Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar

Pulmonary tuberculosis (TB) is an infectious disease that usually affects the lungs, this disease is curable and preventable, however, delayed diagnosis and treatment can cause death. In 2019 an estimated 10 million people worldwide fell ill with tuberculosis and a total of 1.4 million people died a...

Full description

Autores:: Silva Soche, Lenny Tatiana

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2022

Institución:: Universidad Antonio Nariño

Repositorio:: Repositorio UAN

Idioma:: spa

id	UAntonioN2_8a7d5ba2e18ebdf05b150b05cb53ff52
oai_identifier_str	oai:repositorio.uan.edu.co:123456789/7248
network_acronym_str	UAntonioN2
network_name_str	Repositorio UAN
repository_id_str
dc.title.es_ES.fl_str_mv	Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar
title	Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar
spellingShingle	Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar Interfaz software, Tuberculosis pulmonar, algoritmos de aprendizaje automatico Matlab Software interface, Pulmonary tuberculosis, machine learning algorithms, Matlab
title_short	Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar
title_full	Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar
title_fullStr	Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar
title_full_unstemmed	Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar
title_sort	Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar
dc.creator.fl_str_mv	Silva Soche, Lenny Tatiana
dc.contributor.advisor.spa.fl_str_mv	Jutinico, Andres Leonardo
dc.contributor.author.spa.fl_str_mv	Silva Soche, Lenny Tatiana
dc.subject.es_ES.fl_str_mv	Interfaz software, Tuberculosis pulmonar, algoritmos de aprendizaje automatico Matlab
topic	Interfaz software, Tuberculosis pulmonar, algoritmos de aprendizaje automatico Matlab Software interface, Pulmonary tuberculosis, machine learning algorithms, Matlab
dc.subject.keyword.es_ES.fl_str_mv	Software interface, Pulmonary tuberculosis, machine learning algorithms, Matlab
description	Pulmonary tuberculosis (TB) is an infectious disease that usually affects the lungs, this disease is curable and preventable, however, delayed diagnosis and treatment can cause death. In 2019 an estimated 10 million people worldwide fell ill with tuberculosis and a total of 1.4 million people died according to the World Health Organization (WHO) in 2020 [1]. In Colombia, in 2020 11390 people became ill, of which 10632 were new cases, and on average during the last 5 years, there have been 1077 deaths per year due to tuberculosis, according to the National Public Health Surveillance System (SIVIGILA) in 2021 [2]. At the national level the high demand for patients hinders the priority and quality of care by the Health Service Provider Institutions (IPS). These problems originate due to the poor management of resources and procedures, generating as a consequence the progression of the disease or lethality due to TB, particularly in isolated regions. This project contributes to the decision-making of health specialists under precarious conditions from an automated system, which consists of a software interface that allows establishing the high or low risk group to which suspected tuberculosis patients belong by entering a series of social, demographic and health status characteristics of the patient. Three previously trained and validated automatic learning algorithms Fuzzy C-means, K-means and Perceptron Multilayer were worked on, of the three algorithms the Perceptron Multilayer network was chosen to perform the risk prediction because it has the highest sensitivity with a value of 95 %.
publishDate	2022
dc.date.accessioned.none.fl_str_mv	2022-11-15T16:00:33Z
dc.date.available.none.fl_str_mv	2022-11-15T16:00:33Z
dc.date.issued.spa.fl_str_mv	2022-06-03
dc.type.spa.fl_str_mv	Trabajo de grado (Pregrado y/o Especialización)
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.none.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv	http://repositorio.uan.edu.co/handle/123456789/7248
dc.identifier.bibliographicCitation.spa.fl_str_mv	[1] Organizaci´on Mundial de la Salud. Tuberculosis. Salud, Instituto Nacional de Salud, 10 2020. [2] Sistema Nacional de Vigilancia en Salud P´ublica. bolet´ın epidemiol´ogico semanal. Salud, Instituto Nacional de Salud, 07 2020. [3] B. Tortora, G.and Derrickson. Anatom´ıa y fisiolog´ıa. [4] World Health Organization’s 2021 Global TB report. Las muertes por tuberculosis aumentan por primera vez en m´as de una d´ecada por la covid. Agencia de noticias cient´ıficas de la Fundaci´on Espa˜nola para la Ciencia y la Tecnolog´ıa SINC, 14(30), 10 2021. [5] R. Natalia Programa Nacional de Control y Eliminaci´on de la Tuberculosis M. Tania, M. Fabiola. Manual operativo implementaci´on del genexpert mtb/rif en el programa de tuberculosis. 2017. [6] Vu D. Phan and Janet M. Poponick. Tuberculosis. McGraw-Hill Education, New York, NY, 2018. [7] Linux. Gnu/linux. la terminal o l´ınea de comandos. Blog para los amantes de Linux y el software libre, 07 2019. [8] Ian. Sommerville. Ingenieria del software. PEARSON EDUCACION S.A., 2005. ´ [9] S. Kumar. Agrupamiento difuso de c-means: ¿es mejor que el agrupamiento de k-means? Towards Data Science, 04 2021. [10] S. Kumar. Comprensi´on de los algoritmos de agrupaci´on en cl´usteres k-means, kmeans++ y k-medoids. Towards Data Science, 06 2020. [11] Z.Carlos. Evaluaci´on de modelos de clasificaci´on. RPubs, 05 2017. [12] J.D. Munera, L A. Montoya, J.A. Mosquera, et al. Casos de tuberculosis pulmonar y extrapulmonar notificados al programa de tuberculosis en el departamento del Choc´o, Colombia, periodo 2012-2015. Enf Infec Microbiol, 39(3):93–102, 09 2019. 122 Bibliograf´ıa [13] M.J. Gonzalez, B. Gonzales, J.A. Sotolongo, et al. Programa de intervencion comunitaria dirigido a pacientes con riesgo de tuberculosis pulmonar. Revista Cubana de Salud Publica, 45(3), 09 2019. [14] J.E. Polanco-Pasaje, L. Rodriguez Marquez, K.Y. Tello-Hoyos, et al. Cascada de atenci´on de la tuberculosis para la poblaci´on ind´ıgena en colombia: una investigaci´on operativa. Pan American Journal of Public Health, 44, 12 2020. [15] M.A. Sanchez, J. Pino, R. Pacheco, et al. An´alisis de letalidad en pacientes con diagn´ostico de tuberculosis en un centro de alta complejidad en cali, colombia. Ingenieria clinica, Universidad Icesi, Cali-Colombia, 02 2018. [16] Ke Yuan, Yabing Huang, and Qian Tang. The impact of social and economic development on the spread of infectious respiratory diseases, push or constrain? empirical research from china based on machine learning methods. In 2020 IEEE 22nd International Conference on High Performance Computing and Communications; IEEE 18th International Conference on Smart City; IEEE 6th International Conference on Data Science and Systems (HPCC/SmartCity/DSS), pages 1364–1369, 2020. [17] Sophie Khaddaj and Hussain Chrief. Prevention and control of emerging infectious diseases in human populations. In 2020 19th International Symposium on Distributed Computing and Applications for Business Engineering and Science (DCABES), pages 336–339, 2020. [18] PMA. Alvarez, PXA. Morales, A. Rodriguez-Ramirez, et al. Costo-efectividad de tres pruebas diagn´osticas de tuberculosis pulmonar en dos ciudades de colombia, 2015. Enf Infec Microbiol, 39(4):129–133, 2015.
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Antonio Nariño
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional UAN
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repositorio.uan.edu.co/
url	http://repositorio.uan.edu.co/handle/123456789/7248
identifier_str_mv	[1] Organizaci´on Mundial de la Salud. Tuberculosis. Salud, Instituto Nacional de Salud, 10 2020. [2] Sistema Nacional de Vigilancia en Salud P´ublica. bolet´ın epidemiol´ogico semanal. Salud, Instituto Nacional de Salud, 07 2020. [3] B. Tortora, G.and Derrickson. Anatom´ıa y fisiolog´ıa. [4] World Health Organization’s 2021 Global TB report. Las muertes por tuberculosis aumentan por primera vez en m´as de una d´ecada por la covid. Agencia de noticias cient´ıficas de la Fundaci´on Espa˜nola para la Ciencia y la Tecnolog´ıa SINC, 14(30), 10 2021. [5] R. Natalia Programa Nacional de Control y Eliminaci´on de la Tuberculosis M. Tania, M. Fabiola. Manual operativo implementaci´on del genexpert mtb/rif en el programa de tuberculosis. 2017. [6] Vu D. Phan and Janet M. Poponick. Tuberculosis. McGraw-Hill Education, New York, NY, 2018. [7] Linux. Gnu/linux. la terminal o l´ınea de comandos. Blog para los amantes de Linux y el software libre, 07 2019. [8] Ian. Sommerville. Ingenieria del software. PEARSON EDUCACION S.A., 2005. ´ [9] S. Kumar. Agrupamiento difuso de c-means: ¿es mejor que el agrupamiento de k-means? Towards Data Science, 04 2021. [10] S. Kumar. Comprensi´on de los algoritmos de agrupaci´on en cl´usteres k-means, kmeans++ y k-medoids. Towards Data Science, 06 2020. [11] Z.Carlos. Evaluaci´on de modelos de clasificaci´on. RPubs, 05 2017. [12] J.D. Munera, L A. Montoya, J.A. Mosquera, et al. Casos de tuberculosis pulmonar y extrapulmonar notificados al programa de tuberculosis en el departamento del Choc´o, Colombia, periodo 2012-2015. Enf Infec Microbiol, 39(3):93–102, 09 2019. 122 Bibliograf´ıa [13] M.J. Gonzalez, B. Gonzales, J.A. Sotolongo, et al. Programa de intervencion comunitaria dirigido a pacientes con riesgo de tuberculosis pulmonar. Revista Cubana de Salud Publica, 45(3), 09 2019. [14] J.E. Polanco-Pasaje, L. Rodriguez Marquez, K.Y. Tello-Hoyos, et al. Cascada de atenci´on de la tuberculosis para la poblaci´on ind´ıgena en colombia: una investigaci´on operativa. Pan American Journal of Public Health, 44, 12 2020. [15] M.A. Sanchez, J. Pino, R. Pacheco, et al. An´alisis de letalidad en pacientes con diagn´ostico de tuberculosis en un centro de alta complejidad en cali, colombia. Ingenieria clinica, Universidad Icesi, Cali-Colombia, 02 2018. [16] Ke Yuan, Yabing Huang, and Qian Tang. The impact of social and economic development on the spread of infectious respiratory diseases, push or constrain? empirical research from china based on machine learning methods. In 2020 IEEE 22nd International Conference on High Performance Computing and Communications; IEEE 18th International Conference on Smart City; IEEE 6th International Conference on Data Science and Systems (HPCC/SmartCity/DSS), pages 1364–1369, 2020. [17] Sophie Khaddaj and Hussain Chrief. Prevention and control of emerging infectious diseases in human populations. In 2020 19th International Symposium on Distributed Computing and Applications for Business Engineering and Science (DCABES), pages 336–339, 2020. [18] PMA. Alvarez, PXA. Morales, A. Rodriguez-Ramirez, et al. Costo-efectividad de tres pruebas diagn´osticas de tuberculosis pulmonar en dos ciudades de colombia, 2015. Enf Infec Microbiol, 39(4):129–133, 2015. instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.rights.none.fl_str_mv	Acceso abierto
dc.rights.license.spa.fl_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
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.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) Acceso abierto https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.coverage.spatial.spa.fl_str_mv	Colombia(Bogotá,Dc)
dc.publisher.spa.fl_str_mv	Universidad Antonio Nariño
dc.publisher.program.spa.fl_str_mv	Ingeniería Biomédica
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería Mecánica, Electrónica y Biomédica
dc.publisher.campus.spa.fl_str_mv	Bogotá - Sur
institution	Universidad Antonio Nariño
bitstream.url.fl_str_mv	https://repositorio.uan.edu.co/bitstreams/13c777a9-1b98-4824-9201-d2d9fbe29021/download https://repositorio.uan.edu.co/bitstreams/bb25a602-bdb8-485b-a751-1336f7f19f20/download https://repositorio.uan.edu.co/bitstreams/ebb6e710-4601-480f-a81e-417705f79a7f/download https://repositorio.uan.edu.co/bitstreams/a496d632-1ae3-4012-ba1c-8685659de5e3/download
bitstream.checksum.fl_str_mv	a029ce53ce638e135a4b02c2950f7011 91093fa2794703286c794f35dffb387c 7d52427e9f1aa82f8c6ddf9cde40886b 9868ccc48a14c8d591352b6eaf7f6239
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional UAN
repository.mail.fl_str_mv	alertas.repositorio@uan.edu.co
_version_	1814300334810464256
spelling	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)Acceso abiertohttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Jutinico, Andres LeonardoSilva Soche, Lenny Tatiana10561711390Colombia(Bogotá,Dc)2022-11-15T16:00:33Z2022-11-15T16:00:33Z2022-06-03http://repositorio.uan.edu.co/handle/123456789/7248[1] Organizaci´on Mundial de la Salud. Tuberculosis. Salud, Instituto Nacional de Salud, 10 2020.[2] Sistema Nacional de Vigilancia en Salud P´ublica. bolet´ın epidemiol´ogico semanal. Salud, Instituto Nacional de Salud, 07 2020.[3] B. Tortora, G.and Derrickson. Anatom´ıa y fisiolog´ıa.[4] World Health Organization’s 2021 Global TB report. Las muertes por tuberculosis aumentan por primera vez en m´as de una d´ecada por la covid. Agencia de noticias cient´ıficas de la Fundaci´on Espa˜nola para la Ciencia y la Tecnolog´ıa SINC, 14(30), 10 2021.[5] R. Natalia Programa Nacional de Control y Eliminaci´on de la Tuberculosis M. Tania, M. Fabiola. Manual operativo implementaci´on del genexpert mtb/rif en el programa de tuberculosis. 2017.[6] Vu D. Phan and Janet M. Poponick. Tuberculosis. McGraw-Hill Education, New York, NY, 2018.[7] Linux. Gnu/linux. la terminal o l´ınea de comandos. Blog para los amantes de Linux y el software libre, 07 2019.[8] Ian. Sommerville. Ingenieria del software. PEARSON EDUCACION S.A., 2005. ´[9] S. Kumar. Agrupamiento difuso de c-means: ¿es mejor que el agrupamiento de k-means? Towards Data Science, 04 2021.[10] S. Kumar. Comprensi´on de los algoritmos de agrupaci´on en cl´usteres k-means, kmeans++ y k-medoids. Towards Data Science, 06 2020. [11] Z.Carlos. Evaluaci´on de modelos de clasificaci´on. RPubs, 05 2017. [12] J.D. Munera, L A. Montoya, J.A. Mosquera, et al. Casos de tuberculosis pulmonar y extrapulmonar notificados al programa de tuberculosis en el departamento del Choc´o, Colombia, periodo 2012-2015. Enf Infec Microbiol, 39(3):93–102, 09 2019. 122 Bibliograf´ıa [13] M.J. Gonzalez, B. Gonzales, J.A. Sotolongo, et al. Programa de intervencion comunitaria dirigido a pacientes con riesgo de tuberculosis pulmonar. Revista Cubana de Salud Publica, 45(3), 09 2019. [14] J.E. Polanco-Pasaje, L. Rodriguez Marquez, K.Y. Tello-Hoyos, et al. Cascada de atenci´on de la tuberculosis para la poblaci´on ind´ıgena en colombia: una investigaci´on operativa. Pan American Journal of Public Health, 44, 12 2020. [15] M.A. Sanchez, J. Pino, R. Pacheco, et al. An´alisis de letalidad en pacientes con diagn´ostico de tuberculosis en un centro de alta complejidad en cali, colombia. Ingenieria clinica, Universidad Icesi, Cali-Colombia, 02 2018. [16] Ke Yuan, Yabing Huang, and Qian Tang. The impact of social and economic development on the spread of infectious respiratory diseases, push or constrain? empirical research from china based on machine learning methods. In 2020 IEEE 22nd International Conference on High Performance Computing and Communications; IEEE 18th International Conference on Smart City; IEEE 6th International Conference on Data Science and Systems (HPCC/SmartCity/DSS), pages 1364–1369, 2020. [17] Sophie Khaddaj and Hussain Chrief. Prevention and control of emerging infectious diseases in human populations. In 2020 19th International Symposium on Distributed Computing and Applications for Business Engineering and Science (DCABES), pages 336–339, 2020. [18] PMA. Alvarez, PXA. Morales, A. Rodriguez-Ramirez, et al. Costo-efectividad de tres pruebas diagn´osticas de tuberculosis pulmonar en dos ciudades de colombia, 2015. Enf Infec Microbiol, 39(4):129–133, 2015.instname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/Pulmonary tuberculosis (TB) is an infectious disease that usually affects the lungs, this disease is curable and preventable, however, delayed diagnosis and treatment can cause death. In 2019 an estimated 10 million people worldwide fell ill with tuberculosis and a total of 1.4 million people died according to the World Health Organization (WHO) in 2020 [1]. In Colombia, in 2020 11390 people became ill, of which 10632 were new cases, and on average during the last 5 years, there have been 1077 deaths per year due to tuberculosis, according to the National Public Health Surveillance System (SIVIGILA) in 2021 [2]. At the national level the high demand for patients hinders the priority and quality of care by the Health Service Provider Institutions (IPS). These problems originate due to the poor management of resources and procedures, generating as a consequence the progression of the disease or lethality due to TB, particularly in isolated regions. This project contributes to the decision-making of health specialists under precarious conditions from an automated system, which consists of a software interface that allows establishing the high or low risk group to which suspected tuberculosis patients belong by entering a series of social, demographic and health status characteristics of the patient. Three previously trained and validated automatic learning algorithms Fuzzy C-means, K-means and Perceptron Multilayer were worked on, of the three algorithms the Perceptron Multilayer network was chosen to perform the risk prediction because it has the highest sensitivity with a value of 95 %.La tuberculosis pulmonar (TB) es una enfermedad infecciosa que suele afectar a los pulmones, esta enfermedad es curable y prevenible, sin embargo, el retraso diagn´ostico y de tratamiento puede causar la muerte. Se estima que en 2019 enfermaron de tuberculosis 10 millones de personas en todo el mundo y un total de 1.4 millones de personas murieron seg´un la Organizaci´on Mundial de la Salud (OMS) en 2020 [1]. En Colombia, en el 2020 se enfermaron 11390 personas, de las cuales 10632 fueron casos nuevos y en promedio durante los ´ultimos 5 a˜nos, se han presentado 1077 fallecidos por a˜no a causa de tuberculosis, seg´un el Sistema Nacional de Vigilancia en Salud P´ublica (SIVIGILA) en 2021 [2]. A nivel nacional la alta demanda de pacientes, dificulta la prioridad y calidad de atenci´on por las Instituciones Prestadoras de Servicio de Salud (IPS). Estos problemas se originan debido a la mala gesti´on de recursos y procedimientos generando como consecuencia el avance de la enfermedad o letalidad por TB, en particular en regiones aisladas. El presente proyecto contribuye en la toma de decisiones de los especialistas de la salud bajo condiciones precarias a partir de un sistema automatizado, el cual consiste en una interfaz software que permite establecer el grupo de riesgo alto o bajo al que pertenecen los pacientes sospechosos de tuberculosis al ingresar una serie de caracter´ısticas sociales, demogr´aficas y del estado de salud del paciente. Se trabajaron tres algoritmos de aprendizaje autom´atico previamente entrenados y validados Fuzzy C-means, K-means y Perceptron Multicapa, de los tres algoritmos se eligi´o la red Perceptron Multicapa para realizar la predicci´on del riesgo por tener la sensibilidad m´as alta con un valor del 95 %.Ingeniero(a) Biomédico(a)PregradoPresencialInvestigaciónspaUniversidad Antonio NariñoIngeniería BiomédicaFacultad de Ingeniería Mecánica, Electrónica y BiomédicaBogotá - SurInterfaz software,Tuberculosis pulmonar,algoritmos de aprendizaje automaticoMatlabSoftware interface,Pulmonary tuberculosis,machine learning algorithms,MatlabImplementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis PulmonarTrabajo de grado (Pregrado y/o Especialización)http://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85GeneralORIGINAL2022_Acta-Silva.pdf2022_Acta-Silva.pdfActa de sustentaciónapplication/pdf288000https://repositorio.uan.edu.co/bitstreams/13c777a9-1b98-4824-9201-d2d9fbe29021/downloada029ce53ce638e135a4b02c2950f7011MD512022_Autorización de tesis Lenny Silva.pdf2022_Autorización de tesis Lenny Silva.pdfFormato de autorizaciónapplication/pdf972696https://repositorio.uan.edu.co/bitstreams/bb25a602-bdb8-485b-a751-1336f7f19f20/download91093fa2794703286c794f35dffb387cMD522022_TG_tatiana (1).pdf2022_TG_tatiana (1).pdfTrabajo de gradoapplication/pdf7138943https://repositorio.uan.edu.co/bitstreams/ebb6e710-4601-480f-a81e-417705f79a7f/download7d52427e9f1aa82f8c6ddf9cde40886bMD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.uan.edu.co/bitstreams/a496d632-1ae3-4012-ba1c-8685659de5e3/download9868ccc48a14c8d591352b6eaf7f6239MD54123456789/7248oai:repositorio.uan.edu.co:123456789/72482024-10-09 22:47:52.005https://creativecommons.org/licenses/by-nc-nd/4.0/Acceso abiertorestrictedhttps://repositorio.uan.edu.coRepositorio Institucional UANalertas.repositorio@uan.edu.co

Implementación de una interfaz software para establecer grupos de riesgo de pacientes sospechosos de Tuberculosis Pulmonar

Publicaciones similares