Modelo de detección temprana de riesgo de ventilación mecánica prolongada en pacientes adultos usando técnicas de machine learning

Licona Melendez, Jaime José

Publicación:
Modelo de detección temprana de riesgo de ventilación mecánica prolongada en pacientes adultos usando técnicas de machine learning

dc.contributor.advisor	Camacho Cogollo, Javier Enrique
dc.contributor.author	Licona Melendez, Jaime José
dc.date.accessioned	2024-07-24T15:08:28Z
dc.date.available	2024-07-24T15:08:28Z
dc.date.issued	2024
dc.description.abstract	RESUMEN: la ventilación mecánica (VM) es una parte crucial del cuidado de los pacientes en la unidad de cuidados intensivos (UCI). Alrededor del 40% de los pacientes en la UCI necesitan asistencia respiratoria con una máquina, y aproximadamente el 25% de ellos pueden requerirla durante un período prolongado. Es esencial encontrar maneras de prevenir las lesiones causadas por el soporte ventilatorio a largo plazo, y las tecnologías de aprendizaje automático están demostrando un gran potencial para asistir a médicos y enfermeras en los hospitales. El uso prolongado de ventilación mecánica puede tener efectos graves en el cuerpo, como debilidad muscular y un mayor riesgo de problemas respiratorios e infecciones pulmonares. Las complicaciones pueden empeorar el pronóstico del paciente, prolongar la dependencia del ventilador e incluso poner en riesgo su vida. Además, la tasa de mortalidad relacionada con la ventilación mecánica a largo plazo varía significativamente entre países, subrayando la necesidad de métodos para predecir y prevenir estos episodios. En este estudio, se desarrollaron y analizaron tres modelos de aprendizaje automático para identificar el riesgo de ventilación mecánica prolongada utilizando la base de datos MIMIC-IV. El modelo combinado de XGBoost y Gradient Boosting demostró el mejor rendimiento con una precisión del 75% y un AUC de 0.79. Esta combinación de modelos logró equilibrar mejor la precisión y el recall, proporcionando una herramienta más robusta para predecir la necesidad de VMP y ayudando a personalizar la atención y optimizar los recursos en la UCI.	spa
dc.description.degreelevel	Ingeniero(a) Biomédico(a)
dc.format.mimetype	application/pdf
dc.identifier.uri	https://repository.eia.edu.co/handle/11190/6729
dc.language.iso	spa
dc.publisher.faculty	Escuela de Ciencias de la Vida
dc.publisher.place	Envigado (Antioquia, Colombia)
dc.publisher.program	Ingeniería Biomédica
dc.rights	Derechos Reservados - Universidad EIA, 2024
dc.rights.accesRights	info:eu-repo/semantics/openAccess
dc.subject.proposal	Machine learning
dc.subject.proposal	Ventilacion Mecanica	spa
dc.subject.proposal	Ventilacion mecacnica prolongada	spa
dc.subject.proposal	MIMIC IV
dc.title	Modelo de detección temprana de riesgo de ventilación mecánica prolongada en pacientes adultos usando técnicas de machine learning
dc.type	Trabajo de grado - Pregrado
dc.type.content	Text
dspace.entity.type	Publication