Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC.
En la actualidad se dispone de varios puntajes para la predicción de desenlaces como mortalidad en la exacerbación aguda de la EPOC, estos puntajes o escalas son útiles para la toma de decisiones disminuyendo el grado de incertidumbre al que el médico se enfrenta cuando aborda el problema del pronós...
- Autores:
-
Cadavid Ramírez, Jose Rubén
Castañeda Barbosa, Joaquín Camilo
- Tipo de recurso:
- Fecha de publicación:
- 2020
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/35075
- Acceso en línea:
- http://hdl.handle.net/10654/35075
- Palabra clave:
- COPD
Disease Progression
Prognosis
Artificial Neuronal Networks
MEDICINA INTERNA
ENFERMEDAD PULMONAR OBSTRUCTIVA CRONICA
ENFERMEDADES OBSTRUCTIVAS DE LOS PULMONES
REDES NEURALES (COMPUTADORES)
EPOC
Exacerbación aguda
Redes Neuronales
- Rights
- License
- Derechos Reservados - Universidad Militar Nueva Granada, 2020
| id |
UNIMILTAR2_fbf66805421ef845a0ee9ebcae1343e8 |
|---|---|
| oai_identifier_str |
oai:repository.unimilitar.edu.co:10654/35075 |
| network_acronym_str |
UNIMILTAR2 |
| network_name_str |
Repositorio UMNG |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC. |
| dc.title.translated.spa.fl_str_mv |
Performance of an artificial neuronal network for prediction of outcomes in acute excerbation of COPD. |
| title |
Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC. |
| spellingShingle |
Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC. COPD Disease Progression Prognosis Artificial Neuronal Networks MEDICINA INTERNA ENFERMEDAD PULMONAR OBSTRUCTIVA CRONICA ENFERMEDADES OBSTRUCTIVAS DE LOS PULMONES REDES NEURALES (COMPUTADORES) EPOC Exacerbación aguda Redes Neuronales |
| title_short |
Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC. |
| title_full |
Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC. |
| title_fullStr |
Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC. |
| title_full_unstemmed |
Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC. |
| title_sort |
Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC. |
| dc.creator.fl_str_mv |
Cadavid Ramírez, Jose Rubén Castañeda Barbosa, Joaquín Camilo |
| dc.contributor.advisor.spa.fl_str_mv |
Hincapié Díaz, Gustavo Adolfo |
| dc.contributor.author.spa.fl_str_mv |
Cadavid Ramírez, Jose Rubén Castañeda Barbosa, Joaquín Camilo |
| dc.contributor.other.spa.fl_str_mv |
Bastidas Goyes, Alirio Rodrigo |
| dc.contributor.corporatename.spa.fl_str_mv |
UNIVERSIDAD MILITAR NUEVA GRANADA |
| dc.subject.keywords.spa.fl_str_mv |
COPD Disease Progression Prognosis Artificial Neuronal Networks |
| topic |
COPD Disease Progression Prognosis Artificial Neuronal Networks MEDICINA INTERNA ENFERMEDAD PULMONAR OBSTRUCTIVA CRONICA ENFERMEDADES OBSTRUCTIVAS DE LOS PULMONES REDES NEURALES (COMPUTADORES) EPOC Exacerbación aguda Redes Neuronales |
| dc.subject.decs.none.fl_str_mv |
MEDICINA INTERNA ENFERMEDAD PULMONAR OBSTRUCTIVA CRONICA ENFERMEDADES OBSTRUCTIVAS DE LOS PULMONES REDES NEURALES (COMPUTADORES) |
| dc.subject.proposal.spa.fl_str_mv |
EPOC Exacerbación aguda Redes Neuronales |
| description |
En la actualidad se dispone de varios puntajes para la predicción de desenlaces como mortalidad en la exacerbación aguda de la EPOC, estos puntajes o escalas son útiles para la toma de decisiones disminuyendo el grado de incertidumbre al que el médico se enfrenta cuando aborda el problema del pronóstico del paciente, sin embargo, su utilización es poco frecuente y algunas de ellas requieren paraclínicos que a pesar de ser básicos pueden no encontrase disponibles en todas las ocasiones. En los últimos años, los avances de programación en software, han permitido el desarrollo de metodologías, que simulando el comportamiento del cerebro humano pueden generar soluciones económicas y altamente confiables a los problemas de incertidumbre como es el caso de pronóstico médico. Se desarrollará un estudio de pronóstico con una red neuronal tipo perceptrón multicapa para la predicción de los desenlaces de ventilación mecánica y muerte en la exacerbación aguda de la EPOC comparándose sus resultados con los puntajes DECAF, BAP-65 y CURB-65. |
| publishDate |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2020-03-10T19:53:23Z |
| dc.date.available.none.fl_str_mv |
2020-03-10T19:53:23Z |
| dc.date.issued.none.fl_str_mv |
2020-02-03 |
| dc.type.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado |
| dc.type.dcmi-type-vocabulary.spa.fl_str_mv |
Text |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10654/35075 |
| url |
http://hdl.handle.net/10654/35075 |
| dc.language.iso.spa.fl_str_mv |
spa spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Vogelmeier CF, Criner GJ, Martinez FJ, Anzueto A, Barnes PJ, Bourbeau J, et al. Global Strategy for the Diagnosis, Management and Prevention of Chronic Obstructive Lung Disease 2017 Report. Respirology. 2017;22(3):575-601. Hurst JR, Vestbo J, Anzueto A, Locantore N, Mullerova H, Tal-Singer R, et al. Susceptibility to exacerbation in chronic obstructive pulmonary disease. The New England journal of medicine. 2010;363(12):1128-38. Sethi S, Evans N, Grant BJ, Murphy TF. New strains of bacteria and exacerbations of chronic obstructive pulmonary disease. The New England journal of medicine. 2002;347(7):465-71. Evensen AE. Management of COPD exacerbations. American family physician. 2010;81(5):607-13. Mullerova H, Maselli DJ, Locantore N, Vestbo J, Hurst JR, Wedzicha JA, et al. Hospitalized exacerbations of COPD: risk factors and outcomes in the ECLIPSE cohort. Chest. 2015;147(4):999-1007. Wells JM, Washko GR, Han MK, Abbas N, Nath H, Mamary AJ, et al. Pulmonary arterial enlargement and acute exacerbations of COPD. The New England journal of medicine. 2012;367(10):913-21. Du Q, Jin J, Liu X, Sun Y. Bronchiectasis as a Comorbidity of Chronic Obstructive Pulmonary Disease: A Systematic Review and Meta-Analysis. PloS one. 2016;11(3):e0150532. 8 Thomsen M, Ingebrigtsen TS, Marott JL, Dahl M, Lange P, Vestbo J, et al. Inflammatory biomarkers and exacerbations in chronic obstructive pulmonary disease. Jama. 2013;309(22):2353-61. 9 Almagro P, Cabrera FJ, Diez J, Boixeda R, Alonso Ortiz MB, Murio C, et al. Comorbidities and short-term prognosis in patients hospitalized for acute exacerbation of COPD: the EPOC en Servicios de medicina interna (ESMI) study. Chest. 2012;142(5):1126-33. Ko FW, Ip M, Chan PK, Fok JP, Chan MC, Ngai JC, et al. A 1-year prospective study of the infectious etiology in patients hospitalized with acute exacerbations of COPD. Chest. 2007;131(1):44-52 Tsoumakidou M, Siafakas NM. Novel insights into the aetiology and pathophysiology of increased airway inflammation during COPD exacerbations. Respiratory research. 