Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provinci...

Autores
Falappa, Marcelo Alejandro; Benedetto, Marcelo Gabriel; Carabio, Ana Lía Ramona; Silva Layes, María Elizabeth; Benitez, Duval Horacio
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El sector sanitario, sin lugar a dudas es uno de los ámbitos en el que se administran grandes volúmenes de datos; principalmente en el área clínica. Esto conduce a identificar una importante necesidad de encontrar maneras de administrar, integrar, analizar e interpretar ese gran conjunto de datos; procurando identificar patrones de comportamiento que sean de utilidad en la toma de decisiones médicas. En este sentido, la minería de datos es una herramienta que nos ayuda en el análisis de los mencionados datos, sirviendo de apoyo tanto en el área de cuidados de la salud como en la investigación médica; a través de su aplicación que abarca desde el diagnóstico médico hasta la capacidad para analizar datos desde una variedad de perspectivas tendientes a descubrir patrones ocultos. Actualmente, existen diversas investigaciones que permiten encarar tratamientos de enfermedades específicas, aunque siguen siendo estudios puntuales que, si bien tienen muy buenos resultados, no son de aplicabilidad a la práctica cotidiana de consultas médicas. Teniendo en cuenta esta realidad, la investigación que se plantea persigue lograr el desarrollo de un componente de software que permita incorporar la predicción de probabilidad de riesgos de enfermedades cardíacas como sistema de soporte a las decisiones clínicas incorporada al acto asistencial; así como también en el proceso de gestión de medicina preventiva. Si bien existen diferentes proyectos aplicados que permiten conocer sobre la probabilidad de riesgos, los mismos no terminan siendo integrados a la Historia Clínica Electrónica, de manera de tener una aplicación inmediata en el acto asistencial. En este proyecto se plantea como principal objetivo desarrollar un componente de software capaz de generar, con aprendizaje automatizado, un modelo con capacidades predictivas sobre enfermedades cardiológicas; que permitan un mejor soporte a decisiones de diagnóstico clínico y un avance significativo en la medicina preventiva para actos asistenciales de pacientes.
Eje: Base de Datos y Minería de Datos.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Minería de Datos
Sistemas de soporte a decisiones clínicas
Modelos predictivos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/103594
Acceder
id SEDICI_83adc7fb82619d58c28dcac67dcccb25
oai_identifier_str oai:sedici.unlp.edu.ar:10915/103594
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre RíosFalappa, Marcelo AlejandroBenedetto, Marcelo GabrielCarabio, Ana Lía RamonaSilva Layes, María ElizabethBenitez, Duval HoracioCiencias InformáticasMinería de DatosSistemas de soporte a decisiones clínicasModelos predictivosEl sector sanitario, sin lugar a dudas es uno de los ámbitos en el que se administran grandes volúmenes de datos; principalmente en el área clínica. Esto conduce a identificar una importante necesidad de encontrar maneras de administrar, integrar, analizar e interpretar ese gran conjunto de datos; procurando identificar patrones de comportamiento que sean de utilidad en la toma de decisiones médicas. En este sentido, la minería de datos es una herramienta que nos ayuda en el análisis de los mencionados datos, sirviendo de apoyo tanto en el área de cuidados de la salud como en la investigación médica; a través de su aplicación que abarca desde el diagnóstico médico hasta la capacidad para analizar datos desde una variedad de perspectivas tendientes a descubrir patrones ocultos. Actualmente, existen diversas investigaciones que permiten encarar tratamientos de enfermedades específicas, aunque siguen siendo estudios puntuales que, si bien tienen muy buenos resultados, no son de aplicabilidad a la práctica cotidiana de consultas médicas. Teniendo en cuenta esta realidad, la investigación que se plantea persigue lograr el desarrollo de un componente de software que permita incorporar la predicción de probabilidad de riesgos de enfermedades cardíacas como sistema de soporte a las decisiones clínicas incorporada al acto asistencial; así como también en el proceso de gestión de medicina preventiva. Si bien existen diferentes proyectos aplicados que permiten conocer sobre la probabilidad de riesgos, los mismos no terminan siendo integrados a la Historia Clínica Electrónica, de manera de tener una aplicación inmediata en el acto asistencial. En este proyecto se plantea como principal objetivo desarrollar un componente de software capaz de generar, con aprendizaje automatizado, un modelo con capacidades predictivas sobre enfermedades cardiológicas; que permitan un mejor soporte a decisiones de diagnóstico clínico y un avance significativo en la medicina preventiva para actos asistenciales de pacientes.Eje: Base de Datos y Minería de Datos.Red de Universidades con Carreras en Informática2020-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf185-189http://sedici.unlp.edu.ar/handle/10915/103594spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5info:eu-repo/semantics/reference/hdl/10915/103151info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:22:32Zoai:sedici.unlp.edu.ar:10915/103594Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:22:33.13SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre Ríos
title Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre Ríos
spellingShingle Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre Ríos
Falappa, Marcelo Alejandro
Ciencias Informáticas
Minería de Datos
Sistemas de soporte a decisiones clínicas
Modelos predictivos
title_short Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre Ríos
title_full Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre Ríos
title_fullStr Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre Ríos
title_full_unstemmed Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre Ríos
title_sort Bioingeniería informática aplicada a la predicción de enfermedades cardiológicas y su implementación en el Hospital Delicia Concepción Masvernat de la ciudad de Concordia, provincia de Entre Ríos
dc.creator.none.fl_str_mv Falappa, Marcelo Alejandro
Benedetto, Marcelo Gabriel
Carabio, Ana Lía Ramona
Silva Layes, María Elizabeth
Benitez, Duval Horacio
author Falappa, Marcelo Alejandro
author_facet Falappa, Marcelo Alejandro
Benedetto, Marcelo Gabriel
Carabio, Ana Lía Ramona
Silva Layes, María Elizabeth
Benitez, Duval Horacio
author_role author
author2 Benedetto, Marcelo Gabriel
Carabio, Ana Lía Ramona
Silva Layes, María Elizabeth
Benitez, Duval Horacio
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Minería de Datos
Sistemas de soporte a decisiones clínicas
Modelos predictivos
topic Ciencias Informáticas
Minería de Datos
Sistemas de soporte a decisiones clínicas
Modelos predictivos
dc.description.none.fl_txt_mv El sector sanitario, sin lugar a dudas es uno de los ámbitos en el que se administran grandes volúmenes de datos; principalmente en el área clínica. Esto conduce a identificar una importante necesidad de encontrar maneras de administrar, integrar, analizar e interpretar ese gran conjunto de datos; procurando identificar patrones de comportamiento que sean de utilidad en la toma de decisiones médicas. En este sentido, la minería de datos es una herramienta que nos ayuda en el análisis de los mencionados datos, sirviendo de apoyo tanto en el área de cuidados de la salud como en la investigación médica; a través de su aplicación que abarca desde el diagnóstico médico hasta la capacidad para analizar datos desde una variedad de perspectivas tendientes a descubrir patrones ocultos. Actualmente, existen diversas investigaciones que permiten encarar tratamientos de enfermedades específicas, aunque siguen siendo estudios puntuales que, si bien tienen muy buenos resultados, no son de aplicabilidad a la práctica cotidiana de consultas médicas. Teniendo en cuenta esta realidad, la investigación que se plantea persigue lograr el desarrollo de un componente de software que permita incorporar la predicción de probabilidad de riesgos de enfermedades cardíacas como sistema de soporte a las decisiones clínicas incorporada al acto asistencial; así como también en el proceso de gestión de medicina preventiva. Si bien existen diferentes proyectos aplicados que permiten conocer sobre la probabilidad de riesgos, los mismos no terminan siendo integrados a la Historia Clínica Electrónica, de manera de tener una aplicación inmediata en el acto asistencial. En este proyecto se plantea como principal objetivo desarrollar un componente de software capaz de generar, con aprendizaje automatizado, un modelo con capacidades predictivas sobre enfermedades cardiológicas; que permitan un mejor soporte a decisiones de diagnóstico clínico y un avance significativo en la medicina preventiva para actos asistenciales de pacientes.
Eje: Base de Datos y Minería de Datos.
Red de Universidades con Carreras en Informática
description El sector sanitario, sin lugar a dudas es uno de los ámbitos en el que se administran grandes volúmenes de datos; principalmente en el área clínica. Esto conduce a identificar una importante necesidad de encontrar maneras de administrar, integrar, analizar e interpretar ese gran conjunto de datos; procurando identificar patrones de comportamiento que sean de utilidad en la toma de decisiones médicas. En este sentido, la minería de datos es una herramienta que nos ayuda en el análisis de los mencionados datos, sirviendo de apoyo tanto en el área de cuidados de la salud como en la investigación médica; a través de su aplicación que abarca desde el diagnóstico médico hasta la capacidad para analizar datos desde una variedad de perspectivas tendientes a descubrir patrones ocultos. Actualmente, existen diversas investigaciones que permiten encarar tratamientos de enfermedades específicas, aunque siguen siendo estudios puntuales que, si bien tienen muy buenos resultados, no son de aplicabilidad a la práctica cotidiana de consultas médicas. Teniendo en cuenta esta realidad, la investigación que se plantea persigue lograr el desarrollo de un componente de software que permita incorporar la predicción de probabilidad de riesgos de enfermedades cardíacas como sistema de soporte a las decisiones clínicas incorporada al acto asistencial; así como también en el proceso de gestión de medicina preventiva. Si bien existen diferentes proyectos aplicados que permiten conocer sobre la probabilidad de riesgos, los mismos no terminan siendo integrados a la Historia Clínica Electrónica, de manera de tener una aplicación inmediata en el acto asistencial. En este proyecto se plantea como principal objetivo desarrollar un componente de software capaz de generar, con aprendizaje automatizado, un modelo con capacidades predictivas sobre enfermedades cardiológicas; que permitan un mejor soporte a decisiones de diagnóstico clínico y un avance significativo en la medicina preventiva para actos asistenciales de pacientes.
publishDate 2020
dc.date.none.fl_str_mv 2020-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/103594
url http://sedici.unlp.edu.ar/handle/10915/103594
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5
info:eu-repo/semantics/reference/hdl/10915/103151
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
185-189
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616100961058816
score 13.069144

Publicaciones similares