Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*

Revista da Escola de Enfermagem da USP

View Publication Info
 
 
Field Value
 
Title Árvore de classificação para inferência do diagnóstico de enfermagem Volume de Líquido Excessivo (00026)*
Classification tree for the inference of the nursing diagnosis Fluid Volume Excess (00026)*
Árbol de clasificación para la inferencia del diagnóstico de enfermería Volumen de Líquido Excesivo (00026)*
 
Creator Botelho, Micnéias Lacerda
Correia, Marisa Dibbern Lopes
Manzoli, Juliana Prado Biani
Montanari, Fábio Luis
Carvalho, Luciana Aparecida Costa
Duran, Erika Christiane Marocco
 
Subject Decision Trees
Decision Making
Nursing Diagnosis
Renal Insufficiency, Chronic
Classification
Validation Study
Árvores de Decisões
Tomada de Decisões
Diagnóstico de Enfermagem
Insuficiência Renal Crônica
Classificação
Estudo de Validação
Árboles de Decision
Toma de Decisiones
Diagnóstico de Enfermería
Insuficiencia Renal Cónica
Clasificación
Estudio de Validación
 
Description Objetivo: Gerar Árvore de Classificação para correta inferência do Diagnóstico de Enfermagem Volume de Líquido Excessivo (00026) em pacientes renais crônicos hemodialíticos. Método: Estudo metodológico, transversal, com pacientes em tratamento renal. Os dados foram coletados por meio de entrevista e avaliação física, utilizando instrumento com variáveis sociodemográficas, fatores relacionados, condição associada e características definidoras do Diagnóstico estudado. As árvores de classificação foram geradas pelo método Chi-Square Automation Interaction Detection, que se baseou no teste do Qui-quadrado. Resultados: Participaram 127 pacientes. Apresentaram o referido diagnóstico 79,5% (101), e as árvores incluíram os elementos “Ingesta excessiva de sódio” e “Ingestão maior que a eliminação” significativos para ocorrência do evento. Os pacientes com esses indicadores tiveram probabilidade de apresentar o diagnóstico de 0.87 e 0.94, e a capacidade de predição das árvores foi de 63% e 74%, respectivamente. Conclusão: A construção das árvores permitiu quantificar a probabilidade de ocorrência de Volume de Líquido Excessivo (00026) na população estudada. Os elementos “Ingesta excessiva de sódio” e “Ingestão maior que a eliminação” foram considerados preditores do referido diagnóstico na amostra.
Objetivo: Generar un Árbol de Clasificación para la inferencia correcta del Diagnóstico de Enfermería Volumen de Líquido Excesivo (00026) en pacientes renales crónicos que hacen hemodiálisis. Método: Se trata de un estudio metodológico transversal con pacientes en tratamiento renal. Los datos se recogieron mediante entrevistas y evaluación física, utilizando un instrumento con variables sociodemográficas, factores relacionados, condición asociada y características definidoras del diagnóstico estudiado. Los árboles de clasificación se generaron por el método Detección de Interacción Automática del Chi-cuadrado, basado en la prueba del Chi-cuadrado. Resultados: Participaron 127 pacientes, de los cuales el 79,5% (101) presentaba el diagnóstico mencionado; los árboles incluían los elementos “Ingestión excesiva de sodio” e “Ingestión superior a la eliminación”, ambos significativos para el acaecimiento del evento. Los pacientes con estos indicadores tenían probabilidades de presentar el diagnóstico de 0,87 y 0,94, y la capacidad de predicción de los árboles era del 63% y 74%, respectivamente. Conclusión: La construcción de los árboles ha permitido cuantificar la probabilidad del acaecimiento del Volumen de Líquido Excesivo (00026) en la población estudiada. Los elementos “Ingestión excesiva de sodio” e “Ingestión superior a la eliminación” están considerados como premonitores del referido diagnóstico en la muestra.
Objective: To generate a Classification Tree for the correct inference of the Nursing Diagnosis Fluid Volume Excess (00026) in chronic renal patients on hemodialysis. Method: Methodological, cross-sectional study with patients undergoing renal treatment. The data were collected through interviews and physical evaluation, using an instrument with socio-demographic variables, related factors, associated conditions and defining characteristics of the studied diagnosis. The classification trees were generated by the Chi-Square Automation Interaction Detection method, which was based on the Chi-square test. Results: A total of 127 patients participated, of which 79.5% (101) presented the diagnosis studied. The trees included the elements “Excessive sodium intake” and “Input exceeds output”, which were significant for the occurrence of the event, as the probability of occurrence of the diagnosis in the presence of these was 0.87 and 0.94, respectively. The prediction accuracy of the trees was 63% and 74%, respectively. Conclusion: The construction of the trees allowed to quantify the probability of the occurrence of Fluid Volume Excess (00026) in the studied population and the elements “Excessive sodium intake” and “Input exceeds output” were considered predictors of this diagnosis in the sample.
 
Publisher Universidade de São Paulo. Escola de Enfermagem
 
Date 2021-04-26
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Identifier https://www.revistas.usp.br/reeusp/article/view/184878
10.1590/s1980-220x20190246-03682
 
Source Revista da Escola de Enfermagem da USP; v. 55 (2021); e03682
Revista da Escola de Enfermagem da USP; Vol. 55 (2021); e03682
Revista da Escola de Enfermagem da USP; Vol. 55 (2021); e03682
1980-220X
0080-6234
 
Language eng
por
 
Relation https://www.revistas.usp.br/reeusp/article/view/184878/170989
https://www.revistas.usp.br/reeusp/article/view/184878/170988
 
Rights http://creativecommons.org/licenses/by-nc/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library