2006;7:80. Colombia Ministerio de Salud y Protección Social. Guía de práctica clínica basada en la evidencia para la prevención, diagnóstico, tratamiento y seguimiento de la Enfermedad Pulmonar Obstructiva Crónica (EPOC) en población adulta. Bogotá D.C: Ministerio de Salud y Protección Social, (2014). Anthonisen NR, Manfreda J, Warren CP, Hershfield ES, Harding GK, Nelson NA. Antibiotic therapy in exacerbations of chronic obstructive pulmonary disease. Annals of internal medicine. 1987;106(2):196-204. Patil SP, Krishnan JA, Lechtzin N, Diette GB. In-hospital mortality following acute exacerbations of chronic obstructive pulmonary disease. Archives of internal medicine. 2003;163(10):1180-6. Echevarria C, Steer J, Heslop-Marshall K, Stenton SC, Hickey PM, Hughes R, et al. Validation of the DECAF score to predict hospital mortality in acute exacerbations of COPD. Thorax. 2016;71(2):133-40. Chang CL, Sullivan GD, Karalus NC, Mills GD, McLachlan JD, Hancox RJ. Predicting early mortality in acute exacerbation of chronic obstructive pulmonary disease using the CURB65 score. Respirology. 2011;16(1):146-51. Edwards L, Perrin K, Wijesinghe M, Weatherall M, Beasley R, Travers J. The value of the CRB65 score to predict mortality in exacerbations of COPD requiring hospital admission. Respirology. 2011;16(4):625-9. Steer J, Gibson J, Bourke SC. The DECAF Score: predicting hospital mortality in exacerbations of chronic obstructive pulmonary disease. Thorax. 2012;67(11):970-6. Shorr AF, Sun X, Johannes RS, Derby KG, Tabak YP. Predicting the need for mechanical ventilation in acute exacerbations of chronic obstructive pulmonary disease: comparing the CURB-65 and BAP-65 scores. Journal of critical care. 2012;27(6):564-70. Shorr AF, Sun X, Johannes RS, Yaitanes A, Tabak YP. Validation of a novel risk score for severity of illness in acute exacerbations of COPD. Chest. 2011;140(5):1177-83. Echevarria C, Steer J, Heslop-Marshall K, Stenton SC, Hickey PM, Hughes R, et al. The PEARL score predicts 90-day readmission or death after hospitalisation for acute exacerbation of COPD. Thorax. 2017. Lugo-Reyes SO, Maldonado-Colin G, Murata C. [Artificial intelligence to assist clinical diagnosis in medicine]. Revista alergia Mexico (Tecamachalco, Puebla, Mexico : 1993). 2014;61(2):110-20. Lima AN, Philot EA, Trossini GH, Scott LP, Maltarollo VG, Honorio KM. Use of machine learning approaches for novel drug discovery. Expert opinion on drug discovery. 2016;11(3):225-39 Singh S, Kaur S, Goel N. A Review of Computational Intelligence Methods for Eukaryotic Promoter Prediction. Nucleosides, nucleotides & nucleic acids. 2015;34(7):449-62. Xie J, Ding W, Chen L, Guo Q, Zhang W. Advances in protein contact map prediction based on machine learning. Medicinal chemistry (Shariqah (United Arab Emirates)). 2015;11(3):265-70. Roche N, Zureik M, Soussan D, Neukirch F, Perrotin D. Predictors of outcomes in COPD exacerbation cases presenting to the emergency department. The European respiratory journal. 2008;32(4):953-61. Bafadhel M, Greening NJ, Harvey-Dunstan TC, Williams JE, Morgan MD, Brightling CE, et al. Blood Eosinophils and Outcomes in Severe Hospitalized Exacerbations of COPD. Chest. 2016;150(2):320-8. Bach PB, Brown C, Gelfand SE, McCrory DC. Management of acute exacerbations of chronic obstructive pulmonary disease: a summary and appraisal of published evidence. Annals of internal medicine. 2001;134(7):600-20. Steer J, Norman EM, Afolabi OA, Gibson GJ, Bourke SC. Dyspnoea severity and pneumonia as predictors of in-hospital mortality and early readmission in acute exacerbations of COPD. Thorax. 2012;67(2):117-21. Singanayagam A, Schembri S, Chalmers JD. Predictors of mortality in hospitalized adults with acute exacerbation of chronic obstructive pulmonary disease. Annals of the American Thoracic Society. 2013;10(2):81-9 Martínez GM, Casas DP, RODRIGO BASTIDAS A, Oliveros H, Pinilla PA, Calderón WJ, et al. Índices de oxigenación como predictores de ventilación mecánica en neumonía a 2600 metros de altitud. Acta Médica Colombiana. 2016;41(3). |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Militar Nueva Granada, 2020 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas |
| rights_invalid_str_mv |
Derechos Reservados - Universidad Militar Nueva Granada, 2020 https://creativecommons.org/licenses/by-nc-nd/2.5/co/ Atribución-NoComercial-SinDerivadas http://purl.org/coar/access_right/c_abf2 |
| dc.format.spa.fl_str_mv |
pdf |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Medicina |
| dc.publisher.spa.fl_str_mv |
Universidad Militar Nueva Granada |
| dc.publisher.department.spa.fl_str_mv |
Facultad de Medicina |
| dc.publisher.program.spa.fl_str_mv |
Medicina interna |
| dc.publisher.faculty.spa.fl_str_mv |
Medicina y Ciencias de la Salud - Medicina interna |
| institution |
Universidad Militar Nueva Granada |
| bitstream.url.fl_str_mv |
http://repository.unimilitar.edu.co/bitstream/10654/35075/2/license.txt http://repository.unimilitar.edu.co/bitstream/10654/35075/1/CadavidRamirezJoseRuben2020.pdf http://repository.unimilitar.edu.co/bitstream/10654/35075/3/CadavidRamirezJoseRuben2020.pdf.jpg |
| bitstream.checksum.fl_str_mv |
a609d7e369577f685ce98c66b903b91b 1d4e295a90bdfc33428fd6e15c07f557 c274b02f286977caabec088c2d7a95d6 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UMNG |
| repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
| _version_ |
1808417998000619520 |
| spelling |
Hincapié Díaz, Gustavo AdolfoCadavid Ramírez, Jose RubénCastañeda Barbosa, Joaquín CamiloEspecialista en Medicina internaBastidas Goyes, Alirio RodrigoUNIVERSIDAD MILITAR NUEVA GRANADAMedicina2020-03-10T19:53:23Z2020-03-10T19:53:23Z2020-02-03http://hdl.handle.net/10654/35075En la actualidad se dispone de varios puntajes para la predicción de desenlaces como mortalidad en la exacerbación aguda de la EPOC, estos puntajes o escalas son útiles para la toma de decisiones disminuyendo el grado de incertidumbre al que el médico se enfrenta cuando aborda el problema del pronóstico del paciente, sin embargo, su utilización es poco frecuente y algunas de ellas requieren paraclínicos que a pesar de ser básicos pueden no encontrase disponibles en todas las ocasiones. En los últimos años, los avances de programación en software, han permitido el desarrollo de metodologías, que simulando el comportamiento del cerebro humano pueden generar soluciones económicas y altamente confiables a los problemas de incertidumbre como es el caso de pronóstico médico. Se desarrollará un estudio de pronóstico con una red neuronal tipo perceptrón multicapa para la predicción de los desenlaces de ventilación mecánica y muerte en la exacerbación aguda de la EPOC comparándose sus resultados con los puntajes DECAF, BAP-65 y CURB-65.Tabla de contenido Introducción 5 Pregunta de investigación 5 Justificación 5 Marco teórico: 6 Definiciones 6 Epidemiología: 7 Factores pronósticos para la exacerbación 7 Etiología: 7 Patogénesis: 8 Historia clínica y examen físico: 8 Diagnóstico: 8 Tratamiento: 8 Prevención: 9 Pronóstico: 9 Puntajes utilizados: 9 CURB-65: 9 DECAF: 9 BAP-65: 10 Otros Scores: 10 Redes neuronales artificiales: 10 Objetivos 11 Objetivo general: 11 Objetivos específicos: 11 Materiales y Métodos: 12 Tipo de diseño: 12 Definición de exacerbación de la EPOC: 12 Definición de desenlaces para ser pronosticados durante la exacerbación: 12 4 Determinación de desenlaces en la exacerbación de la EPOC por la red neuronal: 13 Población a estudio: 13 Descripción de la metodología. 