Buscar
Generic filters
Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Buscar
Generic filters
Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales

Modelos de aprendizaje automático muestran signos vitales asociados con casos severos de COVID-19

Nueva investigación mostró modelos de riesgo basados en aprendizaje automático que indican signos vitales, resultados exámenes de laboratorio y edad como factores asociados con casos severos de COVID-19.

La revista Scientific Reports de Nature, publicó el artículo “Los factores de riesgo de COVID-19 grave difieren según la edad de los adultos hospitalizados”, el cual utilizó modelos de riesgo basados en aprendizaje automático, para descubrir que los signos vitales, resultados de exámenes de laboratorio y la edad, se correlacionaron con el nivel de complicación de la infección por COVID-19.

El estudio analizó datos de 6,906 adultos que fueron hospitalizados por COVID-19, en cinco estados de Estados Unidos. En este sentido, desarrollaron modelos de riesgo para predecir el uso de ventilación mecánica o la muerte del paciente entre el primer día y el día 56 de hospitalización.

En total, para el estudio fueron entrenados cinco modelos de aprendizaje automática para población de todas las edades y para otras dos subpoblaciones de edades diferentes, 18 años o más y mayores de 50 años. Además, los modelos de riesgo fueron entrenados a través de datos clínicos fácilmente disponibles.

De esta forma, fueron utilizados los datos de referencia disponibles una hora después de la admisión de los pacientes adultos al hospital, así como la primera prueba positiva de COVID-19, los cuales fueron vitales para la predicción de enfermedades críticas entre el primer día y 56 días después, como se mencionó anteriormente.

“Los modelos revelaron diferencias en la significación estadística y el valor predictivo relativo de los factores de riesgo entre pacientes mayores y más jóvenes, incluida la edad, el IMC, los signos vitales y los resultados de laboratorio”, explicó el estudio.

Asimismo, las variables como sexo y comorbilidades crónicas en pacientes hospitalizados tuvieron un menor valor predictivo para los modelos que variables como signos vitales y resultados de laboratorio.

Otro de los hallazgos clave de la investigación, fue que los signos vitales y los resultados de laboratorio en el momento de ingreso, fueron más importantes para la predicción que la presencia de comorbilidades. De igual forma, los modelos estratificados por edad, mostraron que la importancia del factor de riesgo difiere entre adultos jóvenes y adultos mayores.

Puedes leer la investigación completa en el siguiente enlace:

https://www.nature.com/articles/s41598-022-10344-3

Últimos tweets

Eventos más importantes en Salud Digital

2022 agosto

Semana 1

lun 1
mar 2
mié 3
jue 4
vie 5
sáb 6
dom 7
lun 8
mar 9
mié 10
jue 11
vie 12
sáb 13
dom 14
lun 15
mar 16
mié 17
jue 18
vie 19
sáb 20
dom 21
lun 22
mar 23
mié 24
jue 25
vie 26
sáb 27
dom 28
lun 29
mar 30
mié 31
jue 1
vie 2
sáb 3
dom 4
  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

Comparte el contenido

error: Este contenido esta protegido...