Modelos predictivos para enfermedades complejas

Autores
Brunotto, M.; Zárate, A. M.
Año de publicación
2012
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Las Enfermedades Complejas No Transmisibles (ECNT) son las principales causas de muerte en el mundo, produciendo más muertes cada año que todas las otras causas combinadas. De acuerdo a los datos disponibles aproximadamente el 80% de las muertes por ECNT se producen en países de bajos y medianos ingresos. Sin embargo, las muertes causadas por ECNT podrían evitarse si se implementaran programas de prevención y diagnóstico temprano. El desafío que representan los fenotipos multifactoriales es lograr una estrategia válida de identificación de individuos de riesgo en la población. Estas estrategias pueden estar orientadas al monitoreo poblacional o a la generación de modelos predictivos causales para detección temprana, interpretando las causas primordiales que generan la patología. El objetivo de este trabajo es describir las caracterísitcas de las enfermedades crónicas complejas y algunos de los métodos actuales de estudio de éstas en el área de la salud. Conclusiones. El trabajo interdisciplinario, de un equipo de profesionales de la salud pertenecientes a diversas áreas permite un adecuado abordaje de las patologías complejas. La aplicación de modelos como los gráficos de causalidad resulta una herramienta invalorable para lograr un adecuado ajuste del modelo estadístico, permitiendo introducir todos los componentes que intervienen en la dinámica salud-enfermedad. Y la mejor estrategia metodológica para las enfermedades complejas es el diagnóstico temprano y el monitoreo de grupos de riesgo y el seguimiento de terapias de pacientes diagnosticados.
publishedVersion
Materia
ECNT
Enfermedades Complejas No Transmisibles
Características
Métodos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/4893

id RDUUNC_dfbf0ed8b61eabfc5bd23bac94864301
oai_identifier_str oai:rdu.unc.edu.ar:11086/4893
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Modelos predictivos para enfermedades complejasBrunotto, M.Zárate, A. M.ECNTEnfermedades Complejas No TransmisiblesCaracterísticasMétodosLas Enfermedades Complejas No Transmisibles (ECNT) son las principales causas de muerte en el mundo, produciendo más muertes cada año que todas las otras causas combinadas. De acuerdo a los datos disponibles aproximadamente el 80% de las muertes por ECNT se producen en países de bajos y medianos ingresos. Sin embargo, las muertes causadas por ECNT podrían evitarse si se implementaran programas de prevención y diagnóstico temprano. El desafío que representan los fenotipos multifactoriales es lograr una estrategia válida de identificación de individuos de riesgo en la población. Estas estrategias pueden estar orientadas al monitoreo poblacional o a la generación de modelos predictivos causales para detección temprana, interpretando las causas primordiales que generan la patología. El objetivo de este trabajo es describir las caracterísitcas de las enfermedades crónicas complejas y algunos de los métodos actuales de estudio de éstas en el área de la salud. Conclusiones. El trabajo interdisciplinario, de un equipo de profesionales de la salud pertenecientes a diversas áreas permite un adecuado abordaje de las patologías complejas. La aplicación de modelos como los gráficos de causalidad resulta una herramienta invalorable para lograr un adecuado ajuste del modelo estadístico, permitiendo introducir todos los componentes que intervienen en la dinámica salud-enfermedad. Y la mejor estrategia metodológica para las enfermedades complejas es el diagnóstico temprano y el monitoreo de grupos de riesgo y el seguimiento de terapias de pacientes diagnosticados.publishedVersionRevista Facultad de Ciencias Médicas.2012info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfBrunotto, M., Zárate, A. M. Modelos predictivos para enfermedades complejas. Revista Facultad de Ciencias Médicas Universidad Nacional de Córdoba. 2012; 69(1): 33-41.1853-0605http://hdl.handle.net/11086/4893spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-10-23T11:18:23Zoai:rdu.unc.edu.ar:11086/4893Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-10-23 11:18:24.016Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Modelos predictivos para enfermedades complejas
title Modelos predictivos para enfermedades complejas
spellingShingle Modelos predictivos para enfermedades complejas
Brunotto, M.
ECNT
Enfermedades Complejas No Transmisibles
Características
Métodos
title_short Modelos predictivos para enfermedades complejas
title_full Modelos predictivos para enfermedades complejas
title_fullStr Modelos predictivos para enfermedades complejas
title_full_unstemmed Modelos predictivos para enfermedades complejas
title_sort Modelos predictivos para enfermedades complejas
dc.creator.none.fl_str_mv Brunotto, M.
Zárate, A. M.
author Brunotto, M.
author_facet Brunotto, M.
Zárate, A. M.
author_role author
author2 Zárate, A. M.
author2_role author
dc.subject.none.fl_str_mv ECNT
Enfermedades Complejas No Transmisibles
Características
Métodos
topic ECNT
Enfermedades Complejas No Transmisibles
Características
Métodos
dc.description.none.fl_txt_mv Las Enfermedades Complejas No Transmisibles (ECNT) son las principales causas de muerte en el mundo, produciendo más muertes cada año que todas las otras causas combinadas. De acuerdo a los datos disponibles aproximadamente el 80% de las muertes por ECNT se producen en países de bajos y medianos ingresos. Sin embargo, las muertes causadas por ECNT podrían evitarse si se implementaran programas de prevención y diagnóstico temprano. El desafío que representan los fenotipos multifactoriales es lograr una estrategia válida de identificación de individuos de riesgo en la población. Estas estrategias pueden estar orientadas al monitoreo poblacional o a la generación de modelos predictivos causales para detección temprana, interpretando las causas primordiales que generan la patología. El objetivo de este trabajo es describir las caracterísitcas de las enfermedades crónicas complejas y algunos de los métodos actuales de estudio de éstas en el área de la salud. Conclusiones. El trabajo interdisciplinario, de un equipo de profesionales de la salud pertenecientes a diversas áreas permite un adecuado abordaje de las patologías complejas. La aplicación de modelos como los gráficos de causalidad resulta una herramienta invalorable para lograr un adecuado ajuste del modelo estadístico, permitiendo introducir todos los componentes que intervienen en la dinámica salud-enfermedad. Y la mejor estrategia metodológica para las enfermedades complejas es el diagnóstico temprano y el monitoreo de grupos de riesgo y el seguimiento de terapias de pacientes diagnosticados.
publishedVersion
description Las Enfermedades Complejas No Transmisibles (ECNT) son las principales causas de muerte en el mundo, produciendo más muertes cada año que todas las otras causas combinadas. De acuerdo a los datos disponibles aproximadamente el 80% de las muertes por ECNT se producen en países de bajos y medianos ingresos. Sin embargo, las muertes causadas por ECNT podrían evitarse si se implementaran programas de prevención y diagnóstico temprano. El desafío que representan los fenotipos multifactoriales es lograr una estrategia válida de identificación de individuos de riesgo en la población. Estas estrategias pueden estar orientadas al monitoreo poblacional o a la generación de modelos predictivos causales para detección temprana, interpretando las causas primordiales que generan la patología. El objetivo de este trabajo es describir las caracterísitcas de las enfermedades crónicas complejas y algunos de los métodos actuales de estudio de éstas en el área de la salud. Conclusiones. El trabajo interdisciplinario, de un equipo de profesionales de la salud pertenecientes a diversas áreas permite un adecuado abordaje de las patologías complejas. La aplicación de modelos como los gráficos de causalidad resulta una herramienta invalorable para lograr un adecuado ajuste del modelo estadístico, permitiendo introducir todos los componentes que intervienen en la dinámica salud-enfermedad. Y la mejor estrategia metodológica para las enfermedades complejas es el diagnóstico temprano y el monitoreo de grupos de riesgo y el seguimiento de terapias de pacientes diagnosticados.
publishDate 2012
dc.date.none.fl_str_mv 2012
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 Brunotto, M., Zárate, A. M. Modelos predictivos para enfermedades complejas. Revista Facultad de Ciencias Médicas Universidad Nacional de Córdoba. 2012; 69(1): 33-41.
1853-0605
http://hdl.handle.net/11086/4893
identifier_str_mv Brunotto, M., Zárate, A. M. Modelos predictivos para enfermedades complejas. Revista Facultad de Ciencias Médicas Universidad Nacional de Córdoba. 2012; 69(1): 33-41.
1853-0605
url http://hdl.handle.net/11086/4893
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Revista Facultad de Ciencias Médicas.
publisher.none.fl_str_mv Revista Facultad de Ciencias Médicas.
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1846785304701173760
score 12.982451