Acceso usuarios
Objetivo. Desarrollar un árbol de clasificación de indicadores clínicos para la predicción correcta del diagnóstico de enfermería “Estilo de Vida Sedentario” (EVS) en personas con hipertensión arterial (HTA).
Métodos. Estudio transversal, desarrollado en un centro ambulatorio especializado en hipertensión arterial y diabetes mellitus ubicado en el Noreste de Brasil. La muestra consistió en 285 personas entre 19 y 59 años con diagnóstico de hipertensión arterial a quienes se les practicó una entrevista y evaluación física, obteniéndose información sociodemográfica, factores relacionados y los signos y síntomas que conformaron las características definitorias para el diagnóstico en estudio. El árbol fue generado usando el algoritmo CHAID (Chi-square Automatic Interaction Detection). Resultados. La construcción del árbol de decisión permitió establecer las interacciones entre los indicadores clínicos que facilita un análisis probabilístico de múltiples situaciones, posibilitando cuantificar la probabilidad de un individuo de presentar un estilo de vida sedentario. El árbol incluyó el indicador clínico Elección de una rutina diaria de bajo contenido en actividad física en el primer nodo. Las personas con este indicador mostraron una probabilidad de 0.88 de presentar el EVS. El segundo nodo fue compuesto por el indicador No realiza actividades físicas en el tiempo libre, siendo la probabilidad de presentar el EVS por los individuos con estos dos indicadores de 0.99. La capacidad predictiva del árbol se estableció en un 69.5%. Conclusión. Los árboles de decisión ayudan a los enfermeros, que prestan cuidados a personas con HTA, en la toma de decisiones para realizar una evaluación de las características que aumentan la probabilidad de ocurrencia del diagnóstico de enfermería EVS, optimizando así el tempo para la inferencia diagnóstica.
To develop a classification tree of clinicalindicators for the correct prediction of the nursingdiagnosis “Sedentary lifestyle” (SL) in people withhigh blood pressure (HTN). Methods. A crosssectionalstudy conducted in an outpatient care centerspecializing in high blood pressure and Mellitusdiabetes located in northeastern Brazil. The sampleconsisted of 285 people between 19 and 59 years olddiagnosed with high blood pressure and was applied aninterview and physical examination, obtaining sociodemographicinformation, related factors and signsand symptoms that made the defining characteristicsfor the diagnosis under study. The tree was generatedusing the CHAID algorithm (Chi-square AutomaticInteraction Detection). Results. The construction ofthe decision tree allowed establishing the interactionsbetween clinical indicators that facilitate a probabilisticanalysis of multiple situations allowing quantify theprobability of an individual presenting a sedentarylifestyle. The tree included the clinical indicator Choosedaily routine without exercise as the first node. Peoplewith this indicator showed a probability of 0.88 ofpresenting the SL. The second node was composed ofthe indicator Does not perform physical activity duringleisure, with 0.99 probability of presenting the SL withthese two indicators. The predictive capacity of thetree was established at 69.5%. Conclusion. Decisiontrees help nurses who care HTN people in decisionmakingin assessing the characteristics that increasethe probability of SL nursing diagnosis, optimizing thetime for diagnostic inference.
Objetivo. Desenvolver uma árvore de classificação de indicadores clínicos para a predição correta do diagnóstico de enfermagem “Estilo de vida sedentário” (EVS) em pessoas com hipertensão arterial (HTA).
Métodos. Estudo transversal, desenvolvido em um Centro de atendimento ambulatorial especializado em hipertensão arterial e diabetes mellitus localizado no nordeste do Brasil. A amostra consistiu em 285 pessoas entre 19 e 59 anos com diagnóstico de hipertensão arterial às quais se aplicou uma entrevista e avaliação física, obtendo-se informação sócio-demográfica, fatores relacionados e os sinais e sintomas que compunham as características definidoras para o diagnóstico em estudo. A árvore foi gerada utilizando o algoritmo CHAID (Chi-square Automatic Interaction Detection).
Resultados. A construção da árvore de decisão permitiu estabelecer as interações entre os indicadores clínicos que facilita uma análise probabilística de múltiplas situações possibilitando quantificar a probabilidade de um indivíduo apresentar um estilo de vida sedentário.
A árvore incluiu o indicador clínico Escolhe rotina diária sem exercício físico como primeiro nó. As pessoas com este indicador mostraram uma probabilidade de 0.88 de apresentar o EVS. O segundo nó foi composto pelo indicador Não realiza atividades físicas no tempo de lazer, sendo a probabilidade de apresentar o EVS com estes dois indicadores de 0.99. A Capacidade preditiva da árvore foi estabelecida em 69.5%. Conclusão. As árvores de decisão ajudam os enfermeiros que prestam cuidados a pessoas com HTA na tomada de decisão na avaliação das características que aumentam a probabilidade de ocorrência do diagnóstico de enfermagem EVS, otimizando assim o tempo para a inferência diagnóstica.
