Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Assessment of Ventilation I: Respiratory Rate01:20

Assessment of Ventilation I: Respiratory Rate

1.3K
Assessment of Ventilation
A Ventilation assessment is critical for monitoring a patient's health status. Respiration, one of the most accessible vital signs, provides insights into the function of numerous body systems and can indicate serious health issues, such as brainstem injuries from head trauma.
Critical Guidelines for Assessing Ventilation:
1.3K
Mechanical Ventilation II: Invasive Ventilation01:23

Mechanical Ventilation II: Invasive Ventilation

253
Ventilators are essential medical equipment used to aid patients with respiratory difficulties. Their primary function is to assist or replace spontaneous breathing by providing mechanical ventilation. There are two general classes of mechanical ventilators: negative-pressure and positive-pressure ventilators.
Negative-Pressure Ventilators
Negative-pressure ventilators create a vacuum around the chest or body to draw air into the lungs, simulating breathing. This method does not require an...
253
Assessment of Ventilation II: Respiratory Depth and Rhythm01:29

Assessment of Ventilation II: Respiratory Depth and Rhythm

1.8K
Respiratory Depth
Respiratory depth measures the volume of air inhaled or exhaled during a breath. It can vary from shallow to deep and typically remains consistent when a person is at rest or asleep. Occasionally, individuals will automatically inhale deeply, known as sighing, which inflates the lungs with more air than normal breathing.
To assess respiratory depth, observe the degree of chest excursion or movement:
1.8K
Mechanical Ventilation I: Indication and Settings01:29

Mechanical Ventilation I: Indication and Settings

932
Mechanical ventilation is a life-saving technique for managing acute respiratory failure and other respiratory complications. The process involves using a machine known as a ventilator to supply oxygen to the lungs and assist in removing carbon dioxide. It serves as a bridge to long-term mechanical ventilation or a temporary measure until ventilatory support is discontinued. The ventilator can maintain this function for a prolonged period, providing critical support for patients until they can...
932
Mechanical Ventilation III: Noninvasive Ventilation01:23

Mechanical Ventilation III: Noninvasive Ventilation

224
Noninvasive positive-pressure ventilation (NIPPV), continuous positive airway pressure (CPAP), and bilevel positive airway pressure (BiPAP) are essential methods in respiratory care. These ventilation techniques offer unique benefits for patients with various respiratory conditions, providing adequate support without requiring intubation. Let's explore how each method is crucial in improving patient outcomes and enhancing respiratory therapy.
Noninvasive Positive-Pressure Ventilation...
224
Ventilatory Modes01:14

Ventilatory Modes

431
Mechanical ventilators are life-saving devices that support or replace spontaneous breathing. They deliver breaths to patients through varying methods known as ventilator modes. Understanding these modes is critical for healthcare providers managing patients with respiratory failure.
There are three ventilatory modes: full support, partial support, and spontaneous. These are described below.
Full Support Modes
Full support modes include controlled mechanical ventilation, continuous mandatory...
431

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Airway wall thickness and PRISm are associated with cognitive impairment in individuals with cigarette smoking exposure.

Respiratory research·2026
Same author

Reply to Liu et al.: Beyond Frequency: Rethinking Exacerbation Risk in COPD.

American journal of respiratory and critical care medicine·2026
Same author

Beyond spirometry in COPD: expanding the diagnostic paradigm.

ERJ open research·2026
Same author

Performance of multivariable risk prediction algorithms in predicting COPD exacerbations: a population-based study.

Thorax·2026
Same author

Summary of Research: Dupilumab for Chronic Obstructive Pulmonary Disease with Type 2 Inflammation: A Pooled Analysis of Two Phase 3, Randomised, Double-Blind, Placebo-Controlled Trials.

Pulmonary therapy·2026
Same author

The Utility of Advanced Imaging in COPD: Diagnosis, Prognosis, and Treatment-introductory Editorial.

The British journal of radiology·2026

Video Experimental Relacionado

Updated: Sep 10, 2025

Investigation into Deep Breathing through Measurement of Ventilatory Parameters and Observation of Breathing Patterns
08:34

Investigation into Deep Breathing through Measurement of Ventilatory Parameters and Observation of Breathing Patterns

Published on: September 16, 2019

11.7K

Detección basada en el aprendizaje automático de la verdadera restricción ventilatoria

Pratim Saha1, Muhammad F A Chaudhary2, Akm Shahariar Azad Rabby1

  • 1Center for Lung Analytics and Imaging Research, University of Alabama at Birmingham, Birmingham, AL, 35294, USA; Department of Computer Science, University of Alabama at Birmingham, AL, 35294, USA.

Respiratory medicine
|August 21, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Un nuevo modelo de aprendizaje automático detecta con precisión la verdadera restricción respiratoria utilizando la espirometría y la demografía del paciente, reduciendo la necesidad de pruebas adicionales de volumen pulmonar. Esta herramienta de IA mejora la precisión del diagnóstico para la restricción pulmonar.

Palabras clave:
Volumen pulmonarAprendizaje automáticoRestricción espirométricaRestricción de los ventiladores

Más Videos Relacionados

Monitoring Lung Function with Electrical Impedance Tomography in the Intensive Care Unit
05:56

Monitoring Lung Function with Electrical Impedance Tomography in the Intensive Care Unit

Published on: September 6, 2024

3.4K
Acquisition and Semi-Automated Analysis of Respiratory Muscle Surface Electromyography
09:42

Acquisition and Semi-Automated Analysis of Respiratory Muscle Surface Electromyography

Published on: January 24, 2025

706

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Investigation into Deep Breathing through Measurement of Ventilatory Parameters and Observation of Breathing Patterns
08:34

Investigation into Deep Breathing through Measurement of Ventilatory Parameters and Observation of Breathing Patterns

Published on: September 16, 2019

11.7K
Monitoring Lung Function with Electrical Impedance Tomography in the Intensive Care Unit
05:56

Monitoring Lung Function with Electrical Impedance Tomography in the Intensive Care Unit

Published on: September 6, 2024

3.4K
Acquisition and Semi-Automated Analysis of Respiratory Muscle Surface Electromyography
09:42

Acquisition and Semi-Automated Analysis of Respiratory Muscle Surface Electromyography

Published on: January 24, 2025

706

Área de la Ciencia:

  • Medicina de los pulmones
  • El aprendizaje automático en el cuidado de la salud
  • Herramientas de diagnóstico

Sus antecedentes:

  • La espirometría por sí sola tiene una precisión limitada (50%) en la detección de la verdadera restricción ventilatoria.
  • Esto requiere pruebas de volumen pulmonar suplementarias para un diagnóstico preciso.
  • Se necesitan métodos mejorados para identificar la verdadera restricción ventilatoria.

Objetivo del estudio:

  • Desarrollar una nueva herramienta de detección para la verdadera restricción pulmonar.
  • La herramienta integra los datos de espirometría con la información demográfica del paciente.
  • El objetivo es mejorar la precisión del diagnóstico y reducir la dependencia de las pruebas de volumen pulmonar.

Principales métodos:

  • Análisis de datos de espirometría y volumen pulmonar de 21.062 participantes.
  • Desarrollo de un modelo de aprendizaje automático LightGBM utilizando la espirometría (FEV1, FVC, FEV1/FVC, FEV1%pred, FVC%pred) y las características demográficas (edad, sexo, IMC).
  • Formación y evaluación de modelos en subconjuntos distintos de la cohorte, con el rendimiento evaluado a través de análisis de ROC.

Principales resultados:

  • El modelo LightGBM desarrollado logró una precisión de 0,78 (IC del 95%: 0,77-0,80) y un AUC de 0,89 (IC del 95%: 0,88-0,90).
  • El modelo demostró un rendimiento superior en comparación con la espirometría sola, con una sensibilidad de 0,74 (IC 95% 0,72-0,75) y una especificidad de 0,86 (IC 95% 0,84-0,87).
  • El patrón espirométrico restrictivo por sí solo tuvo una precisión de 0,61 para detectar la verdadera restricción ventilatoria.

Conclusiones:

  • Un modelo de aprendizaje automático que incorpora la espirometría y los datos demográficos puede detectar efectivamente la verdadera restricción ventilatoria.
  • Este enfoque impulsado por la IA mejora significativamente la precisión del diagnóstico en comparación con la espirometría tradicional.
  • El modelo muestra potencial para reducir la necesidad de pruebas adicionales de volumen pulmonar más complejas.