Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos
65 páginas
- Autores:
-
Gonzalez Mesa, Pablo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/2707
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/2707
- Palabra clave:
- Sepsis
Inteligencia artificial
Artificial Intelligence
- Rights
- openAccess
- License
- Derechos Reservados - Universidad EIA, 2020
| id |
REIA2_5e7ffb578c2205a63d686bcb0163ecd4 |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/2707 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos |
| title |
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos |
| spellingShingle |
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos Sepsis Inteligencia artificial Artificial Intelligence |
| title_short |
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos |
| title_full |
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos |
| title_fullStr |
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos |
| title_full_unstemmed |
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos |
| title_sort |
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos |
| dc.creator.fl_str_mv |
Gonzalez Mesa, Pablo |
| dc.contributor.advisor.none.fl_str_mv |
Bonet Cruz, Isis |
| dc.contributor.author.none.fl_str_mv |
Gonzalez Mesa, Pablo |
| dc.subject.proposal.spa.fl_str_mv |
Sepsis Inteligencia artificial |
| topic |
Sepsis Inteligencia artificial Artificial Intelligence |
| dc.subject.proposal.eng.fl_str_mv |
Artificial Intelligence |
| description |
65 páginas |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2021-03-11T17:10:41Z |
| dc.date.available.none.fl_str_mv |
2021-03-11T17:10:41Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| 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/TP |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/2707 |
| dc.identifier.bibliographiccitation.none.fl_str_mv |
Gonzalez Mesa, P. (2020). Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/2707 |
| url |
https://repository.eia.edu.co/handle/11190/2707 |
| identifier_str_mv |
Gonzalez Mesa, P. (2020). Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/2707 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.eng.fl_str_mv |
Derechos Reservados - Universidad EIA, 2020 |
| 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/openAccess |
| 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_abf2 |
| rights_invalid_str_mv |
Derechos Reservados - Universidad EIA, 2020 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_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad EIA |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería de Sistemas y Computación |
| dc.publisher.faculty.spa.fl_str_mv |
Escuela de Ingeniería y Ciencias Básicas |
| dc.publisher.place.spa.fl_str_mv |
Envigado (Antioquia, Colombia) |
| dc.source.none.fl_str_mv |
Repositorio Institucional Universidad EIA |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/2b907266-6c2c-413d-b4fb-ccc244c5dcdd/download https://repository.eia.edu.co/bitstreams/ca2eafc2-ed0f-4c14-854c-dbba4e36452e/download https://repository.eia.edu.co/bitstreams/6b68c38c-5b9d-4df9-b88e-48d6f29d70ac/download https://repository.eia.edu.co/bitstreams/9f843733-1483-432e-bda8-7706772a8906/download |
| bitstream.checksum.fl_str_mv |
b5bed1b4aa4b1c940690b28b41126aec da9276a8e06ed571bb7fc7c7186cd8fe 809368456bd339e2f4be8cbb9a7ac49e 096156f9245c91bfaf7aec5e82cd7c8f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1808400297885696000 |
| spelling |
Bonet Cruz, Isisc13b9a24cfe250e70b2062e9caa6400d-1Gonzalez Mesa, Pabloc92a13305c303eda5f34ce8a252b85d46002021-03-11T17:10:41Z2021-03-11T17:10:41Z2020https://repository.eia.edu.co/handle/11190/2707Gonzalez Mesa, P. (2020). Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/270765 páginasRESUMEN: Sepsis se define como una disfunción orgánica causada por una respuesta desregulada a una infección por parte del paciente. Es una de las causas de muerte más común en pacientes de unidades de cuidados intensivos en todo el mundo, lo que lo convierte en una problemática de gran importancia. La detección temprana de este síndrome es de gran importancia a la hora tratar a los pacientes efectivamente. En este trabajo se propone un modelo de inteligencia artificial para la identificación temprana y predicción de sepsis utilizando la base de datos MIMIC y adaptando los resultados a los datos de una institución local de salud. Se realizaron pruebas con múltiples modelos y parámetros de estos. El mejor resultado para la identificación temprana de sepsis fue el resultado de hacer un modelo multiclasificador con diferentes rasgos para los clasificadores, en este caso se usaron un kNN y un XGBoost y utilizar sus resultados como las entradas de una regresión logística. Éste tuvo un AUROC de 0.944. Para predicción de sepsis se propuso un modelo XGBoost capaz de predecir 1, 2 y 3 horas de anticipación con métricas de 0.918, 0.912 y 0.908 respectivamente.ABSTRACT: Sepsis is defined as an organic disfunction due to an unregulated response to an infection. Sepsis is one of the main causes of death in intensive care units (ICU) all around the world, which makes it a very important problem to tackle. Early sepsis detection plays a big role in taking care of patients effectively. In this work, an artificial intelligence model for the early identification and prediction of sepsis based in the public database MIMIC is proposed. The model is also adapted to the data of a local health institution. Multiple models with different parameters were tested. A model using an ensemble of classifiers with a XGBoost model and a kNN model and using their results in a logistic regression as meta-classifier obtained an AUROC of 0.944 for early sepsis identification. For sepsis prediction a simple XGBoost model was proposed and was able to predict 1, 2 and 3 hours before the sepsis onset with an AUROC of 0.918, 0.912 and 0.908, respectively.PregradoIngeniero(a) de Sistemas y Computaciónapplication/pdfspaUniversidad EIAIngeniería de Sistemas y ComputaciónEscuela de Ingeniería y Ciencias BásicasEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2020https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Repositorio Institucional Universidad EIAIdentificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicosTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85SepsisInteligencia artificialArtificial IntelligencePublicationORIGINALGonzalezPablo_2020_IdentificacionTempranaPrediccion.pdfGonzalezPablo_2020_IdentificacionTempranaPrediccion.pdfTrabajo de gradoapplication/pdf611697https://repository.eia.edu.co/bitstreams/2b907266-6c2c-413d-b4fb-ccc244c5dcdd/downloadb5bed1b4aa4b1c940690b28b41126aecMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82515https://repository.eia.edu.co/bitstreams/ca2eafc2-ed0f-4c14-854c-dbba4e36452e/downloadda9276a8e06ed571bb7fc7c7186cd8feMD52TEXTGonzalezPablo_2020_IdentificacionTempranaPrediccion.pdf.txtGonzalezPablo_2020_IdentificacionTempranaPrediccion.pdf.txtExtracted texttext/plain85685https://repository.eia.edu.co/bitstreams/6b68c38c-5b9d-4df9-b88e-48d6f29d70ac/download809368456bd339e2f4be8cbb9a7ac49eMD53THUMBNAILGonzalezPablo_2020_IdentificacionTempranaPrediccion.pdf.jpgGonzalezPablo_2020_IdentificacionTempranaPrediccion.pdf.jpgGenerated Thumbnailimage/jpeg8452https://repository.eia.edu.co/bitstreams/9f843733-1483-432e-bda8-7706772a8906/download096156f9245c91bfaf7aec5e82cd7c8fMD5411190/2707oai:repository.eia.edu.co:11190/27072023-07-25 17:00:03.905https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Universidad EIA, 2020open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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 |