{"id":43847,"date":"2024-02-07T09:35:15","date_gmt":"2024-02-07T15:35:15","guid":{"rendered":"https:\/\/saluddigital.com\/?p=43847"},"modified":"2025-10-18T22:24:36","modified_gmt":"2025-10-19T04:24:36","slug":"herramienta-de-machine-learning-ayuda-al-tratamiento-de-insuficiencia-cardiaca","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/herramienta-de-machine-learning-ayuda-al-tratamiento-de-insuficiencia-cardiaca\/","title":{"rendered":"Herramienta de machine learning ayuda al tratamiento de insuficiencia card\u00edaca\u00a0"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Un estudio utiliza enfoque basado en aprendizaje autom\u00e1tico para predecir la respuesta diur\u00e9tica en pacientes con insuficiencia card\u00edaca.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Un estudio reciente, coautorado por el Dr. Matthew Segar, becario de tercer a\u00f1o en enfermedades cardiovasculares en el Texas Heart Institute y liderado por su mentor de investigaci\u00f3n y residencia, el Dr. Ambarish Pandey de la University of Texas Southwestern Medical Center, utiliz\u00f3 un enfoque basado en machine learning o aprendizaje autom\u00e1tico para identificar, comprender y predecir la respuesta diur\u00e9tica en pacientes con insuficiencia card\u00edaca aguda descompensada (ICAD).<\/p>

La insuficiencia card\u00edaca aguda descompensada es un problema de salud p\u00fablica importante en Estados Unidos y a nivel global. Esta enfermedad resulta en visitas a sala de emergencias, hospitalizaciones y altos costos de atenci\u00f3n m\u00e9dica relacionados.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El estudio, titulado \u201cUna herramienta de fenomapeo y puntuaci\u00f3n cl\u00ednica para identificar la baja eficiencia diur\u00e9tica en la insuficiencia card\u00edaca aguda descompensada\u201d, publicado en Journal of American College Cardiology Heart Failure, aprovecha d\u00e9cadas de conjuntos de datos cl\u00ednicos y de registros financiados por los Institutos Nacionales de Salud (NIH, en ingl\u00e9s) y la Asociaci\u00f3n Americana del Coraz\u00f3n (AHA, en ingl\u00e9s).<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los investigadores utilizaron enfoques basados en machine learning para desarrollar una herramienta predictiva llamada puntuaci\u00f3n BAN-ADHF, que mostr\u00f3 resultados prometedores al predecir con precisi\u00f3n la respuesta diur\u00e9tica. Despu\u00e9s de la validaci\u00f3n en otras poblaciones cl\u00ednicas, la implementaci\u00f3n de esta herramienta podr\u00eda llevar potencialmente a estrategias personalizadas para manejar eficazmente la congesti\u00f3n de pacientes hospitalizados con ICAD.<\/p>

\u201cSabemos que la puntuaci\u00f3n BAN-ADHF puede identificar, caracterizar y predecir matem\u00e1ticamente con precisi\u00f3n la resistencia a los diur\u00e9ticos entre personas con ADHF. Ahora debemos tomar este conocimiento m\u00e9dico y realizar un estudio cl\u00ednico para evaluar si la implementaci\u00f3n de la puntuaci\u00f3n BAN-ADHF en nuestros protocolos de atenci\u00f3n mejora los resultados de los pacientes hospitalizados con insuficiencia card\u00edaca aguda descompensada\u201d, expres\u00f3 el Dr. Segar.<\/p>

Cabe mencionar que investigadores de otras instituciones como Duke, UCLA Medical Center, Northwestern University, entre otras, fueron participes de esta investigaci\u00f3n.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

TEXAS HEART INSTITUTE<\/b><\/p>

https:\/\/www.texasheart.org\/machine-learning-informs-a-new-tool-to-guide-treatment-for-acute-decompensated-heart-failure\/<\/a><\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Un estudio utiliza enfoque basado en aprendizaje autom\u00e1tico para predecir la respuesta diur\u00e9tica en pacientes con insuficiencia card\u00edaca. Un estudio reciente, coautorado por el Dr. Matthew Segar, becario de tercer a\u00f1o en enfermedades cardiovasculares en el Texas Heart Institute y liderado por su mentor de investigaci\u00f3n y residencia, el Dr. Ambarish Pandey de la University of Texas Southwestern Medical Center, utiliz\u00f3 un enfoque basado en machine learning o aprendizaje autom\u00e1tico para identificar, comprender y predecir la respuesta diur\u00e9tica en pacientes con insuficiencia card\u00edaca aguda descompensada (ICAD). La insuficiencia card\u00edaca aguda descompensada es un problema de salud p\u00fablica importante en Estados Unidos y a nivel global. Esta enfermedad resulta en visitas a sala de emergencias, hospitalizaciones y altos costos de atenci\u00f3n m\u00e9dica relacionados. El estudio, titulado \u201cUna herramienta de fenomapeo y puntuaci\u00f3n cl\u00ednica para identificar la baja eficiencia diur\u00e9tica en la insuficiencia card\u00edaca aguda descompensada\u201d, publicado en Journal of American College Cardiology Heart Failure, aprovecha d\u00e9cadas de conjuntos de datos cl\u00ednicos y de registros financiados por los Institutos Nacionales de Salud (NIH, en ingl\u00e9s) y la Asociaci\u00f3n Americana del Coraz\u00f3n (AHA, en ingl\u00e9s). Los investigadores utilizaron enfoques basados en machine learning para desarrollar una herramienta predictiva llamada puntuaci\u00f3n BAN-ADHF, que mostr\u00f3 resultados prometedores al predecir con precisi\u00f3n la respuesta diur\u00e9tica. Despu\u00e9s de la validaci\u00f3n en otras poblaciones cl\u00ednicas, la implementaci\u00f3n de esta herramienta podr\u00eda llevar potencialmente a estrategias personalizadas para manejar eficazmente la congesti\u00f3n de pacientes hospitalizados con ICAD. \u201cSabemos que la puntuaci\u00f3n BAN-ADHF puede identificar, caracterizar y predecir matem\u00e1ticamente con precisi\u00f3n la resistencia a los diur\u00e9ticos entre personas con ADHF. Ahora debemos tomar este conocimiento m\u00e9dico y realizar un estudio cl\u00ednico para evaluar si la implementaci\u00f3n de la puntuaci\u00f3n BAN-ADHF en nuestros protocolos de atenci\u00f3n mejora los resultados de los pacientes hospitalizados con insuficiencia card\u00edaca aguda descompensada\u201d, expres\u00f3 el Dr. Segar. Cabe mencionar que investigadores de otras instituciones como Duke, UCLA Medical Center, Northwestern University, entre otras, fueron participes de esta investigaci\u00f3n. BIBLIOGRAF\u00cdA TEXAS HEART INSTITUTE https:\/\/www.texasheart.org\/machine-learning-informs-a-new-tool-to-guide-treatment-for-acute-decompensated-heart-failure\/<\/p>","protected":false},"author":1,"featured_media":43849,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-43847","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/43847","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=43847"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/43847\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/43849"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=43847"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=43847"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=43847"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}