000			02058nab a2200289 a 4500
001			ESSALUD
005			20220311175314.0
007			ta
008			t2022 sp ||||| |||| 00| 0 eng d
040			_aBMG
041			_aeng
100			_aGlez Peña, D. _eAutor _942696
245			_aEnhancing sepsis management through machine learning techniques: a review
246			_aMejora en el manejo de sepsis mediante técnicas de aprendizaje automático: una revisión
300			_apáginas 140-156
520			_aLa 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			_aAPRENDIZAJE AUTOMÁTICO _937016
650			_aSEPSIS _914985
650			_aSISTEMAS ESPECIALISTAS _942697
700			_aOcampo Quintero, N. _942698
700			_aVidal Cortés, P. _937049
700			_aDel Río Carbajo, L. _942664
700			_aFernández Riverola, F. _942699
700			_aReboiro Jato, M. _eAutores _942700
773	0		_016154 _917757 _dBarcelona Elsevier _oMEDINT021 _tMedicina Intensiva _wESSALUD _x0210-5691
942			_cARTICULOS _e2022-03-11 _zAFC
999			_c17877 _d17877