Forward uncertainty quantification and sensitivity analysis in models of systemic circulation

dc.contributor.advisor-co1Barra, Luis Paulo da Silva
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/4797934811107085pt_BR
dc.contributor.advisor-co2Queiroz, Rafael Alves Bofim de
dc.contributor.advisor-co2Latteshttp://lattes.cnpq.br/8602778120667424pt_BR
dc.contributor.advisor1Rocha, Bernardo Martins
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9127577198387019pt_BR
dc.contributor.referee1Santos, Rodrigo Weber dos
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6653435398940498pt_BR
dc.contributor.referee2Sundnes, Joakim
dc.contributor.referee2Latteshttp://lattes.cnpq.br/pt_BR
dc.creatorSilva Filho, Gilmar Ferreira da
dc.creator.Latteshttp://lattes.cnpq.br/0361613119852576pt_BR
dc.date.accessioned2020-12-10T19:49:18Z
dc.date.available2020-12-10
dc.date.available2020-12-10T19:49:18Z
dc.date.issued2020-09-10
dc.description.abstractThe intricate nature of the heart and blood circulation is intensively studied in the search for answers and insights capable of maturing the understanding of the cardiovascular system’s physiological and pathophysiological phenomena. Cardiovascular computational models are useful tools for this purpose. They are already widely used by the medical-scientific community, simulating important phenomena such as the dynamics of the systemic circulation and providing valuable information, such as hemodynamic parameters and biomarkers, of common clinical use. However, the clinical application of these models is not straightforward, and for them to be used ubiquitously for decision-making, there is still much to be improved. An important step in this direction is to search for more accurate and reliable models, where the understanding of the relationship between the uncertainties in the input parameters of a model and the precision of its results must be taken into account. In the present work, we verify the effect of the propagation of uncertainties on the input parameters of lumped parameter models and a multi-scale finite element model that simulates the systemic circulation dynamics. For this, we perform forward uncertainty quantification and sensitivity analysis based on the polynomial chaos expansion. The results obtained point to the most influential parameters in the prediction of quantities of interest of clinical relevance. Thus, it is expected that the knowledge acquired on the parameters that must be measured with greater precision and the least influential ones, which can be measured from population-based values or the literature, can help in the calibration and development of more accurate and consistent models.pt_BR
dc.description.resumoA intrincada natureza do coração e da circulação sanguínea é intensamente estudada na busca de respostas e insights capazes de amadurecer a compreensão dos fenômenos fisiológicos e patofisiológicos do sistema cardiovascular. Modelos computacionais cardiovasculares são ferramentas úteis para este fim e já são amplamente utilizados pela comunidade médico-científica, sendo capazes de simular fenômenos importantes como as dinâmicas da circulação sistêmica e fornecer informações valiosas, como parâmetros hemodinâmicos e biomarcadores, de habitual uso clínico. Entretanto, a aplicação destes modelos em cenários clínicos não se dá facilmente, e para que sejam usados de forma ubíqua para a tomada de decisão ainda há muito o que se aprimorar. Um importante passo neste sentido se dá na busca por modelos mais precisos e confiáveis, onde deve-se tomar em conta o entendimento da relação entre as incertezas nos parâmetros de entrada de um modelo e a precisão de seus resultados. No presente trabalho, verificamos o efeito da propagação de incertezas nos parâmetros de entradas de modelos de parâmetros condensados e um modelo de elementos finitos multi-escala que simulam as dinâmicas da circulação sistêmica. Para isto, realizamos a quantificação de incertezas direta e análise de sensibilidade baseadas na expansão por caos polinomial e os resultados obtidos apontam para os parâmetros mais influentes na predição de quantidades de interesse de relevância clínica. Desta forma, espera-se que os conhecimentos adquiridos sobre os parâmetros que devem ser medidos com maior precisão, bem como os menos influentes, que podem ser medidos a partir de valores de base populacional ou da literatura, possam ajudar na calibragem e desenvolvimento de modelos mais precisos e consistentes.pt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.identifier.urihttps://repositorio.ufjf.br/handle/ufjf/12030
dc.languageengpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentICE – Instituto de Ciências Exataspt_BR
dc.publisher.initialsUFJFpt_BR
dc.publisher.programPrograma de Pós-graduação em Modelagem Computacionalpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/br/*
dc.subjectQuantificação de incertezaspt_BR
dc.subjectAnálise de sensibilidadept_BR
dc.subjectModelagem cardiovascularpt_BR
dc.subjectModelos de parâmetros condensadospt_BR
dc.subjectCaos polinomialpt_BR
dc.subjectUncertainty quantificationpt_BR
dc.subjectSensitivity analysispt_BR
dc.subjectCardiovascular modellingpt_BR
dc.subjectLumped parameter modelspt_BR
dc.subjectPolynomial chaospt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.titleForward uncertainty quantification and sensitivity analysis in models of systemic circulationpt_BR
dc.typeDissertaçãopt_BR

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
gilmarferreiradasilvafilho.pdf
Size:
4.04 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: