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
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/270900
Ver los metadatos del registro completo
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 Técnicas2025-09-29T10:20:24Zoai: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:34982025-09-29 10:20:25.262CONICET 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_ |
1844614184584609792 |
score |
13.070432 |