Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos

Documento en pdf con imágenes y texto

Autores:: Del Risco Morales, Alexander

Tipo de recurso:

Fecha de publicación:: 2021

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

id	UNACIONAL2_99b5cb4bec949e519dc8fe4f3421568d
oai_identifier_str	oai:repositorio.unal.edu.co:unal/80693
network_acronym_str	UNACIONAL2
network_name_str	Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv	Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos
dc.title.translated.eng.fl_str_mv	Computational Model for the analysis of clinical records of patients with Rheumatoid Arthritis applying translational bioinformatics and text mining
title	Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos
spellingShingle	Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos 000 - Ciencias de la computación, información y obras generales::003 - Sistemas 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación 610 - Medicina y salud::616 - Enfermedades Rheumatoid arthritis Snomed Translational bioinformatics Text mining Machine learning Natural language processing Snomed Artritis reumatoide Bioinformática traslacional Minería de textos Aprendizaje de máquina Procesamiento de lenguaje natural Rheumatoid arthritis
title_short	Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos
title_full	Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos
title_fullStr	Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos
title_full_unstemmed	Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos
title_sort	Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos
dc.creator.fl_str_mv	Del Risco Morales, Alexander
dc.contributor.advisor.none.fl_str_mv	Niño Vasquez, Luis Fernando
dc.contributor.author.none.fl_str_mv	Del Risco Morales, Alexander
dc.contributor.educationalvalidator.none.fl_str_mv	Quintana Gerardo
dc.contributor.researchgroup.spa.fl_str_mv	laboratorio de Investigación en Sistemas Inteligentes Lisi
dc.subject.ddc.spa.fl_str_mv	000 - Ciencias de la computación, información y obras generales::003 - Sistemas 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación 610 - Medicina y salud::616 - Enfermedades
topic	000 - Ciencias de la computación, información y obras generales::003 - Sistemas 000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación 610 - Medicina y salud::616 - Enfermedades Rheumatoid arthritis Snomed Translational bioinformatics Text mining Machine learning Natural language processing Snomed Artritis reumatoide Bioinformática traslacional Minería de textos Aprendizaje de máquina Procesamiento de lenguaje natural Rheumatoid arthritis
dc.subject.lemb.none.fl_str_mv	Rheumatoid arthritis
dc.subject.proposal.eng.fl_str_mv	Snomed Translational bioinformatics Text mining Machine learning Natural language processing
dc.subject.proposal.spa.fl_str_mv	Snomed Artritis reumatoide Bioinformática traslacional Minería de textos Aprendizaje de máquina Procesamiento de lenguaje natural
dc.subject.proposal.none.fl_str_mv	Rheumatoid arthritis
description	Documento en pdf con imágenes y texto
publishDate	2021
dc.date.accessioned.none.fl_str_mv	2021-11-18T00:29:49Z
dc.date.available.none.fl_str_mv	2021-11-18T00:29:49Z
dc.date.issued.none.fl_str_mv	2021-11-16
dc.type.spa.fl_str_mv	Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv	Text
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/TM
status_str	acceptedVersion
dc.identifier.uri.none.fl_str_mv	https://repositorio.unal.edu.co/handle/unal/80693
dc.identifier.instname.spa.fl_str_mv	Universidad Nacional de Colombia
dc.identifier.reponame.spa.fl_str_mv	Repositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourl.spa.fl_str_mv	https://repositorio.unal.edu.co/
url	https://repositorio.unal.edu.co/handle/unal/80693 https://repositorio.unal.edu.co/
identifier_str_mv	Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Afantenos, S., Karkaletsis, V., & Stamatopoulos, P. (2005). Summarization from medical documents: A survey. Artificial Intelligence in Medicine, 33(2), 157–177. https://doi.org/10.1016/j.artmed.2004.07.017 Aletaha, D., Neogi, T., Silman, A. J., Funovits, J., Felson, D. T., Bingham, C. O., Birnbaum, N. S., Burmester, G. R., Bykerk, V. P., Cohen, M. D., Combe, B., Costenbader, K. H., Dougados, M., Emery, P., Ferraccioli, G., Hazes, J. M. W., Hobbs, K., Huizinga, T. W. J., Kavanaugh, A., … Hawker, G. (2010). 2010 Rheumatoid arthritis classification criteria: An American College of Rheumatology/European League Against Rheumatism collaborative initiative. Arthritis and Rheumatism, 62(9), 2569–2581. https://doi.org/10.1002/art.27584 Aletaha, D., Neogi, T., Silman, A. J., Funovits, J., Felson, D. T., Bingham, C. O., Birnbaum, N. S., Burmester, G. R., Bykerk, V. P., Cohen, M. D., Combe, B., Costenbader, K. H., Dougados, M., Emery, P., Ferraccioli, G., Hazes, J. M. W., Hobbs, K., Huizinga, T. W. J., Kavanaugh, A., … Hawker, G. (2010). 2010 Rheumatoid arthritis classification criteria: An American College of Rheumatology/European League Against Rheumatism collaborative initiative. Arthritis and Rheumatism, 62(9), 2569–2581. https://doi.org/10.1002/art.27584 Arthritis Foundation. (n.d.). Biológicos/Modificadores de la Respuesta Biológica (MRB). https://doi.org/https://espanol.arthritis.org/espanol/tratamientos/medicamentos/medicamentos-por-enfermedad/medicamentos-mrb/ Bichindaritz, I., & Marling, C. (2006). Case-based reasoning in the health sciences: What’s next? Artificial Intelligence in Medicine, 36(2), 127–135. https://doi.org/10.1016/j.artmed.2005.10.008 Borsari, C., Trader, D. J., Tait, A., & Costi, M. P. (2020). Designing Chimeric Molecules for Drug Discovery by Leveraging Chemical Biology. Journal of Medicinal Chemistry, 63(5), 1908–1928. https://doi.org/10.1021/acs.jmedchem.9b01456 Cantaert, T., de Rycke, L., Bongartz, T., Matteson, E. L., Tak, P. P., Nicholas, A. P., & Baeten, D. (2006). Citrullinated proteins in rheumatoid arthritis: Crucial... but not sufficient! Arthritis and Rheumatism, 54(11), 3381–3389. https://doi.org/10.1002/art.22206 Carrascal, A. I. O., Cotte, D. S., Arango, N. A. R., & Vélez, A. F. P. (2019). Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, 34, 29–43. https://doi.org/10.17013/risti.34.29-43 Cely, A. (2018). Construcción de un modelo de procesamiento de historias clínicas electrónicas de pacientes con artritis reumatoide para la obtención de variables relevantes. http://bdigital.unal.edu.co/71670/ Chen, E. S., Hripcsak, G., Xu, H., Markatou, M., & Friedman, C. (2008). Automated Acquisition of Disease-Drug Knowledge from Biomedical and Clinical Documents: An Initial Study. Journal of the American Medical Informatics Association, 15(1), 87–98. https://doi.org/10.1197/jamia.M2401 Coden, A., Savova, G., Sominsky, I., Tanenblatt, M., Masanz, J., Schuler, K., Cooper, J., Guan, W., & de Groen, P. C. (2009). Automatically extracting cancer disease characteristics from pathology reports into a Disease Knowledge Representation Model. Journal of Biomedical Informatics, 42(5), 937–949. https://doi.org/10.1016/j.jbi.2008.12.005 Cohen, K. B., & Hunter, L. E. (2013). Chapter 16: Text Mining for Translational Bioinformatics. PLoS Computational Biology, 9(4). https://doi.org/10.1371/journal.pcbi.1003044 Dai, H. J., Wei, C. H., Kao, H. Y., Liu, R. L., Tsai, R. T. H., & Lu, Z. (2015). Text mining for translational bioinformatics. BioMed Research International, 2015, 2–4. https://doi.org/10.1155/2015/368264 Firestein, G. S. (2003). Evolving concepts of rheumatoid arthritis. Nature, 423(6937), 356–361. https://doi.org/10.1038/nature01661 García Martín, M., & Zurita Molina, A. (1998). Transaminasas: Valoración y significación clínica. Hospital Universitario Virgen Macarena, 267–275. https://www.aeped.es/sites/default/files/documentos/transaminasas.pdf Guerrero Pupo, J. C., Amell Muñoz, I., & Cañedo Andalia, R. (2004). Tecnología, tecnología médica y tecnología de la salud: Algunas consideraciones básicas. Acimed, 12(4), 1–16. Hajeer, A. H., & Hutchinson, I. v. (2001). Influence of TNFα gene polymorphisms on TNFα production and disease. Human Immunology, 62(11), 1191–1199. https://doi.org/10.1016/S0198-8859(01)00322-6 Harrer, S., Shah, P., Antony, B., & Hu, J. (2019). Artificial Intelligence for Clinical Trial Design. Trends in Pharmacological Sciences, 40(8), 577–591. https://doi.org/10.1016/j.tips.2019.05.005 Hearst, M. A. (1999). Untangling text data mining. 3–10. https://doi.org/10.3115/1034678.1034679 Hernandez, E. P. H., & Quimbaya, A. P. (2016). HTL: Modelo para la extracción, estructuración y visualización de eventos médicos a partir de texto narrativo en historias clínicas electrónicas. 1–9. https://doi.org/10.1109/columbiancc.2016.7750768 K, C. M., González, A., & L, G. Q. (2008). Guía de tratamiento de la artritis reumatoide temprana en un Hospital Universitario de Colombia Guideline on treatment of early rheumatoid arthritis in a University Hospital of Colombia. Revista Colombiana de Reumatología, 15(2), 79–91. Kushima, M., Araki, K., Suzuki, M., Araki, S., & Nikama, T. (2011). Text data mining of in-patient nursing records within electronic medical records using keygraph. IAENG International Journal of Computer Science, 38(3), 215–224. Lander, E., & Kruglyak, L. (1995). Genetic dissection of complex traits: Guidelines for interpreting and reporting linkage results. Nature Genetics, 11(3), 241–247. https://doi.org/10.1038/ng1195-241 Mease, P. J., Stryker, S., Liu, M., Salim, B., Rebello, S., Gharaibeh, M., & Collier, D. H. (2021). Treatment patterns in rheumatoid arthritis patients newly initiated on biologic and conventional synthetic disease-modifying antirheumatic drug therapy and enrolled in a North American clinical registry. Arthritis Research and Therapy, 23(1), 1–13. https://doi.org/10.1186/s13075-021-02599-4 MedlinePlus. (2021a). Inyección de rituximab. https://medlineplus.gov/spanish/druginfo/meds/a607038-es.html MedlinePlus. (2021b). Proteína C reactiva. Proteína C Reactiva. https://doi.org/https://medlineplus.gov/spanish/ency/article/003356.htm Montes y Gómez, Manuel and Gelbukh, Alexander and López López, A. (2005). RESUMEN DE TESIS DOCTORAL Minería de Texto empleando la Semejanza entre Estructuras Semánticas. Computacion y Sistemas, 9, 63–81. Morales Muñoz, L. A. (2014). Modelo computacional para la identificacion de endofenotipos en pacientes con artritis reumatoide utilizando informacion del antigeno leucocitario humano HLA clase II. http://www.bdigital.unal.edu.co/44357/ Mullins, I. M., Siadaty, M. S., Lyman, J., Scully, K., Garrett, C. T., Greg Miller, W., Muller, R., Robson, B., Apte, C., Weiss, S., Rigoutsos, I., Platt, D., Cohen, S., & Knaus, W. A. (2006). Data mining and clinical data repositories: Insights from a 667,000 patient data set. Computers in Biology and Medicine, 36(12), 1351–1377. https://doi.org/10.1016/j.compbiomed.2005.08.003 O’Dell, J. R., Mikuls, T. R., Taylor, T. H., Ahluwalia, V., Brophy, M., Warren, S. R., Lew, R. A., Cannella, A. C., Kunkel, G., Phibbs, C. S., Anis, A. H., Leatherman, S., & Keystone, E. (2013). Therapies for Active Rheumatoid Arthritis after Methotrexate Failure. New England Journal of Medicine, 369(4), 307–318. https://doi.org/10.1056/nejmoa1303006 Ochoa, I. J. A., Orellana García, I. A., Sánchez Corales, I. Y., & Hernández, F. D. (2013). Datos Agrupamiento Sld070 Web Component for the Analysis of Clinical Infor- Mation Using the Technique of Clustering Data Mining. 8. Páez Leal, M., Gómez, L., & Anaya, J. (2010). Implicaciones funcionales de los linfocitos B en el desarrollo de la artritis reumatoide. MedUNAB, 9(1). Pedrosa, M. M. F. (2002). Evaluación del daño radiográfico en la artritis reum atoide. Revista Española de Reumatología, 1(S1), 22–26. Pereira, L., Rijo, R., Silva, C., & Agostinho, M. (2013). ICD9-based Text Mining Approach to Children Epilepsy Classification. Procedia Technology, 9, 1351–1360. https://doi.org/10.1016/j.protcy.2013.12.152 Perner, P. (2006). Intelligent data analysis in medicine-Recent advances. Artificial Intelligence in Medicine, 37(1), 1–5. https://doi.org/10.1016/j.artmed.2005.10.003 Piedra, D., Ferrer, A., & Gea, J. (2014). Minería de textos y medicina: Utilidad en las enfermedades respiratorias. Archivos de Bronconeumologia, 50(3), 113–119. https://doi.org/10.1016/j.arbr.2014.02.008 Pletscher-Frankild, S., Pallejà, A., Tsafou, K., Binder, J. X., & Jensen, L. J. (2015). DISEASES: Text mining and data integration of disease-gene associations. Methods, 74, 83–89. https://doi.org/10.1016/j.ymeth.2014.11.020 Quiceno, J. M., Vinaccia, S., & Remor, E. (2011). Empowerment program of resilience for rheumatoid arthritis patients. Revista de Psicopatologia y Psicologia Clinica, 16(1), 27–47. https://doi.org/10.5944/rppc.vol.16.num.1.2011.10349 Ribeiro, J., Duarte, J., Portela, F., & Santos, M. F. (2019). Automatically detect diagnostic patterns based on clinical notes through text mining. Procedia Computer Science, 160, 684–689. https://doi.org/10.1016/j.procs.2019.11.027 Roberts, A., Gaizauskas, R., Hepple, M., Demetriou, G., Guo, Y., Roberts, I., & Setzer, A. (2009). Building a semantically annotated corpus of clinical texts. Journal of Biomedical Informatics, 42(5), 950–966. https://doi.org/10.1016/j.jbi.2008.12.013 Smalheiser, N. R., & Swanson, D. R. (1994). Assessing a gap in the biomedical literature: Magnesium deficiency and neurologic disease. In Neuroscience Research Communications. Sullivan, D. (2001). Document Warehousing and Text Mining: Techniques for Improving Business Operations, Marketing, and Sales. John Wiley & Sons, Inc.605 Third Ave. New York, NYUnited States. http://dl.acm.org/citation.cfm?id=516935 Swanson, D. R. (1987). Two medical literatures that are logically but not bibliographically connected. Journal of the American Society for Information Science. https://doi.org/10.1002/(SICI)1097-4571(198707)38:4<228::AID-ASI2>3.0.CO;2-G Tan, E. M., & Smolen, J. S. (2016). Historical observations contributing insights on etiopathogenesis of rheumatoid arthritis and role of rheumatoid factor. Journal of Experimental Medicine, 213(10), 1937–1950. https://doi.org/10.1084/jem.20160792 Testa, D., Calvacchi, S., Petrelli, F., Giannini, D., Bilia, S., Alunno, A., & Puxeddu, I. (2021). One year in review 2021: Pathogenesis of rheumatoid arthritis. Clinical and Experimental Rheumatology, 39(3), 445–452. UMLS, R. M. (2009). UMLS ® Reference Manual (Issue September). UNAL. (2021). Medicamentos biológicos, caros para tratar la artritis. https://doi.org/https://unperiodico.unal.edu.co/pages/detail/medicamentos-biologicos-caros-para-tratar-la-artritis/ Vijayakrishnan, R., Steinhubl, S. R., Ng, K., Sun, J., Byrd, R. J., Daar, Z., Williams, B. A., Defilippi, C., Ebadollahi, S., & Stewart, W. F. (2014). Prevalence of heart failure signs and symptoms in a large primary care population identified through the use of text and data mining of the electronic health record. Journal of Cardiac Failure, 20(7), 459–464. https://doi.org/10.1016/j.cardfail.2014.03.008 Wang, R., Zhao, J., Peng, L., Yang, B., Wang, L., & Li, B. (2018). Medical entity recognition of Esophageal Carcinoma based on word clustering. 2018 International Conference on Security, Pattern Analysis, and Cybernetics, SPAC 2018, i, 348–353. https://doi.org/10.1109/SPAC46244.2018.8965515 Wu, C. S., Kuo, C. J., Su, C. H., Wang, S. H., & Dai, H. J. (2020). Using text mining to extract depressive symptoms and to validate the diagnosis of major depressive disorder from electronic health records. Journal of Affective Disorders, 260(415), 617–623. https://doi.org/10.1016/j.jad.2019.09.044 Yauney, G., & Shah, P. (2018). Reinforcement Learning with Action-Derived Rewards for Chemotherapy and Clinical Trial Dosing Regimen Selection. Proceedings of the 3rd Machine Learning for Healthcare Conference, 85, 161–226. http://web.media.mit.edu/~pratiks/mlhc_2018/reinforcement_learning_with_action_derived_rewards_for_chemotherapy_and_clinical_trial_dosing_regimen_selection.pdf Zhai, C., & Massung, S. (2016). Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining. In Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining. https://doi.org/10.1145/2915031
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv	Reconocimiento 4.0 Internacional
dc.rights.uri.spa.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
rights_invalid_str_mv	Reconocimiento 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.extent.spa.fl_str_mv	109 páginas
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad Nacional de Colombia
dc.publisher.program.spa.fl_str_mv	Bogotá - Ingeniería - Maestría en Bioinformática
dc.publisher.department.spa.fl_str_mv	Departamento de Ingeniería de Sistemas e Industrial
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv	Bogotá - Colombia Bogotá - Colombia
dc.publisher.branch.spa.fl_str_mv	Universidad Nacional de Colombia - Sede Bogotá
institution	Universidad Nacional de Colombia
bitstream.url.fl_str_mv	https://repositorio.unal.edu.co/bitstream/unal/80693/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/80693/6/79865755.2021.pdf https://repositorio.unal.edu.co/bitstream/unal/80693/7/79865755.2021.pdf.jpg
bitstream.checksum.fl_str_mv	8153f7789df02f0a4c9e079953658ab2 c8b98e974fb24fb60df83041abf88d77 cb0410ffdfef59239ee253aab392116c
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv	repositorio_nal@unal.edu.co
_version_	1814089943148920832
spelling	Reconocimiento 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Niño Vasquez, Luis Fernando529ee5e1893682de94fcec58bfe1f82bDel Risco Morales, Alexander209589dec1e4bf5fed94aab17d73e299Quintana Gerardolaboratorio de Investigación en Sistemas Inteligentes Lisi2021-11-18T00:29:49Z2021-11-18T00:29:49Z2021-11-16https://repositorio.unal.edu.co/handle/unal/80693Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/Documento en pdf con imágenes y textoEste trabajo tiene como finalidad crear un modelo computacional que permita identificar el avance de la enfermedad de artritis reumatoide (AR) con base en el análisis de historias clínicas de pacientes diagnosticados con Artritis Reumatoide. Se plantea que mediante la minería de texto, se puede extraer la información que permita a los profesionales del área identificar datos relevantes para el proceso de diagnóstico de AR y de esta forma hacer un diagnóstico temprano de la misma, así también, se pretende aplicar el concepto de bioinformática traslacional, esto implica que la información de valor y que cumpla con los objetivos propuestos de esta investigación pueda ser transferida de forma efectiva a los pacientes que sufren esta enfermedad. Se ha desarrollado un modelo que aplica minería de textos, recuperación de la información, lingüística computacional, aprendizaje de máquina y otras áreas del conocimiento relacionadas, que permiten transformar y tratar los datos no estructurados para poder hacer el análisis correspondiente de las historias clínicas y así descubrir conocimiento implícito inmerso en las narrativas de las historias clínicas que ayude con el propósito de tener más y mejor información asociada a la artritis reumatoide y la evolución de los pacientes. (Texto tomado de la fuente)The purpose of this work is to create a computational model that allows to identify the progression of rheumatoid arthritis (RA) disease based on the analysis of medical records of patients diagnosed with rheumatoid arthritis. It is proposed that through text mining, information can be extracted which allows professionals in the area to identify relevant data for the RA diagnosis process and thus make an early diagnosis, therefore, it is also intended to apply the concept of translational bioinformatics, which implies that valuable information that meets the proposed objectives of this research can be effectively transferred to patients suffering from this disease. A model has been developed that applies text mining, information retrieval, computational linguistics, machine learning and other related areas of knowledge, which allow the transformation and processing of unstructured data in order to carry out the corresponding analysis of medical records and thus discover implicit knowledge immersed in the narratives of medical records that helps with the purpose of having more and better information associated with rheumatoid arthritis and the evolution of patients.MaestríaMagíster en BioinformáticaInvestigación cualitativaBioinformáticaDepartamento ingeniería de Sistemas e Industrial109 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ingeniería - Maestría en BioinformáticaDepartamento de Ingeniería de Sistemas e IndustrialFacultad de IngenieríaBogotá - ColombiaBogotá - ColombiaUniversidad Nacional de Colombia - Sede Bogotá000 - Ciencias de la computación, información y obras generales::003 - Sistemas000 - Ciencias de la computación, información y obras generales::005 - Programación, programas, datos de computación610 - Medicina y salud::616 - EnfermedadesRheumatoid arthritisSnomedTranslational bioinformaticsText miningMachine learningNatural language processingSnomedArtritis reumatoideBioinformática traslacionalMinería de textosAprendizaje de máquinaProcesamiento de lenguaje naturalRheumatoid arthritisModelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textosComputational Model for the analysis of clinical records of patients with Rheumatoid Arthritis applying translational bioinformatics and text miningTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMAfantenos, S., Karkaletsis, V., & Stamatopoulos, P. (2005). Summarization from medical documents: A survey. Artificial Intelligence in Medicine, 33(2), 157–177. https://doi.org/10.1016/j.artmed.2004.07.017Aletaha, D., Neogi, T., Silman, A. J., Funovits, J., Felson, D. T., Bingham, C. O., Birnbaum, N. S., Burmester, G. R., Bykerk, V. P., Cohen, M. D., Combe, B., Costenbader, K. H., Dougados, M., Emery, P., Ferraccioli, G., Hazes, J. M. W., Hobbs, K., Huizinga, T. W. J., Kavanaugh, A., … Hawker, G. (2010). 2010 Rheumatoid arthritis classification criteria: An American College of Rheumatology/European League Against Rheumatism collaborative initiative. Arthritis and Rheumatism, 62(9), 2569–2581. https://doi.org/10.1002/art.27584Aletaha, D., Neogi, T., Silman, A. J., Funovits, J., Felson, D. T., Bingham, C. O., Birnbaum, N. S., Burmester, G. R., Bykerk, V. P., Cohen, M. D., Combe, B., Costenbader, K. H., Dougados, M., Emery, P., Ferraccioli, G., Hazes, J. M. W., Hobbs, K., Huizinga, T. W. J., Kavanaugh, A., … Hawker, G. (2010). 2010 Rheumatoid arthritis classification criteria: An American College of Rheumatology/European League Against Rheumatism collaborative initiative. Arthritis and Rheumatism, 62(9), 2569–2581. https://doi.org/10.1002/art.27584Arthritis Foundation. (n.d.). Biológicos/Modificadores de la Respuesta Biológica (MRB). https://doi.org/https://espanol.arthritis.org/espanol/tratamientos/medicamentos/medicamentos-por-enfermedad/medicamentos-mrb/Bichindaritz, I., & Marling, C. (2006). Case-based reasoning in the health sciences: What’s next? Artificial Intelligence in Medicine, 36(2), 127–135. https://doi.org/10.1016/j.artmed.2005.10.008Borsari, C., Trader, D. J., Tait, A., & Costi, M. P. (2020). Designing Chimeric Molecules for Drug Discovery by Leveraging Chemical Biology. Journal of Medicinal Chemistry, 63(5), 1908–1928. https://doi.org/10.1021/acs.jmedchem.9b01456Cantaert, T., de Rycke, L., Bongartz, T., Matteson, E. L., Tak, P. P., Nicholas, A. P., & Baeten, D. (2006). Citrullinated proteins in rheumatoid arthritis: Crucial... but not sufficient! Arthritis and Rheumatism, 54(11), 3381–3389. https://doi.org/10.1002/art.22206Carrascal, A. I. O., Cotte, D. S., Arango, N. A. R., & Vélez, A. F. P. (2019). Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, 34, 29–43. https://doi.org/10.17013/risti.34.29-43Cely, A. (2018). Construcción de un modelo de procesamiento de historias clínicas electrónicas de pacientes con artritis reumatoide para la obtención de variables relevantes. http://bdigital.unal.edu.co/71670/Chen, E. S., Hripcsak, G., Xu, H., Markatou, M., & Friedman, C. (2008). Automated Acquisition of Disease-Drug Knowledge from Biomedical and Clinical Documents: An Initial Study. Journal of the American Medical Informatics Association, 15(1), 87–98. https://doi.org/10.1197/jamia.M2401Coden, A., Savova, G., Sominsky, I., Tanenblatt, M., Masanz, J., Schuler, K., Cooper, J., Guan, W., & de Groen, P. C. (2009). Automatically extracting cancer disease characteristics from pathology reports into a Disease Knowledge Representation Model. Journal of Biomedical Informatics, 42(5), 937–949. https://doi.org/10.1016/j.jbi.2008.12.005Cohen, K. B., & Hunter, L. E. (2013). Chapter 16: Text Mining for Translational Bioinformatics. PLoS Computational Biology, 9(4). https://doi.org/10.1371/journal.pcbi.1003044Dai, H. J., Wei, C. H., Kao, H. Y., Liu, R. L., Tsai, R. T. H., & Lu, Z. (2015). Text mining for translational bioinformatics. BioMed Research International, 2015, 2–4. https://doi.org/10.1155/2015/368264Firestein, G. S. (2003). Evolving concepts of rheumatoid arthritis. Nature, 423(6937), 356–361. https://doi.org/10.1038/nature01661García Martín, M., & Zurita Molina, A. (1998). Transaminasas: Valoración y significación clínica. Hospital Universitario Virgen Macarena, 267–275. https://www.aeped.es/sites/default/files/documentos/transaminasas.pdfGuerrero Pupo, J. C., Amell Muñoz, I., & Cañedo Andalia, R. (2004). Tecnología, tecnología médica y tecnología de la salud: Algunas consideraciones básicas. Acimed, 12(4), 1–16.Hajeer, A. H., & Hutchinson, I. v. (2001). Influence of TNFα gene polymorphisms on TNFα production and disease. Human Immunology, 62(11), 1191–1199. https://doi.org/10.1016/S0198-8859(01)00322-6Harrer, S., Shah, P., Antony, B., & Hu, J. (2019). Artificial Intelligence for Clinical Trial Design. Trends in Pharmacological Sciences, 40(8), 577–591. https://doi.org/10.1016/j.tips.2019.05.005Hearst, M. A. (1999). Untangling text data mining. 3–10. https://doi.org/10.3115/1034678.1034679Hernandez, E. P. H., & Quimbaya, A. P. (2016). HTL: Modelo para la extracción, estructuración y visualización de eventos médicos a partir de texto narrativo en historias clínicas electrónicas. 1–9. https://doi.org/10.1109/columbiancc.2016.7750768K, C. M., González, A., & L, G. Q. (2008). Guía de tratamiento de la artritis reumatoide temprana en un Hospital Universitario de Colombia Guideline on treatment of early rheumatoid arthritis in a University Hospital of Colombia. Revista Colombiana de Reumatología, 15(2), 79–91.Kushima, M., Araki, K., Suzuki, M., Araki, S., & Nikama, T. (2011). Text data mining of in-patient nursing records within electronic medical records using keygraph. IAENG International Journal of Computer Science, 38(3), 215–224.Lander, E., & Kruglyak, L. (1995). Genetic dissection of complex traits: Guidelines for interpreting and reporting linkage results. Nature Genetics, 11(3), 241–247. https://doi.org/10.1038/ng1195-241Mease, P. J., Stryker, S., Liu, M., Salim, B., Rebello, S., Gharaibeh, M., & Collier, D. H. (2021). Treatment patterns in rheumatoid arthritis patients newly initiated on biologic and conventional synthetic disease-modifying antirheumatic drug therapy and enrolled in a North American clinical registry. Arthritis Research and Therapy, 23(1), 1–13. https://doi.org/10.1186/s13075-021-02599-4MedlinePlus. (2021a). Inyección de rituximab. https://medlineplus.gov/spanish/druginfo/meds/a607038-es.htmlMedlinePlus. (2021b). Proteína C reactiva. Proteína C Reactiva. https://doi.org/https://medlineplus.gov/spanish/ency/article/003356.htmMontes y Gómez, Manuel and Gelbukh, Alexander and López López, A. (2005). RESUMEN DE TESIS DOCTORAL Minería de Texto empleando la Semejanza entre Estructuras Semánticas. Computacion y Sistemas, 9, 63–81.Morales Muñoz, L. A. (2014). Modelo computacional para la identificacion de endofenotipos en pacientes con artritis reumatoide utilizando informacion del antigeno leucocitario humano HLA clase II. http://www.bdigital.unal.edu.co/44357/Mullins, I. M., Siadaty, M. S., Lyman, J., Scully, K., Garrett, C. T., Greg Miller, W., Muller, R., Robson, B., Apte, C., Weiss, S., Rigoutsos, I., Platt, D., Cohen, S., & Knaus, W. A. (2006). Data mining and clinical data repositories: Insights from a 667,000 patient data set. Computers in Biology and Medicine, 36(12), 1351–1377. https://doi.org/10.1016/j.compbiomed.2005.08.003O’Dell, J. R., Mikuls, T. R., Taylor, T. H., Ahluwalia, V., Brophy, M., Warren, S. R., Lew, R. A., Cannella, A. C., Kunkel, G., Phibbs, C. S., Anis, A. H., Leatherman, S., & Keystone, E. (2013). Therapies for Active Rheumatoid Arthritis after Methotrexate Failure. New England Journal of Medicine, 369(4), 307–318. https://doi.org/10.1056/nejmoa1303006Ochoa, I. J. A., Orellana García, I. A., Sánchez Corales, I. Y., & Hernández, F. D. (2013). Datos Agrupamiento Sld070 Web Component for the Analysis of Clinical Infor- Mation Using the Technique of Clustering Data Mining. 8.Páez Leal, M., Gómez, L., & Anaya, J. (2010). Implicaciones funcionales de los linfocitos B en el desarrollo de la artritis reumatoide. MedUNAB, 9(1).Pedrosa, M. M. F. (2002). Evaluación del daño radiográfico en la artritis reum atoide. Revista Española de Reumatología, 1(S1), 22–26.Pereira, L., Rijo, R., Silva, C., & Agostinho, M. (2013). ICD9-based Text Mining Approach to Children Epilepsy Classification. Procedia Technology, 9, 1351–1360. https://doi.org/10.1016/j.protcy.2013.12.152Perner, P. (2006). Intelligent data analysis in medicine-Recent advances. Artificial Intelligence in Medicine, 37(1), 1–5. https://doi.org/10.1016/j.artmed.2005.10.003Piedra, D., Ferrer, A., & Gea, J. (2014). Minería de textos y medicina: Utilidad en las enfermedades respiratorias. Archivos de Bronconeumologia, 50(3), 113–119. https://doi.org/10.1016/j.arbr.2014.02.008Pletscher-Frankild, S., Pallejà, A., Tsafou, K., Binder, J. X., & Jensen, L. J. (2015). DISEASES: Text mining and data integration of disease-gene associations. Methods, 74, 83–89. https://doi.org/10.1016/j.ymeth.2014.11.020Quiceno, J. M., Vinaccia, S., & Remor, E. (2011). Empowerment program of resilience for rheumatoid arthritis patients. Revista de Psicopatologia y Psicologia Clinica, 16(1), 27–47. https://doi.org/10.5944/rppc.vol.16.num.1.2011.10349Ribeiro, J., Duarte, J., Portela, F., & Santos, M. F. (2019). Automatically detect diagnostic patterns based on clinical notes through text mining. Procedia Computer Science, 160, 684–689. https://doi.org/10.1016/j.procs.2019.11.027Roberts, A., Gaizauskas, R., Hepple, M., Demetriou, G., Guo, Y., Roberts, I., & Setzer, A. (2009). Building a semantically annotated corpus of clinical texts. Journal of Biomedical Informatics, 42(5), 950–966. https://doi.org/10.1016/j.jbi.2008.12.013Smalheiser, N. R., & Swanson, D. R. (1994). Assessing a gap in the biomedical literature: Magnesium deficiency and neurologic disease. In Neuroscience Research Communications.Sullivan, D. (2001). Document Warehousing and Text Mining: Techniques for Improving Business Operations, Marketing, and Sales. John Wiley & Sons, Inc.605 Third Ave. New York, NYUnited States. http://dl.acm.org/citation.cfm?id=516935Swanson, D. R. (1987). Two medical literatures that are logically but not bibliographically connected. Journal of the American Society for Information Science. https://doi.org/10.1002/(SICI)1097-4571(198707)38:4<228::AID-ASI2>3.0.CO;2-GTan, E. M., & Smolen, J. S. (2016). Historical observations contributing insights on etiopathogenesis of rheumatoid arthritis and role of rheumatoid factor. Journal of Experimental Medicine, 213(10), 1937–1950. https://doi.org/10.1084/jem.20160792Testa, D., Calvacchi, S., Petrelli, F., Giannini, D., Bilia, S., Alunno, A., & Puxeddu, I. (2021). One year in review 2021: Pathogenesis of rheumatoid arthritis. Clinical and Experimental Rheumatology, 39(3), 445–452.UMLS, R. M. (2009). UMLS ® Reference Manual (Issue September).UNAL. (2021). Medicamentos biológicos, caros para tratar la artritis. https://doi.org/https://unperiodico.unal.edu.co/pages/detail/medicamentos-biologicos-caros-para-tratar-la-artritis/Vijayakrishnan, R., Steinhubl, S. R., Ng, K., Sun, J., Byrd, R. J., Daar, Z., Williams, B. A., Defilippi, C., Ebadollahi, S., & Stewart, W. F. (2014). Prevalence of heart failure signs and symptoms in a large primary care population identified through the use of text and data mining of the electronic health record. Journal of Cardiac Failure, 20(7), 459–464. https://doi.org/10.1016/j.cardfail.2014.03.008Wang, R., Zhao, J., Peng, L., Yang, B., Wang, L., & Li, B. (2018). Medical entity recognition of Esophageal Carcinoma based on word clustering. 2018 International Conference on Security, Pattern Analysis, and Cybernetics, SPAC 2018, i, 348–353. https://doi.org/10.1109/SPAC46244.2018.8965515Wu, C. S., Kuo, C. J., Su, C. H., Wang, S. H., & Dai, H. J. (2020). Using text mining to extract depressive symptoms and to validate the diagnosis of major depressive disorder from electronic health records. Journal of Affective Disorders, 260(415), 617–623. https://doi.org/10.1016/j.jad.2019.09.044Yauney, G., & Shah, P. (2018). Reinforcement Learning with Action-Derived Rewards for Chemotherapy and Clinical Trial Dosing Regimen Selection. Proceedings of the 3rd Machine Learning for Healthcare Conference, 85, 161–226. http://web.media.mit.edu/~pratiks/mlhc_2018/reinforcement_learning_with_action_derived_rewards_for_chemotherapy_and_clinical_trial_dosing_regimen_selection.pdfZhai, C., & Massung, S. (2016). Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining. In Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining. https://doi.org/10.1145/2915031EstudiantesInvestigadoresMaestrosPúblico generalLICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/80693/1/license.txt8153f7789df02f0a4c9e079953658ab2MD51ORIGINAL79865755.2021.pdf79865755.2021.pdfTesis de Maestría en Bioinformáticaapplication/pdf3419308https://repositorio.unal.edu.co/bitstream/unal/80693/6/79865755.2021.pdfc8b98e974fb24fb60df83041abf88d77MD56THUMBNAIL79865755.2021.pdf.jpg79865755.2021.pdf.jpgGenerated Thumbnailimage/jpeg5720https://repositorio.unal.edu.co/bitstream/unal/80693/7/79865755.2021.pdf.jpgcb0410ffdfef59239ee253aab392116cMD57unal/80693oai:repositorio.unal.edu.co:unal/806932024-08-01 23:10:26.57Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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

Modelo Computacional para el análisis de historias clínicas de pacientes con Artritis Reumatoide aplicando bioinformática traslacional y minería de textos

Publicaciones similares