13 Tamaño de muestra y aleatorización: 13 Criterios de selección: 13 Criterios de inclusión: 13 Criterios de exclusión: 13 Recolección de datos: 14 Control de sesgos y error: 14 Conducción del estudio 14 Consideraciones éticas 15 Resultados: 15 Resultados análisis multivariado regresión logística 28 Resultados de validez y área bajo la curva de características operativas de receptor: 31 Discusión: 37 Conclusiones: 41 Referencias: 42Today´s date, there are several scales for prediction of outcomes regarding chronic obstructive pulmonary disease (COPD), which using clinical and paraclinical variables allow classification and subsequent decision making. The dependence of these scales of variables on paraclinics means that it is not always possible to carry them out. Therefore, this study aims to demonstrate the usefulness of a multi-layer perceptron artificial neural network for classification. Using two prospective cohorts of previous studies of patients from the central military hospital where performance of the different scales was assessed (DECAF, CRB 65, CURB 65, BAP 65 Anthonisen), supervised learning of the artificial neural network was performed to evaluate performance assessed to mortality and mechanical ventilation. A total of 1478 acute exacerbations of COPD were analyzed. In the first cohort, mortality was found in 4.3%, and the requirement of mechanical ventilation in 31.9%, in the second cohort, mortality was 7.4. % and mechanical ventilation of 31.6%, and in the validation cohort there was a 7-day mortality of 2.6%, a 30-day mortality of 5.8% and mechanical ventilation of 14.3%. When compared with prognostic scales commonly used in this pathology, it has been found that its diagnostic performance is similar or superior to that of the diagnostic scales even with the use of fewer variables, possibly due to the ability of the artificial neural network to stratify with greater or lower severity of patients according to the degree of multi-organic commitment of the disease.Especializaciónpdfapplication/pdfspaspaUniversidad Militar Nueva GranadaFacultad de MedicinaMedicina internaMedicina y Ciencias de la Salud - Medicina internaDerechos Reservados - Universidad Militar Nueva Granada, 2020https://creativecommons.org/licenses/by-nc-nd/2.5/co/Atribución-NoComercial-SinDerivadashttp://purl.org/coar/access_right/c_abf2Rendimiento de redes neuronales artificiales para la predicción de desenlaces en exacerbación aguda de la EPOC.Performance of an artificial neuronal network for prediction of outcomes in acute excerbation of COPD.info:eu-repo/semantics/bachelorThesisTrabajo de gradoTexthttp://purl.org/coar/resource_type/c_7a1fCOPDDisease ProgressionPrognosisArtificial Neuronal NetworksMEDICINA INTERNAENFERMEDAD PULMONAR OBSTRUCTIVA CRONICAENFERMEDADES OBSTRUCTIVAS DE LOS PULMONESREDES NEURALES (COMPUTADORES)EPOCExacerbación agudaRedes NeuronalesVogelmeier CF, Criner GJ, Martinez FJ, Anzueto A, Barnes PJ, Bourbeau J, et al. Global Strategy for the Diagnosis, Management and Prevention of Chronic Obstructive Lung Disease 2017 Report. Respirology. 2017;22(3):575-601.Hurst JR, Vestbo J, Anzueto A, Locantore N, Mullerova H, Tal-Singer R, et al. Susceptibility to exacerbation in chronic obstructive pulmonary disease. The New England journal of medicine. 2010;363(12):1128-38.Sethi S, Evans N, Grant BJ, Murphy TF. New strains of bacteria and exacerbations of chronic obstructive pulmonary disease. The New England journal of medicine. 2002;347(7):465-71.Evensen AE. Management of COPD exacerbations. American family physician. 2010;81(5):607-13.Mullerova H, Maselli DJ, Locantore N, Vestbo J, Hurst JR, Wedzicha JA, et al. Hospitalized exacerbations of COPD: risk factors and outcomes in the ECLIPSE cohort. Chest. 2015;147(4):999-1007.Wells JM, Washko GR, Han MK, Abbas N, Nath H, Mamary AJ, et al. Pulmonary arterial enlargement and acute exacerbations of COPD. The New England journal of medicine. 2012;367(10):913-21.Du Q, Jin J, Liu X, Sun Y. Bronchiectasis as a Comorbidity of Chronic Obstructive Pulmonary Disease: A Systematic Review and Meta-Analysis. PloS one. 2016;11(3):e0150532. 8Thomsen M, Ingebrigtsen TS, Marott JL, Dahl M, Lange P, Vestbo J, et al. Inflammatory biomarkers and exacerbations in chronic obstructive pulmonary disease. Jama. 2013;309(22):2353-61. 9Almagro P, Cabrera FJ, Diez J, Boixeda R, Alonso Ortiz MB, Murio C, et al. Comorbidities and short-term prognosis in patients hospitalized for acute exacerbation of COPD: the EPOC en Servicios de medicina interna (ESMI) study. Chest. 2012;142(5):1126-33.Ko FW, Ip M, Chan PK, Fok JP, Chan MC, Ngai JC, et al. A 1-year prospective study of the infectious etiology in patients hospitalized with acute exacerbations of COPD. Chest. 2007;131(1):44-52Tsoumakidou M, Siafakas NM. Novel insights into the aetiology and pathophysiology of increased airway inflammation during COPD exacerbations. Respiratory research. 2006;7:80.Colombia Ministerio de Salud y Protección Social. Guía de práctica clínica basada en la evidencia para la prevención, diagnóstico, tratamiento y seguimiento de la Enfermedad Pulmonar Obstructiva Crónica (EPOC) en población adulta. Bogotá D.C: Ministerio de Salud y Protección Social, (2014).Anthonisen NR, Manfreda J, Warren CP, Hershfield ES, Harding GK, Nelson NA. Antibiotic therapy in exacerbations of chronic obstructive pulmonary disease. Annals of internal medicine. 1987;106(2):196-204.Patil SP, Krishnan JA, Lechtzin N, Diette GB. In-hospital mortality following acute exacerbations of chronic obstructive pulmonary disease. Archives of internal medicine. 2003;163(10):1180-6.Echevarria C, Steer J, Heslop-Marshall K, Stenton SC, Hickey PM, Hughes R, et al. Validation of the DECAF score to predict hospital mortality in acute exacerbations of COPD. Thorax. 2016;71(2):133-40.Chang CL, Sullivan GD, Karalus NC, Mills GD, McLachlan JD, Hancox RJ. Predicting early mortality in acute exacerbation of chronic obstructive pulmonary disease using the CURB65 score. Respirology. 2011;16(1):146-51.Edwards L, Perrin K, Wijesinghe M, Weatherall M, Beasley R, Travers J. The value of the CRB65 score to predict mortality in exacerbations of COPD requiring hospital admission. Respirology. 2011;16(4):625-9.Steer J, Gibson J, Bourke SC. The DECAF Score: predicting hospital mortality in exacerbations of chronic obstructive pulmonary disease. Thorax. 2012;67(11):970-6.Shorr AF, Sun X, Johannes RS, Derby KG, Tabak YP. Predicting the need for mechanical ventilation in acute exacerbations of chronic obstructive pulmonary disease: comparing the CURB-65 and BAP-65 scores. Journal of critical care. 2012;27(6):564-70.Shorr AF, Sun X, Johannes RS, Yaitanes A, Tabak YP. Validation of a novel risk score for severity of illness in acute exacerbations of COPD. Chest. 2011;140(5):1177-83.Echevarria C, Steer J, Heslop-Marshall K, Stenton SC, Hickey PM, Hughes R, et al. The PEARL score predicts 90-day readmission or death after hospitalisation for acute exacerbation of COPD. Thorax. 2017.Lugo-Reyes SO, Maldonado-Colin G, Murata C. [Artificial intelligence to assist clinical diagnosis in medicine]. Revista alergia Mexico (Tecamachalco, Puebla, Mexico : 1993). 2014;61(2):110-20.Lima AN, Philot EA, Trossini GH, Scott LP, Maltarollo VG, Honorio KM. Use of machine learning approaches for novel drug discovery. Expert opinion on drug discovery. 2016;11(3):225-39Singh S, Kaur S, Goel N. A Review of Computational Intelligence Methods for Eukaryotic Promoter Prediction. Nucleosides, nucleotides & nucleic acids. 2015;34(7):449-62.Xie J, Ding W, Chen L, Guo Q, Zhang W. Advances in protein contact map prediction based on machine learning. Medicinal chemistry (Shariqah (United Arab Emirates)). 2015;11(3):265-70.Roche N, Zureik M, Soussan D, Neukirch F, Perrotin D. Predictors of outcomes in COPD exacerbation cases presenting to the emergency department. The European respiratory journal. 2008;32(4):953-61.Bafadhel M, Greening NJ, Harvey-Dunstan TC, Williams JE, Morgan MD, Brightling CE, et al. Blood Eosinophils and Outcomes in Severe Hospitalized Exacerbations of COPD. Chest. 2016;150(2):320-8.Bach PB, Brown C, Gelfand SE, McCrory DC. Management of acute exacerbations of chronic obstructive pulmonary disease: a summary and appraisal of published evidence. Annals of internal medicine. 2001;134(7):600-20.Steer J, Norman EM, Afolabi OA, Gibson GJ, Bourke SC. Dyspnoea severity and pneumonia as predictors of in-hospital mortality and early readmission in acute exacerbations of COPD. Thorax. 2012;67(2):117-21.Singanayagam A, Schembri S, Chalmers JD. Predictors of mortality in hospitalized adults with acute exacerbation of chronic obstructive pulmonary disease. Annals of the American Thoracic Society. 2013;10(2):81-9Martínez GM, Casas DP, RODRIGO BASTIDAS A, Oliveros H, Pinilla PA, Calderón WJ, et al. Índices de oxigenación como predictores de ventilación mecánica en neumonía a 2600 metros de altitud. Acta Médica Colombiana. 2016;41(3).LICENSElicense.txtlicense.txttext/plain; charset=utf-83420http://repository.unimilitar.edu.co/bitstream/10654/35075/2/license.txta609d7e369577f685ce98c66b903b91bMD52ORIGINALCadavidRamirezJoseRuben2020.pdfCadavidRamirezJoseRuben2020.pdfTrabajo de gradoapplication/pdf723697http://repository.unimilitar.edu.co/bitstream/10654/35075/1/CadavidRamirezJoseRuben2020.pdf1d4e295a90bdfc33428fd6e15c07f557MD51THUMBNAILCadavidRamirezJoseRuben2020.pdf.jpgCadavidRamirezJoseRuben2020.pdf.jpgIM Thumbnailimage/jpeg5767http://repository.unimilitar.edu.co/bitstream/10654/35075/3/CadavidRamirezJoseRuben2020.pdf.jpgc274b02f286977caabec088c2d7a95d6MD5310654/35075oai:repository.unimilitar.edu.co:10654/350752020-10-06 01:02:27.956Repositorio Institucional UMNGbibliodigital@unimilitar.edu.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 |