Predicción de Sepsis en Colombia

Nuestro proyecto de grado se enfocó en la predicción de la sepsis en Colombia utilizando algoritmos como árboles de decisión, máquinas de soporte de vectores y regresión logística. Para obtener los datos necesarios, se utilizaron registros electrónicos de salud (EHRs) del Hospital Universitario San Ignacio. Estos datos fueron sometidos a un proceso exhaustivo de limpieza, transformación y preprocesamiento para asegurar su calidad y adecuación para el entrenamiento de los modelos. El objetivo principal del proyecto fue desarrollar un artefacto web que permitiera a los científicos de datos visualizar de manera práctica los resultados del modelo de predicción de sepsis. Para lograrlo, se utilizó Python como lenguaje de backend con el framework Django, y TypeScript como lenguaje de frontend con el framework Angular. El proyecto demostró la importancia de utilizar datos clínicos para abordar problemas de salud como la sepsis, y cómo los algoritmos de aprendizaje automático pueden ayudar en la predicción temprana de esta enfermedad. Además, el desarrollo del artefacto web destacó la capacidad del autor para implementar soluciones completas y accesibles para los usuarios finales. Nuestro trabajo de grado sobre la predicción de sepsis en Colombia combinó la recolección y procesamiento de datos clínicos con la implementación de algoritmos de aprendizaje automático y el desarrollo de una interfaz web interactiva. Este enfoque integral proporcionó una herramienta útil para los científicos de datos y se espera contribuir al avance de la detección temprana de la sepsis y, potencialmente, a la mejora de los resultados de salud en el país.

• Autores: Cardenas Garcia, Julian Andres; Ramos Bohorquez, Nicolas; Triana Bobadilla, Sergio Esteban; Fonseca Triviño, Richard
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Pontificia Universidad Javeriana
• Repositorio: Repositorio Universidad Javeriana
• Idioma: spa
• OAI Identifier: oai:repository.javeriana.edu.co:10554/65297
• Acceso en línea: http://hdl.handle.net/10554/65297
• Palabra clave: Sepsis; Aprendizaje de máquina; Medicina; Modelo predictivo; Ciencia de datos; Sepsis; Machine learning; Medicine; Predictive model; Data science; Ingeniería de sistemas - Tesis y disertaciones académicas; Aprendizaje de máquinas; Inteligencia artificial
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional