Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática
La toma de decisiones en la práctica asistencial se sustenta en la información científica, sin embargo, la cantidad actualmente disponible sobrepasa la capacidad de gestión y análisis de los profesionales de salud. Por esta razón, se han desarrollado metodologías como las revisiones sistemáticas y m...
- Autores:
-
Bautista Mier, Heider Alexis
Barreto Montenegro, Alexis Eduardo
Moreno Medina, Karen
Vásquez Hernández, Skarlet Marcell
- Tipo de recurso:
- Work document
- Fecha de publicación:
- 2021
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/15214
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/15214
- Palabra clave:
- Degree work protocol
Systematic review of the literature
Research protocol
Health sciences
Machines
Learning
Risk of bias
Automation
Machine learning
Clinical Trial
Protocolo de trabajo de grado
Revisión sistemática de la literatura
Protocolo de investigación
Ciencias de la salud
Maquinas
Aprendizaje
Riesgo de sesgo
Automatización
Aprendizaje automático
Ensayo clínico
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_c7f5e5b0f45299469a12dcb914f1b673 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/15214 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática |
| dc.title.alternative.spa.fl_str_mv |
Validez y concordancia del aprendizaje de máquinas en la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados. Revisión sistemática. |
| dc.title.translated.spa.fl_str_mv |
Using machine learning in automating risk assessment of Randomized clinical trial biases during review development systems: Systematic review protocol |
| title |
Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática |
| spellingShingle |
Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática Degree work protocol Systematic review of the literature Research protocol Health sciences Machines Learning Risk of bias Automation Machine learning Clinical Trial Protocolo de trabajo de grado Revisión sistemática de la literatura Protocolo de investigación Ciencias de la salud Maquinas Aprendizaje Riesgo de sesgo Automatización Aprendizaje automático Ensayo clínico |
| title_short |
Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática |
| title_full |
Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática |
| title_fullStr |
Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática |
| title_full_unstemmed |
Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática |
| title_sort |
Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemática |
| dc.creator.fl_str_mv |
Bautista Mier, Heider Alexis Barreto Montenegro, Alexis Eduardo Moreno Medina, Karen Vásquez Hernández, Skarlet Marcell |
| dc.contributor.author.none.fl_str_mv |
Bautista Mier, Heider Alexis Barreto Montenegro, Alexis Eduardo Moreno Medina, Karen Vásquez Hernández, Skarlet Marcell |
| dc.contributor.cvlac.spa.fl_str_mv |
Barreto Montenegro, Alexis Eduardo [0000108751] |
| dc.contributor.googlescholar.spa.fl_str_mv |
Bautista Mier, Heider Alexis [bwQSF8EAAAAJ&hl] Vásquez Hernández, Skarlet Marcell [IyVfYugAAAAJ&hl] Barreto Montenegro, Alexis Eduardo [oIh_fLEAAAAJ&hl] Moreno Medina, Karen [11iwoogAAAAJ] |
| dc.contributor.orcid.spa.fl_str_mv |
Bautista Mier, Heider Alexis [0000-0001-5021-9797] Vásquez Hernández, Skarlet Marcell [0000-0003-2552-9819] Barreto Montenegro, Alexis Eduardo [0000-0001-7905-7023] Moreno Medina, Karen [0000-0003-3265-9240] |
| dc.contributor.scopus.spa.fl_str_mv |
Bautista Mier, Heider Alexis [57349536700] Vásquez Hernández, Skarlet Marcell [57349956800] Moreno Medina, Karen [57213379787] |
| dc.contributor.researchgate.spa.fl_str_mv |
Bautista Mier, Heider Alexis [Heider-Bautista-Mier] Vásquez Hernández, Skarlet Marcell [Skarlet-Marcell-Vasquez-Hernandez-2194087164] Barreto Montenegro, Alexis Eduardo [Alexis-Montenegro] Moreno Medina, Karen [Karen-Moreno-Medina] |
| dc.contributor.linkedin.none.fl_str_mv |
Barreto Montenegro, Alexis Eduardo [alexis-eduardo-barreto-montenegro-704a7a27] |
| dc.subject.keywords.spa.fl_str_mv |
Degree work protocol Systematic review of the literature Research protocol Health sciences Machines Learning Risk of bias Automation Machine learning Clinical Trial |
| topic |
Degree work protocol Systematic review of the literature Research protocol Health sciences Machines Learning Risk of bias Automation Machine learning Clinical Trial Protocolo de trabajo de grado Revisión sistemática de la literatura Protocolo de investigación Ciencias de la salud Maquinas Aprendizaje Riesgo de sesgo Automatización Aprendizaje automático Ensayo clínico |
| dc.subject.proposal.spa.fl_str_mv |
Protocolo de trabajo de grado Revisión sistemática de la literatura Protocolo de investigación Ciencias de la salud Maquinas Aprendizaje Riesgo de sesgo Automatización Aprendizaje automático Ensayo clínico |
| description |
La toma de decisiones en la práctica asistencial se sustenta en la información científica, sin embargo, la cantidad actualmente disponible sobrepasa la capacidad de gestión y análisis de los profesionales de salud. Por esta razón, se han desarrollado metodologías como las revisiones sistemáticas y metaanálisis que permiten sintetizar la información disponible luego de una búsqueda detallada y exhaustiva, y estableciendo la validez de la evidencia. Tal proceso metodológico implica un alto consumo de tiempo, recursos económicos y humanos, convirtiéndose así en un verdadero reto. Las ciencias computacionales ofrecen una posible alternativa a dicho problema, gracias al potencial de la inteligencia artificial y sus componentes en la automatización de cada uno de los pasos requeridos para la realización de una revisión sistemática. Uno de los pasos cruciales, donde la inteligencia artificial ofrece su apoyo, es la evaluación del riesgo de sesgo mediante el uso de aprendizaje de máquinas de manera eficiente. Dado el gran potencial con el que cuenta esta aproximación, se propone sintetizar y evaluar de manera critica la información disponible para lograr identificar todas las herramientas que utilizan este método, determinar su utilidad, eficacia y grado de concordancia con los estándares actuales, mediante la realización de una revisión sistemática de la literatura. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021-11-08 |
| dc.date.accessioned.none.fl_str_mv |
2022-01-12T23:05:34Z |
| dc.date.available.none.fl_str_mv |
2022-01-12T23:05:34Z |
| dc.type.eng.fl_str_mv |
Working paper |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/workingPaper |
| dc.type.local.spa.fl_str_mv |
Documento de trabajo |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_8042 |
| dc.type.redcol.*.fl_str_mv |
http://purl.org/redcol/resource_type/WP |
| format |
http://purl.org/coar/resource_type/c_8042 |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/15214 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/15214 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.uri.*.fl_str_mv |
https://repository.unab.edu.co/handle/20.500.12749/16688 |
| dc.relation.references.spa.fl_str_mv |
1. Chalmers I. Addressing uncertainties about the effects of treatments offered to NHS patients: whose responsibility? J R Soc Med 2007; 100: 440–41. 2. Djulbegovic B, Guyatt GH. Progress in evidence-based medicine: a quarter century on. Lancet. 2017 Jul 22;390(10092):415-423. doi: 10.1016/S0140-6736(16)31592-6. 3. Manterola C, Astudillo P, Arias E, Claros N; Grupo MINCIR (Metodología e Investigación en Cirugía). Revisiones sistemáticas de la literatura. Qué se debe saber acerca de ellas [Systematic reviews of the literature: what should be known about them]. Cir Esp. 2013 Mar;91(3):149-55. Spanish. doi: 10.1016/j.ciresp.2011.07.009. 4. Smith V, Devane D, Begley CM, Clarke M. Methodology in conducting a systematic review of systematic reviews of healthcare interventions. BMC Med Res Methodol. 2011 Feb 3;11(1):15. doi: 10.1186/1471-2288-11-15. 5. Muka T, Glisic M, Milic J, Verhoog S, Bohlius J, Bramer W, Chowdhury R, Franco OH. A 24-step guide on how to design, conduct, and successfully publish a systematic review and meta-analysis in medical research. Eur J Epidemiol. 2020 Jan;35(1):49-60. doi: 10.1007/s10654-019-00576-5. 6. Smith V, Devane D, Begley CM, Clarke M. Methodology in conducting a systematic review of systematic reviews of healthcare interventions. BMC Med Res Methodol. 2011 Feb 3;11(1):15. doi: 10.1186/1471-2288-11-15. 7. Elliott, Julian H.Agoritsas, Thomas et al.Living systematic review: 1. Introduction—the why, what, when, and how. Journal of Clinical Epidemiology, Volume 91, 23 - 30. http://dx.doi.org/10.1016/j.jclinepi.2017.08.010 8. J. Thomas et al. Living systematic reviews: 2. Combining human and machine effort. Journal of Clinical Epidemiology 91 (2017) 31-37. https://doi.org/10.1016/j.jclinepi.2017.08.011 9. Adam NR, Wieder R, Ghosh D. Data science, learning, and applications to biomedical and health sciences. Ann N Y Acad Sci. 2017 Jan;1387(1):5-11. doi: 10.1111/nyas.13309. 10. Ristevski B, Chen M. Big Data Analytics in Medicine and Healthcare. J Integr Bioinform. 2018 May 10;15(3):20170030. doi: 10.1515/jib-2017-0030. 11. van Dinter R, Tekinerdogan B, Catal C. Automation of systematic literature reviews: A systematic literature review. Information and Software Technology. 2021 Apr 4;136. 106589. https://doi.org/10.1016/j.infsof.2021.106589 12. Marshall IJ, Kuiper J, Wallace BC. RobotReviewer: evaluation of a system for automatically assessing bias in clinical trials. J Am Med Inform Assoc. 2016 Jan;23(1):193-201. doi: 10.1093/jamia/ocv044. 13. Millard LA, Flach PA, Higgins JP. Machine learning to assist risk-of-bias assessments in systematic reviews. Int J Epidemiol. 2016 Feb;45(1):266-77. doi: 10.1093/ije/dyv306. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ciencias de la Salud |
| dc.publisher.program.spa.fl_str_mv |
Maestría en Métodos para la Producción y Aplicación de Conocimiento Científico en Salud |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/15214/4/2021%20PRISMA%20P%20-%20Tesis%20PRACCIS%20HBM.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/15214/6/Enmienda_protoclo%20tesis_SMVH_HBM.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/15214/2/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/15214/3/2021%20PRISMA%20P%20-%20Tesis%20PRACCIS%20HBM.pdf https://repository.unab.edu.co/bitstream/20.500.12749/15214/5/Enmienda_protoclo%20tesis_SMVH_HBM.pdf |
| bitstream.checksum.fl_str_mv |
d9738ecc843c2e9cfb39d21d060bfe7c 438028a2b1a9c0b0e1e65fee1cafa8ad 3755c0cfdb77e29f2b9125d7a45dd316 77dc85018c652dd1700bad1c4a8a93c6 01eed59216706911d204d6442c14e489 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1814277563465334784 |
| spelling |
Bautista Mier, Heider Alexis74a18645-5941-498f-8a93-2f0295125b9bBarreto Montenegro, Alexis Eduardo9fc61f01-c905-4b90-923f-51d3b4973bceMoreno Medina, Karen530a9e8b-59f7-41e8-8194-6e39d6feb678Vásquez Hernández, Skarlet Marcellfdc60e59-7519-4535-ad83-85b5d104fd42Barreto Montenegro, Alexis Eduardo [0000108751]Bautista Mier, Heider Alexis [bwQSF8EAAAAJ&hl]Vásquez Hernández, Skarlet Marcell [IyVfYugAAAAJ&hl]Barreto Montenegro, Alexis Eduardo [oIh_fLEAAAAJ&hl]Moreno Medina, Karen [11iwoogAAAAJ]Bautista Mier, Heider Alexis [0000-0001-5021-9797]Vásquez Hernández, Skarlet Marcell [0000-0003-2552-9819]Barreto Montenegro, Alexis Eduardo [0000-0001-7905-7023]Moreno Medina, Karen [0000-0003-3265-9240]Bautista Mier, Heider Alexis [57349536700]Vásquez Hernández, Skarlet Marcell [57349956800]Moreno Medina, Karen [57213379787]Bautista Mier, Heider Alexis [Heider-Bautista-Mier]Vásquez Hernández, Skarlet Marcell [Skarlet-Marcell-Vasquez-Hernandez-2194087164]Barreto Montenegro, Alexis Eduardo [Alexis-Montenegro]Moreno Medina, Karen [Karen-Moreno-Medina]Barreto Montenegro, Alexis Eduardo [alexis-eduardo-barreto-montenegro-704a7a27]2022-01-12T23:05:34Z2022-01-12T23:05:34Z2021-11-08http://hdl.handle.net/20.500.12749/15214instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coLa toma de decisiones en la práctica asistencial se sustenta en la información científica, sin embargo, la cantidad actualmente disponible sobrepasa la capacidad de gestión y análisis de los profesionales de salud. Por esta razón, se han desarrollado metodologías como las revisiones sistemáticas y metaanálisis que permiten sintetizar la información disponible luego de una búsqueda detallada y exhaustiva, y estableciendo la validez de la evidencia. Tal proceso metodológico implica un alto consumo de tiempo, recursos económicos y humanos, convirtiéndose así en un verdadero reto. Las ciencias computacionales ofrecen una posible alternativa a dicho problema, gracias al potencial de la inteligencia artificial y sus componentes en la automatización de cada uno de los pasos requeridos para la realización de una revisión sistemática. Uno de los pasos cruciales, donde la inteligencia artificial ofrece su apoyo, es la evaluación del riesgo de sesgo mediante el uso de aprendizaje de máquinas de manera eficiente. Dado el gran potencial con el que cuenta esta aproximación, se propone sintetizar y evaluar de manera critica la información disponible para lograr identificar todas las herramientas que utilizan este método, determinar su utilidad, eficacia y grado de concordancia con los estándares actuales, mediante la realización de una revisión sistemática de la literatura.Universidad Autónoma de Bucaramanga UNABDecision-making in healthcare practice is based on scientific information, However, the amount currently available exceeds the management capacity and analysis of health professionals. For this reason, methodologies have been developed such as systematic reviews and meta-analyzes that allow the information to be synthesized available after a detailed and exhaustive search, and establishing the validity of the evidence. Such methodological process implies a high consumption of time, resources economic and human, thus becoming a real challenge. Computer science offers a possible alternative to this problem, thanks to the potential of artificial intelligence and its components in the automation of each of the steps required to carry out a systematic review. One of the steps crucial, where artificial intelligence offers its support, is the risk assessment of bias by using machine learning efficiently. Given the great potential of this approach, it is proposed to synthesize and critically evaluate the available information in order to identify all the tools using this method, determine its usefulness, effectiveness and degree of concordance with current standards, by conducting a review systematic literature.application/pdfspahttps://repository.unab.edu.co/handle/20.500.12749/166881. Chalmers I. Addressing uncertainties about the effects of treatments offered to NHS patients: whose responsibility? J R Soc Med 2007; 100: 440–41.2. Djulbegovic B, Guyatt GH. Progress in evidence-based medicine: a quarter century on. Lancet. 2017 Jul 22;390(10092):415-423. doi: 10.1016/S0140-6736(16)31592-6.3. Manterola C, Astudillo P, Arias E, Claros N; Grupo MINCIR (Metodología e Investigación en Cirugía). Revisiones sistemáticas de la literatura. Qué se debe saber acerca de ellas [Systematic reviews of the literature: what should be known about them]. Cir Esp. 2013 Mar;91(3):149-55. Spanish. doi: 10.1016/j.ciresp.2011.07.009.4. Smith V, Devane D, Begley CM, Clarke M. Methodology in conducting a systematic review of systematic reviews of healthcare interventions. BMC Med Res Methodol. 2011 Feb 3;11(1):15. doi: 10.1186/1471-2288-11-15.5. Muka T, Glisic M, Milic J, Verhoog S, Bohlius J, Bramer W, Chowdhury R, Franco OH. A 24-step guide on how to design, conduct, and successfully publish a systematic review and meta-analysis in medical research. Eur J Epidemiol. 2020 Jan;35(1):49-60. doi: 10.1007/s10654-019-00576-5.6. Smith V, Devane D, Begley CM, Clarke M. Methodology in conducting a systematic review of systematic reviews of healthcare interventions. BMC Med Res Methodol. 2011 Feb 3;11(1):15. doi: 10.1186/1471-2288-11-15.7. Elliott, Julian H.Agoritsas, Thomas et al.Living systematic review: 1. Introduction—the why, what, when, and how. Journal of Clinical Epidemiology, Volume 91, 23 - 30. http://dx.doi.org/10.1016/j.jclinepi.2017.08.0108. J. Thomas et al. Living systematic reviews: 2. Combining human and machine effort. Journal of Clinical Epidemiology 91 (2017) 31-37. https://doi.org/10.1016/j.jclinepi.2017.08.0119. Adam NR, Wieder R, Ghosh D. Data science, learning, and applications to biomedical and health sciences. Ann N Y Acad Sci. 2017 Jan;1387(1):5-11. doi: 10.1111/nyas.13309.10. Ristevski B, Chen M. Big Data Analytics in Medicine and Healthcare. J Integr Bioinform. 2018 May 10;15(3):20170030. doi: 10.1515/jib-2017-0030.11. van Dinter R, Tekinerdogan B, Catal C. Automation of systematic literature reviews: A systematic literature review. Information and Software Technology. 2021 Apr 4;136. 106589. https://doi.org/10.1016/j.infsof.2021.10658912. Marshall IJ, Kuiper J, Wallace BC. RobotReviewer: evaluation of a system for automatically assessing bias in clinical trials. J Am Med Inform Assoc. 2016 Jan;23(1):193-201. doi: 10.1093/jamia/ocv044.13. Millard LA, Flach PA, Higgins JP. Machine learning to assist risk-of-bias assessments in systematic reviews. Int J Epidemiol. 2016 Feb;45(1):266-77. doi: 10.1093/ije/dyv306.http://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Uso de aprendizaje de máquinas en la automatización de la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados durante el desarrollo de revisiones sistemáticas : Protocolo de revisión sistemáticaValidez y concordancia del aprendizaje de máquinas en la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados. Revisión sistemática.Using machine learning in automating risk assessment of Randomized clinical trial biases during review development systems: Systematic review protocolWorking paperinfo:eu-repo/semantics/workingPaperDocumento de trabajohttp://purl.org/coar/resource_type/c_8042http://purl.org/redcol/resource_type/WPUniversidad Autónoma de Bucaramanga UNABFacultad Ciencias de la SaludMaestría en Métodos para la Producción y Aplicación de Conocimiento Científico en SaludDegree work protocolSystematic review of the literatureResearch protocolHealth sciencesMachinesLearningRisk of biasAutomationMachine learningClinical TrialProtocolo de trabajo de gradoRevisión sistemática de la literaturaProtocolo de investigaciónCiencias de la saludMaquinasAprendizajeRiesgo de sesgoAutomatizaciónAprendizaje automáticoEnsayo clínicoTHUMBNAIL2021 PRISMA P - Tesis PRACCIS HBM.pdf.jpg2021 PRISMA P - Tesis PRACCIS HBM.pdf.jpgIM Thumbnailimage/jpeg9723https://repository.unab.edu.co/bitstream/20.500.12749/15214/4/2021%20PRISMA%20P%20-%20Tesis%20PRACCIS%20HBM.pdf.jpgd9738ecc843c2e9cfb39d21d060bfe7cMD54open accessEnmienda_protoclo tesis_SMVH_HBM.pdf.jpgEnmienda_protoclo tesis_SMVH_HBM.pdf.jpgIM Thumbnailimage/jpeg8994https://repository.unab.edu.co/bitstream/20.500.12749/15214/6/Enmienda_protoclo%20tesis_SMVH_HBM.pdf.jpg438028a2b1a9c0b0e1e65fee1cafa8adMD56open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/15214/2/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD52open accessORIGINAL2021 PRISMA P - Tesis PRACCIS HBM.pdf2021 PRISMA P - Tesis PRACCIS HBM.pdfProtocoloapplication/pdf265112https://repository.unab.edu.co/bitstream/20.500.12749/15214/3/2021%20PRISMA%20P%20-%20Tesis%20PRACCIS%20HBM.pdf77dc85018c652dd1700bad1c4a8a93c6MD53open accessEnmienda_protoclo tesis_SMVH_HBM.pdfEnmienda_protoclo tesis_SMVH_HBM.pdfEnmiendaapplication/pdf29681https://repository.unab.edu.co/bitstream/20.500.12749/15214/5/Enmienda_protoclo%20tesis_SMVH_HBM.pdf01eed59216706911d204d6442c14e489MD55open access20.500.12749/15214oai:repository.unab.edu.co:20.500.12749/152142023-11-21 21:32:11.237open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |