Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo
169 páginas
- Autores:
-
Bonet Cruz, Isis
Iadanza, Ernesto
Gil, Bladimir
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/4262
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/4262
- Palabra clave:
- Síndrome fisiopatológico
Anomalías bioquímicas
- Rights
- closedAccess
- License
- Derechos Reservados - Universidad EIA, 2021
| id |
REIA2_20330b8644dffed446abee38a1ed1d76 |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/4262 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo |
| title |
Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo |
| spellingShingle |
Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo Síndrome fisiopatológico Anomalías bioquímicas |
| title_short |
Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo |
| title_full |
Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo |
| title_fullStr |
Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo |
| title_full_unstemmed |
Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo |
| title_sort |
Sistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivo |
| dc.creator.fl_str_mv |
Bonet Cruz, Isis Iadanza, Ernesto Gil, Bladimir |
| dc.contributor.author.none.fl_str_mv |
Bonet Cruz, Isis Iadanza, Ernesto Gil, Bladimir |
| dc.subject.proposal.spa.fl_str_mv |
Síndrome fisiopatológico Anomalías bioquímicas |
| topic |
Síndrome fisiopatológico Anomalías bioquímicas |
| description |
169 páginas |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2022-02-03T16:13:49Z |
| dc.date.available.none.fl_str_mv |
2022-02-03T16:13:49Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Doctorado |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_db06 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TD |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/4262 |
| url |
https://repository.eia.edu.co/handle/11190/4262 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad EIA, 2021 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/closedAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_14cb |
| rights_invalid_str_mv |
Derechos Reservados - Universidad EIA, 2021 https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_14cb |
| eu_rights_str_mv |
closedAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad EIA |
| dc.publisher.program.spa.fl_str_mv |
Doctorado en Ingeniería |
| dc.publisher.faculty.spa.fl_str_mv |
Escuela de Ingeniería y Ciencias Básicas |
| dc.publisher.place.spa.fl_str_mv |
Envigado (Antioquia, Colombia) |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/1b75de84-f63b-4630-8ba3-6c9157c907a2/download |
| bitstream.checksum.fl_str_mv |
da9276a8e06ed571bb7fc7c7186cd8fe |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1808400300530204672 |
| spelling |
Bonet Cruz, Isisc13b9a24cfe250e70b2062e9caa6400dIadanza, Ernesto82b093858e4cf7c392415f209ce6cdfeGil, Bladimirb21d7c2fa8cbb374358eb5a0feccfdbd6002022-02-03T16:13:49Z2022-02-03T16:13:49Z2021https://repository.eia.edu.co/handle/11190/4262169 páginasRESUMEN: La sepsis es un síndrome fisiopatológico complejo que se caracteriza por anomalías bioquímicas y disfunciones orgánicas, que se presentan a causa de una respuesta desregulada del paciente a una infección. Esta condición tiene una alta incidencia y lidera una de las principales causas de morbilidad y mortalidad a nivel mundial. Debido a las dificultades para su detección y tratamiento, es considerada una de las condiciones médicas prioritarias a nivel de salud pública. La identificación temprana y el inicio de tratamientos apropiados en el paciente favorecen la recuperación y supervivencia de los pacientes. En esta investigación se propone un sistema inteligente de predicción temprana de sepsis en pacientes en unidades de cuidados intensivos. El sistema se basa en en un modelo híbrido, usando técnicas de inteligencia artificial. Además, este modelo utiliza datos estructurados y no estructurados, procedentes de múltiples fuentes de una institución de salud local. El sistema tiene la capacidad de procesar textos de resultados de imágenes diagnósticas, así como datos clínicos tales como los demográficos, variabilidad de signos vitales, resultados de laboratorio clínico, así como series de tiempo multivariadas. El modelo híbrido se divide en dos partes. La primera es un modelo de procesamiento de lenguaje natural que extrae información relacionada con sepsis y la convierte en variables estructuradas. La segunda parte es un modelo multiclasificador que tiene como clasificadores de base un XGBoost y KNN con una funci´on de distancia basada en Dynamic Time Warping para tratar los datos clínicos estructurados del paciente y las series de tiempo respectivamente, y un metaclasificador como método de combinación de salida. Los entrenamientos y validaciones se realizaron usando dos bases de datos, una internacional llamada MIMIC-III y otra de una instituci´on de salud de tercer nivel de atención de la ciudad de Medellín. Se compararon los modelos, usando con los pacientes de MIMIC-III y la local, concluyendo que las variables que ayudan a predecir la sepsis no son las mismas, y las que coinciden no tienen la misma relevancia. Con esto se corrobora que sistemas de este tipo deben ser adaptados a las regiones específicas, ya que puede haber influencias demográficas o de las bacterias que causen la infección. Por otro lado, los resultados indican que el sistema tiene la capacidad de predecir la sepsis-3 hasta 3 horas previas alcanzando un AUROC de 0.84 para MIMIC-III y de 0.87 para la institución de salud local. Por lo tanto, usando datos de cuidado intensivo, la sepsis se puede predecir con el sistema propuesto hasta por 3 horas previas a su desarrollo, lo que le permite al personal asistencial disponer de una solución novedosa para mejorar la condición de los pacientes.DoctoradoDoctor en Ingenieríaapplication/pdfspaUniversidad EIADoctorado en IngenieríaEscuela de Ingeniería y Ciencias BásicasEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2021https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/closedAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_14cbSistema inteligente de predicción temprana de la sepsis en unidades de cuidado intensivoTrabajo de grado - Doctoradoinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionTexthttps://purl.org/redcol/resource_type/TDhttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_db06Síndrome fisiopatológicoAnomalías bioquímicasPublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-82515https://repository.eia.edu.co/bitstreams/1b75de84-f63b-4630-8ba3-6c9157c907a2/downloadda9276a8e06ed571bb7fc7c7186cd8feMD5211190/4262oai:repository.eia.edu.co:11190/42622023-07-25 17:01:58.868https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Universidad EIA, 2021metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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 |