Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático

Autores
de Leon, Romina Soledad; Wettstein, Magali
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
La integración de la Inteligencia Artificial en bases de datos masivas, inabarcables al ojo humano, como aquellas provenientes de las notificaciones de casos de enfermedades infecciosas podría proporcionar nuevos conocimientos sobre la afección que resultó de los aislamientos sociales durante la pandemia de COVID-19, especialmente entre la declaración de la misma y el primer año de desarrollo en pacientes con tuberculosis. Para ello, se empleará aprendizaje automático supervisado en el procesamiento de datos con variables predictoras diversas. En este contexto, también se llevará a cabo un análisis de series temporales para evaluar si las medidas de dichas circunstancias afectaron los tiempos de demora en el diagnóstico y en el tratamiento de la tuberculosis. Este enfoque tendrá como objetivo identificar patrones, tendencias y posibles correlaciones que podrían proporcionar nuevos conocimientos sobre cómo la pandemia de COVID-19 impactó específicamente en la gestión de la tuberculosis, contribuyendo así a una comprensión más completa de las dinámicas de salud pública en situaciones de crisis.
Fil: de Leon, Romina Soledad. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto de Investigaciones Bibliográficas y Crítica Textual; Argentina
Fil: Wettstein, Magali. Dirección Nacional de Instituto de Investigación.Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"; Argentina
Materia
COVID-19
APRENDIZAJE AUTOMÁTICO
INTELIGENCIA ARTIFICIAL
CIENCIAS SOCIALES COMPUTACIONALES
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/270900
Acceder
id CONICETDig_9aa3e204beac6f19493168ffc2533b66
oai_identifier_str oai:ri.conicet.gov.ar:11336/270900
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automáticode Leon, Romina SoledadWettstein, MagaliCOVID-19APRENDIZAJE AUTOMÁTICOINTELIGENCIA ARTIFICIALCIENCIAS SOCIALES COMPUTACIONALEShttps://purl.org/becyt/ford/6.5https://purl.org/becyt/ford/6La integración de la Inteligencia Artificial en bases de datos masivas, inabarcables al ojo humano, como aquellas provenientes de las notificaciones de casos de enfermedades infecciosas podría proporcionar nuevos conocimientos sobre la afección que resultó de los aislamientos sociales durante la pandemia de COVID-19, especialmente entre la declaración de la misma y el primer año de desarrollo en pacientes con tuberculosis. Para ello, se empleará aprendizaje automático supervisado en el procesamiento de datos con variables predictoras diversas. En este contexto, también se llevará a cabo un análisis de series temporales para evaluar si las medidas de dichas circunstancias afectaron los tiempos de demora en el diagnóstico y en el tratamiento de la tuberculosis. Este enfoque tendrá como objetivo identificar patrones, tendencias y posibles correlaciones que podrían proporcionar nuevos conocimientos sobre cómo la pandemia de COVID-19 impactó específicamente en la gestión de la tuberculosis, contribuyendo así a una comprensión más completa de las dinámicas de salud pública en situaciones de crisis.Fil: de Leon, Romina Soledad. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto de Investigaciones Bibliográficas y Crítica Textual; ArgentinaFil: Wettstein, Magali. Dirección Nacional de Instituto de Investigación.Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"; ArgentinaUniversidad Nacional Guillermo Brown2024-07info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/270900de Leon, Romina Soledad; Wettstein, Magali; Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático; Universidad Nacional Guillermo Brown; Sinergias; 1; 7-2024; 14-413008-9883CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://sinergias.unab.edu.ar/wp-content/uploads/2024/09/Sinergias-2024-ok.pdfinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-10-22T11:53:03Zoai:ri.conicet.gov.ar:11336/270900instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-10-22 11:53:04.178CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático
title Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático
spellingShingle Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático
de Leon, Romina Soledad
COVID-19
APRENDIZAJE AUTOMÁTICO
INTELIGENCIA ARTIFICIAL
CIENCIAS SOCIALES COMPUTACIONALES
title_short Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático
title_full Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático
title_fullStr Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático
title_full_unstemmed Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático
title_sort Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático
dc.creator.none.fl_str_mv de Leon, Romina Soledad
Wettstein, Magali
author de Leon, Romina Soledad
author_facet de Leon, Romina Soledad
Wettstein, Magali
author_role author
author2 Wettstein, Magali
author2_role author
dc.subject.none.fl_str_mv COVID-19
APRENDIZAJE AUTOMÁTICO
INTELIGENCIA ARTIFICIAL
CIENCIAS SOCIALES COMPUTACIONALES
topic COVID-19
APRENDIZAJE AUTOMÁTICO
INTELIGENCIA ARTIFICIAL
CIENCIAS SOCIALES COMPUTACIONALES
purl_subject.fl_str_mv https://purl.org/becyt/ford/6.5
https://purl.org/becyt/ford/6
dc.description.none.fl_txt_mv La integración de la Inteligencia Artificial en bases de datos masivas, inabarcables al ojo humano, como aquellas provenientes de las notificaciones de casos de enfermedades infecciosas podría proporcionar nuevos conocimientos sobre la afección que resultó de los aislamientos sociales durante la pandemia de COVID-19, especialmente entre la declaración de la misma y el primer año de desarrollo en pacientes con tuberculosis. Para ello, se empleará aprendizaje automático supervisado en el procesamiento de datos con variables predictoras diversas. En este contexto, también se llevará a cabo un análisis de series temporales para evaluar si las medidas de dichas circunstancias afectaron los tiempos de demora en el diagnóstico y en el tratamiento de la tuberculosis. Este enfoque tendrá como objetivo identificar patrones, tendencias y posibles correlaciones que podrían proporcionar nuevos conocimientos sobre cómo la pandemia de COVID-19 impactó específicamente en la gestión de la tuberculosis, contribuyendo así a una comprensión más completa de las dinámicas de salud pública en situaciones de crisis.
Fil: de Leon, Romina Soledad. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto de Investigaciones Bibliográficas y Crítica Textual; Argentina
Fil: Wettstein, Magali. Dirección Nacional de Instituto de Investigación.Administración Nacional de Laboratorios e Institutos de Salud "Dr. Carlos G. Malbrán"; Argentina
description La integración de la Inteligencia Artificial en bases de datos masivas, inabarcables al ojo humano, como aquellas provenientes de las notificaciones de casos de enfermedades infecciosas podría proporcionar nuevos conocimientos sobre la afección que resultó de los aislamientos sociales durante la pandemia de COVID-19, especialmente entre la declaración de la misma y el primer año de desarrollo en pacientes con tuberculosis. Para ello, se empleará aprendizaje automático supervisado en el procesamiento de datos con variables predictoras diversas. En este contexto, también se llevará a cabo un análisis de series temporales para evaluar si las medidas de dichas circunstancias afectaron los tiempos de demora en el diagnóstico y en el tratamiento de la tuberculosis. Este enfoque tendrá como objetivo identificar patrones, tendencias y posibles correlaciones que podrían proporcionar nuevos conocimientos sobre cómo la pandemia de COVID-19 impactó específicamente en la gestión de la tuberculosis, contribuyendo así a una comprensión más completa de las dinámicas de salud pública en situaciones de crisis.
publishDate 2024
dc.date.none.fl_str_mv 2024-07
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/270900
de Leon, Romina Soledad; Wettstein, Magali; Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático; Universidad Nacional Guillermo Brown; Sinergias; 1; 7-2024; 14-41
3008-9883
CONICET Digital
CONICET
url http://hdl.handle.net/11336/270900
identifier_str_mv de Leon, Romina Soledad; Wettstein, Magali; Análisis de notificación de casos de tuberculosis antes y durante la pandemia de COVID-19 mediante aprendizaje automático; Universidad Nacional Guillermo Brown; Sinergias; 1; 7-2024; 14-41
3008-9883
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://sinergias.unab.edu.ar/wp-content/uploads/2024/09/Sinergias-2024-ok.pdf
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Guillermo Brown
publisher.none.fl_str_mv Universidad Nacional Guillermo Brown
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1846782225135173632
score 12.982451

Publicaciones similares