Mechanical ventilatory parameters based on a mathematical model for diagnosis/treatment of older adults with ARDS

Ruiz Hidalgo, Iván Dario

Mechanical ventilatory parameters based on a mathematical model for diagnosis/treatment of older adults with ARDS

dc.contributor.advisor	Jaramillo Pizarro, Guillermo Andrés
dc.contributor.advisor	garcia melo, jose isidro
dc.contributor.author	Ruiz Hidalgo, Iván Dario
dc.contributor.researchgroup	CIENCIA, EDUCACIÓN Y DIVERSIDAD
dc.date.accessioned	2025-09-09T13:59:19Z
dc.date.available	2025-09-09T13:59:19Z
dc.date.issued	2025
dc.description.abstract	This study presents a novel mathematical model to estimate mechanical ventilatory parameters in older adults diagnosed with Acute Respiratory Distress Syndrome (ARDS). The proposed model, called the Recruitment and Distention Elastance Analysis + Slice model (RDEA + Slice), builds on the traditional Single Compartment Model (SCM) by incorporating new strategies for improved physiological representation. Validation with real patient data showed that RDEA + Slice offers enhanced numerical accuracy compared to conventional methods, especially during spontaneous breathing and patient-ventilator asynchronies. To further explore asynchrony detection, the pressure signal was interpreted as a combination of a synchronous baseline and "noise" from asynchronous activity. A frequency-domain filtering approach was used to isolate these components, leading to the formulation of two metrics: the Asynchrony Event Percentage (AE%) and the Asynchrony Index (AI%). These metrics were applied to three datasets, allowing for the identification of threshold-based criteria to distinguish between synchronous and asynchronous breathing patterns. Additionally, image processing techniques were validated and used to extract ventilatory data from video recordings of ventilator screens. This approach provides a practical solution for data acquisition in low-resource settings, a common challenge in emerging economies. The extracted data showed high fidelity and low Mean Squared Error when compared with sensor-derived measurements. The results suggest that the proposed model, detection indices, and image processing methodology could support clinical decision-making by providing insights into patient-specific respiratory mechanics.	eng
dc.description.abstract	Este estudio presenta un nuevo modelo matemático para estimar los parámetros ventilatorios mecánicos en adultos mayores diagnosticados con síndrome de dificultad respiratoria aguda (SDRA). El modelo propuesto, llamado Recruitment and Distention Elastance Analysis + Slice model (RDEA + Slice), se basa en el modelo tradicional de un solo compartimento (SCM) al incorporar nuevas estrategias para mejorar la representación fisiológica. La validación con datos reales de pacientes mostró que RDEA + Slice ofrece una precisión numérica mejorada en comparación con los métodos convencionales, especialmente durante la respiración espontánea y las asincronías paciente-ventilador. Para explorar más a fondo la detección asincrónica, la señal de presión se interpretó como una combinación de una línea de base sincrónica y "ruido" de actividad asincrónica. Se utilizó un enfoque de filtrado en el dominio de la frecuencia para aislar estos componentes, lo que llevó a la formulación de dos métricas: el porcentaje de eventos asincrónicos (AE%) y el índice de asincronía (AI%). Estas métricas se aplicaron a tres conjuntos de datos, lo que permitió la identificación de criterios basados en umbrales para distinguir entre patrones de respiración sincrónicos y asincrónicos. Además, se validaron técnicas de procesamiento de imágenes y se utilizaron para extraer datos ventilatorios de grabaciones de video de pantallas de ventiladores. Este enfoque proporciona una solución práctica para la adquisición de datos en entornos de bajos recursos, un desafío común en las economías emergentes. Los datos extraídos mostraron alta fidelidad y bajo error cuadrático medio en comparación con las mediciones derivadas del sensor. Los resultados sugieren que el modelo propuesto, los índices de detección y la metodología de procesamiento de imágenes podrían respaldar la toma de decisiones clínicas al proporcionar información sobre la mecánica respiratoria específica del paciente.	spa
dc.description.degreelevel	Doctorado
dc.description.degreename	DOCTOR(A) EN INGENIERÍA MECÁNICA	spa
dc.format.extent	1 recurso en línea (104 páginas)
dc.format.mimetype	application/pdf
dc.identifier.uri	https://hdl.handle.net/10893/36933
dc.language.iso	eng
dc.publisher	Universidad del Valle	spa
dc.publisher.branch	Sede Cali
dc.publisher.faculty	FACULTAD DE INGENIERÍA	spa
dc.publisher.place	Colombia	spa
dc.publisher.program	DOCTORADO EN INGENIERIA MECÁNICA	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.lemb	Modelización matemática
dc.subject.lemb	Síndrome de dificultad respiratoria aguda (SDRA)
dc.subject.lemb	Adultos mayores
dc.subject.lemb	Ventilación mecánica
dc.subject.lemb	Algoritmos de detección
dc.title	Mechanical ventilatory parameters based on a mathematical model for diagnosis/treatment of older adults with ARDS	eng
dc.type	Trabajo de grado - Doctorado	spa
dc.type.coar	http://purl.org/coar/resource_type/c_db06
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85	spa
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/doctoralThesis
dc.type.redcol	http://purl.org/redcol/resource_type/TD
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
dspace.entity.type	Publication
person.identifier.orcid	0000-0003-0727-9289
person.identifier.orcid	0000-0003-1672-7768
relation.isDirectorOfPublication	b821ca7a-9654-4844-bcb9-462b0a602b03
relation.isDirectorOfPublication	e21feeab-39da-49d4-aca0-978536907e4a
relation.isDirectorOfPublication.latestForDiscovery	b821ca7a-9654-4844-bcb9-462b0a602b03