Enhancing sepsis management through machine learning techniques: a review (Registro nro. 17877)
[ vista simple ]
000 -Cabecera | |
---|---|
Campo de control interno | 02058nab a2200289 a 4500 |
001 - Número de control | |
control field | ESSALUD |
005 - Fecha y hora de la última transacción | |
Campo de control | 20220311175314.0 |
007 - Tipo material - Descripcion fisica - info general | |
Tipo material - Descripcion fisica - info general | ta |
008 - Elementos de Longitud Fija - Información General | |
Elementos de Longitud Fija - Información | t2022 sp ||||| |||| 00| 0 eng d |
040 ## - Origen de la Catalogación | |
Origen de la Catalogación | BMG |
041 ## - Idioma | |
Idioma | eng |
100 ## - Autor | |
Autor | Glez Peña, D. |
Rol del Autor | Autor |
9 (RLIN) | 42696 |
245 ## - Titulo | |
Titulo | Enhancing sepsis management through machine learning techniques: a review |
246 ## - Variante del Titulo | |
Titulo | Mejora en el manejo de sepsis mediante técnicas de aprendizaje automático: una revisión |
300 ## - Páginas | |
Paginación | páginas 140-156 |
520 ## - Resumen | |
Resumen | La sepsis representa un problema de salud pública de primer orden y es una de las principales causas de muerte a nivel mundial. El retraso en el inicio del tratamiento, junto con la no adherencia a las guías de práctica clínica se asocian a una mayor mortalidad. El aprendizaje automático o machine learning están siendo empleados en el desarrollo de sistemas de apoyo a la decisión clínica, innovadores en muchas áreas de la medicina, mostrando un gran potencial para la predicción de diversas condiciones del paciente, así como en la asistencia durante el proceso de toma de decisiones médicas. En este sentido, este trabajo lleva a cabo una revisión narrativa para proporcionar una visión general de cómo las técnicas de machine learning pueden ser empleadas para mejorar el manejo de la sepsis, discutiendo las principales tareas que tratan de resolver, los métodos y las técnicas más empleados, así como los resultados obtenidos, tanto en términos de precisión de los sistemas inteligentes, como en la mejora de los resultados clínicos. |
650 ## - Temas - Descriptores | |
Temas - Descriptores | APRENDIZAJE AUTOMÁTICO |
9 (RLIN) | 37016 |
650 ## - Temas - Descriptores | |
Temas - Descriptores | SEPSIS |
9 (RLIN) | 14985 |
650 ## - Temas - Descriptores | |
Temas - Descriptores | SISTEMAS ESPECIALISTAS |
9 (RLIN) | 42697 |
700 ## - Autor Personal | |
Autor Personal | Ocampo Quintero, N. |
9 (RLIN) | 42698 |
700 ## - Autor Personal | |
Autor Personal | Vidal Cortés, P. |
9 (RLIN) | 37049 |
700 ## - Autor Personal | |
Autor Personal | Del Río Carbajo, L. |
9 (RLIN) | 42664 |
700 ## - Autor Personal | |
Autor Personal | Fernández Riverola, F. |
9 (RLIN) | 42699 |
700 ## - Autor Personal | |
Autor Personal | Reboiro Jato, M. |
Rol del autor | Autores |
9 (RLIN) | 42700 |
773 0# - Revista (Relacion con el numero) | |
Host Biblionumber | 16154 |
Host Itemnumber | 17757 |
Ciudad, Editorial | Barcelona Elsevier |
Codigo barras item/ejemplar | MEDINT021 |
Titulo de la Revista | Medicina Intensiva |
Número de control de registro | ESSALUD |
ISSN | 0210-5691 |
942 ## - Elementos de Koha | |
Tipo de Documento | Artículos |
Fecha procesamiento | 2022-03-11 |
Catalogador | AFC |
No hay ítems disponibles.