkan pada data fisiologis yang dikumpulkan secara rutin, seperti detak jantung dan tekanan darah, untuk memberikan petunjuk tentang tingkat nyeri pada orang dengan penyakit sel sabit. Mark Panaggio dari Johns Hopkins University Applied Physics Laboratory dan rekannya mempresentasikan temuan ini dalam jurnal akses terbuka Biologi Komputasi PLOS.

Nyeri bersifat subjektif, dan memantau nyeri bisa mengganggu dan memakan waktu. Obat nyeri dapat membantu, tetapi pengetahuan yang akurat tentang nyeri pasien diperlukan untuk menyeimbangkan bantuan terhadap risiko kecanduan atau efek lain yang tidak diinginkan. Strategi pembelajaran mesin telah menunjukkan harapan dalam memprediksi nyeri dari pengukuran fisiologis objektif, seperti aktivitas otot atau ekspresi wajah, tetapi beberapa penelitian telah menerapkan pembelajaran mesin untuk mengumpulkan data secara rutin.

Sekarang, Panaggio dan rekannya telah mengembangkan dan menerapkan model pembelajaran mesin pada data dari orang dengan penyakit sel sabit yang dirawat di rumah sakit karena rasa sakit yang melemahkan. Model statistik ini mengklasifikasikan apakah nyeri pasien rendah, sedang, atau tinggi di setiap titik selama mereka tinggal berdasarkan pengukuran tekanan darah, detak jantung, suhu, laju pernapasan, dan kadar oksigen yang dikumpulkan secara rutin.

Para peneliti menemukan bahwa tanda-tanda vital ini benar-benar memberi petunjuk tentang tingkat nyeri yang dilaporkan pasien. Dengan memperhitungkan data fisiologis, model mereka mengungguli model dasar dalam memperkirakan tingkat nyeri subjektif, mendeteksi perubahan nyeri, dan mengidentifikasi tingkat nyeri atipikal. Prediksi nyeri paling akurat ketika memperhitungkan perubahan tanda-tanda vital pasien dari waktu ke waktu.

“Studi seperti kami menunjukkan potensi bahwa model berbasis data berdasarkan pembelajaran mesin harus meningkatkan kemampuan kami untuk memantau pasien dengan cara yang tidak terlalu invasif dan pada akhirnya, dapat memberikan perawatan yang lebih tepat waktu dan tepat sasaran,” kata Panaggio.

Ke depan, para peneliti berharap dapat memanfaatkan sumber data yang lebih komprehensif dan alat pemantauan waktu nyata, seperti pelacak kebugaran, untuk membangun model yang lebih baik untuk menyimpulkan dan memperkirakan rasa sakit.

Sumber Cerita:

Materi disediakan oleh PLOS. Catatan: Konten dapat diedit untuk gaya dan panjangnya.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel