Enhancing sepsis management through machine learning techniques: a review (Registro nro. 17877)

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.