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

Urodynamic Studies: Uroflowmetry01:19

Urodynamic Studies: Uroflowmetry

506
Uroflowmetry is a non-invasive urodynamic test designed to measure various aspects of urination, including volume, flow rate, and the time to void. This test is crucial for diagnosing and assessing conditions such as bladder outlet obstruction, bladder dysfunction, incomplete bladder emptying, incontinence, and urinary tract blockages caused by benign prostatic hyperplasia (BPH) and urethral strictures.Pre-Test Instructions:Before a uroflowmetry test, patients are typically advised to drink...
506

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

Protective effects of panax ginseng against bisphenol a-induced testicular toxicity in rats.

International journal of impotence research·2026
Same author

Urinary Incontinence and Psychological Distress Among Parents of Children With Spina Bifida.

Neurourology and urodynamics·2026
Same author

Comparison of preoperative and intraoperative cultures for predicting postoperative urinary tract infections following supine PCNL.

World journal of urology·2026
Same author

What Evidence Do We Need to Improve the Attainment of Bladder and Bowel Control in Children and Prevent Negative Sequelae in Adolescence and Adult Life? ICI-RS 2025.

Neurourology and urodynamics·2026
Same author

Surgical Success and Predictive Factors for Residual Stones Following Supine Percutaneous Nephrolithotomy in the Galdakao-Modified Valdivia Position.

Medeniyet medical journal·2026
Same author

Evaluation of spot urine CA 19 - 9/creatinine ratio in diagnosis and management of hydronephrosis in children: a prospective study.

BMC pediatrics·2025

Video Experimental Relacionado

Updated: Sep 9, 2025

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable
09:24

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable

Published on: May 17, 2024

1.6K

Análisis basado en inteligencia artificial de patrones de flujo urinario en niños: una perspectiva de aprendizaje

Faruk Arslan1, Omer Algorabi2, Onur Can Ozkan3

  • 1Department of Urology, School of Medicine, Marmara University, Istanbul, Turkey.

Neurourology and urodynamics
|September 5, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Los modelos de aprendizaje automático son prometedores para interpretar los patrones de fluometría urinaria en niños con síntomas del tracto urinario inferior, lo que podría mejorar la consistencia del diagnóstico.

Palabras clave:
Inteligencia artificialDiferencias de interpretaciónAprendizaje automáticoCurva de flujo urinariopatrones de vaciado

Más Videos Relacionados

Author Spotlight: Enhanced Urodynamic Method for Precise Urine Measurement in Awake Mice with Neurogenic Bladder
06:46

Author Spotlight: Enhanced Urodynamic Method for Precise Urine Measurement in Awake Mice with Neurogenic Bladder

Published on: June 7, 2024

859
Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
05:33

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Published on: July 11, 2025

221

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable
09:24

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable

Published on: May 17, 2024

1.6K
Author Spotlight: Enhanced Urodynamic Method for Precise Urine Measurement in Awake Mice with Neurogenic Bladder
06:46

Author Spotlight: Enhanced Urodynamic Method for Precise Urine Measurement in Awake Mice with Neurogenic Bladder

Published on: June 7, 2024

859
Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
05:33

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Published on: July 11, 2025

221

Área de la Ciencia:

  • Urología pediátrica
  • La informática médica
  • Aprendizaje automático en medicina

Sus antecedentes:

  • La Uroflowmetry (UF) es una prueba no invasiva clave para evaluar los síntomas pediátricos del tracto urinario inferior (LUTS).
  • La interpretación experta de los patrones de vaciado de UF muestra una variabilidad significativa entre los observadores.
  • El aprendizaje automático (ML) ofrece una solución potencial para estandarizar el análisis de UF.

Objetivo del estudio:

  • Evaluar la precisión de los modelos ML en la interpretación de los patrones de vaciado de la urofluometría pediátrica.
  • Para comparar el rendimiento de diferentes algoritmos ML para la clasificación de patrones de UF.

Principales métodos:

  • Se analizaron 500 pruebas de urofluometría pediátrica de niños (4-17 años) con LUTS.
  • Los patrones de vaciado fueron interpretados inicialmente por tres expertos en urología pediátrica, con el consenso alcanzado en las discrepancias.
  • Cinco modelos ML (Árbol de decisión, Bosque aleatorio, CatBoost, XGBoost, LightGBM) fueron entrenados en el 80% de los datos y probados en el 20%.

Principales resultados:

  • El acuerdo inicial de los expertos sobre los patrones de UF fue moderado (k de Fleiss = 0,608), con el 37,8% de las pruebas mostrando discrepancias.
  • El modelo XGBoost logró la mayor precisión (85,00% ± 2,90%) en la clasificación de los patrones de vaciado.
  • La precisión varía según el patrón, con patrones interrumpidos que muestran una alta precisión (95%-100%) y patrones de torre / meseta que muestran una menor precisión (61,54%-73,08%).

Conclusiones:

  • Los modelos de ML demuestran una precisión aceptable en la interpretación de los patrones de flujo urinario pediátrico.
  • La inteligencia artificial tiene potencial para estandarizar el análisis de patrones de vaciado de uroflowmetry en urología pediátrica.
  • La investigación adicional puede conducir a herramientas de diagnóstico asistidas por IA para la evaluación de LUTS.