Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco

El objetivo de este artículo es presentar los resultados obtenidos de un proyecto cuyo propósito fue desarrollar un modelo automático que facilitara identificar las complicaciones y riesgos de mortalidad en pacientes con Trauma Craneoencefálico que llegan al Hospital Regional Escuela Ernesto Sequeir...

Full description

Bibliographic Details
Main Authors:	Mendoza, Jhonny Francisco, Urroz Cruz, Emely de los Ángeles, Martínez Cuthbert, Shanely Tatiana, Kelly Kandler, Kerry Kenton, Sambola, Dexon-Mckensy
Format:	Online
Language:	spa
Published:	Universidad de las Regiones Autónomas de la Costa Caribe Nicaragüense - URACCAN 2024
Online Access:	https://camjol.info/index.php/RCI/article/view/19712

id	RCI19712
record_format	ojs
institution	Universidad de las Regiones Autónomas de la Costa Caribe Nicaragüense
collection	Ciencia e Interculturalidad
language	spa
format	Online
author	Mendoza, Jhonny Francisco Urroz Cruz, Emely de los Ángeles Martínez Cuthbert, Shanely Tatiana Kelly Kandler, Kerry Kenton Sambola, Dexon-Mckensy
spellingShingle	Mendoza, Jhonny Francisco Urroz Cruz, Emely de los Ángeles Martínez Cuthbert, Shanely Tatiana Kelly Kandler, Kerry Kenton Sambola, Dexon-Mckensy Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco
author_facet	Mendoza, Jhonny Francisco Urroz Cruz, Emely de los Ángeles Martínez Cuthbert, Shanely Tatiana Kelly Kandler, Kerry Kenton Sambola, Dexon-Mckensy
author_sort	Mendoza, Jhonny Francisco
description	El objetivo de este artículo es presentar los resultados obtenidos de un proyecto cuyo propósito fue desarrollar un modelo automático que facilitara identificar las complicaciones y riesgos de mortalidad en pacientes con Trauma Craneoencefálico que llegan al Hospital Regional Escuela Ernesto Sequeira Blanco de la ciudad de Bluefields. Para el desarrollo del trabajo se utilizó el marco de trabajo SCRUM y se utilizaron técnicas de aprendizaje automático con base al conjunto de datos de CRASH-2, el cual cuenta con una base de 20,207 registros aleatorizados de pacientes que han sufrido trauma craneoencefálico. Se hizo uso de dos modelos de aprendizaje, el de regresión logística y el árbol de decisiones, haciendo una combinación entre estos para asegurar la obtención de mejores resultados. Los datos de la primera prueba realizada, aplicando el modelo de regresión, se obtuvo una precisión del 76 %, una sensibilidad del 77 % y una especificidad del 73 %. En la segunda prueba, aplicando el modelo de árbol de decisiones, se obtuvo una precisión del 80%, una sensibilidad del 81% y una especificidad del 79%. Los resultados obtenidos en la aplicación de ambas pruebas mostraron resultados prometedores para una predicción más precisa en los casos revisados durante las validaciones internas. Así mismo, estos resultados muestran que el modelo puede ser un instrumento útil en la estimación de las probabilidades de riesgo de mortalidad en pacientes con trauma craneoencefálico.
title	Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco
title_short	Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco
title_full	Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco
title_fullStr	Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco
title_full_unstemmed	Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco
title_sort	modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, hospital ernesto sequeira blanco
title_alt	Machine learning-based model of probability of mortality risk in patients with cranioencephalic trauma, Hospital Ernesto Sequeira Blanco
publisher	Universidad de las Regiones Autónomas de la Costa Caribe Nicaragüense - URACCAN
publishDate	2024
url	https://camjol.info/index.php/RCI/article/view/19712
work_keys_str_mv	AT mendozajhonnyfrancisco machinelearningbasedmodelofprobabilityofmortalityriskinpatientswithcranioencephalictraumahospitalernestosequeirablanco AT urrozcruzemelydelosangeles machinelearningbasedmodelofprobabilityofmortalityriskinpatientswithcranioencephalictraumahospitalernestosequeirablanco AT martinezcuthbertshanelytatiana machinelearningbasedmodelofprobabilityofmortalityriskinpatientswithcranioencephalictraumahospitalernestosequeirablanco AT kellykandlerkerrykenton machinelearningbasedmodelofprobabilityofmortalityriskinpatientswithcranioencephalictraumahospitalernestosequeirablanco AT samboladexonmckensy machinelearningbasedmodelofprobabilityofmortalityriskinpatientswithcranioencephalictraumahospitalernestosequeirablanco AT mendozajhonnyfrancisco modelobasadoenaprendizajeautomaticodeprobabilidadderiesgodemortalidadenpacientescontraumacraneoencefalicohospitalernestosequeirablanco AT urrozcruzemelydelosangeles modelobasadoenaprendizajeautomaticodeprobabilidadderiesgodemortalidadenpacientescontraumacraneoencefalicohospitalernestosequeirablanco AT martinezcuthbertshanelytatiana modelobasadoenaprendizajeautomaticodeprobabilidadderiesgodemortalidadenpacientescontraumacraneoencefalicohospitalernestosequeirablanco AT kellykandlerkerrykenton modelobasadoenaprendizajeautomaticodeprobabilidadderiesgodemortalidadenpacientescontraumacraneoencefalicohospitalernestosequeirablanco AT samboladexonmckensy modelobasadoenaprendizajeautomaticodeprobabilidadderiesgodemortalidadenpacientescontraumacraneoencefalicohospitalernestosequeirablanco
_version_	1837840641169555456
spelling	RCI197122025-06-05T14:24:30Z Machine learning-based model of probability of mortality risk in patients with cranioencephalic trauma, Hospital Ernesto Sequeira Blanco Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco Mendoza, Jhonny Francisco Urroz Cruz, Emely de los Ángeles Martínez Cuthbert, Shanely Tatiana Kelly Kandler, Kerry Kenton Sambola, Dexon-Mckensy Artificial intelligence learning models Machine learning health Inteligencia artificial modelos de aprendizaje Machine learning salud The objective of this article is to present the results obtained from a project, whose purpose was to develop an automatic model that would facilitate the identification of complications and mortality risks in patients with Cranioencephalic Trauma who arrive at the Ernesto Sequeira Blanco Regional Teaching Hospital in the city of Bluefields. The SCRUM framework was used for the development of the work and machine learning techniques were used based on the CRASH-2 dataset, which has a base of 20,207 randomized records of patients who have suffered cranioencephalic trauma. Two learning models, logistic regression and decision tree, were used in combination to ensure better results. The data of the first test performed, applying the regression model, showed an accuracy of 76%, a sensitivity of 77% and a specificity of 73%. In the second test, applying the decision tree model, an accuracy of 80%, a sensitivity of 81% and a specificity of 79% were obtained. The results obtained in the application of both tests showed promising results for a more accurate prediction in the cases reviewed during the internal validations. Likewise, these results show that the model can be a useful tool in the estimation of mortality risk probabilities in patients with traumatic brain injury. El objetivo de este artículo es presentar los resultados obtenidos de un proyecto cuyo propósito fue desarrollar un modelo automático que facilitara identificar las complicaciones y riesgos de mortalidad en pacientes con Trauma Craneoencefálico que llegan al Hospital Regional Escuela Ernesto Sequeira Blanco de la ciudad de Bluefields. Para el desarrollo del trabajo se utilizó el marco de trabajo SCRUM y se utilizaron técnicas de aprendizaje automático con base al conjunto de datos de CRASH-2, el cual cuenta con una base de 20,207 registros aleatorizados de pacientes que han sufrido trauma craneoencefálico. Se hizo uso de dos modelos de aprendizaje, el de regresión logística y el árbol de decisiones, haciendo una combinación entre estos para asegurar la obtención de mejores resultados. Los datos de la primera prueba realizada, aplicando el modelo de regresión, se obtuvo una precisión del 76 %, una sensibilidad del 77 % y una especificidad del 73 %. En la segunda prueba, aplicando el modelo de árbol de decisiones, se obtuvo una precisión del 80%, una sensibilidad del 81% y una especificidad del 79%. Los resultados obtenidos en la aplicación de ambas pruebas mostraron resultados prometedores para una predicción más precisa en los casos revisados durante las validaciones internas. Así mismo, estos resultados muestran que el modelo puede ser un instrumento útil en la estimación de las probabilidades de riesgo de mortalidad en pacientes con trauma craneoencefálico. Universidad de las Regiones Autónomas de la Costa Caribe Nicaragüense - URACCAN 2024-12-16 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf text/html audio/mpeg audio/mpeg https://camjol.info/index.php/RCI/article/view/19712 10.5377/rci.v34i1.19712 Ciencia e Interculturalidad; Vol. 34 No. 1 (2024); 253-268 Ciencia e Interculturalidad; Vol. 34 Núm. 1 (2024); 253-268 2223-6260 1997-9231 spa https://camjol.info/index.php/RCI/article/view/19712/24162 https://camjol.info/index.php/RCI/article/view/19712/24203 https://camjol.info/index.php/RCI/article/view/19712/24243 https://camjol.info/index.php/RCI/article/view/19712/24244 Derechos de autor 2024 URACCAN http://creativecommons.org/licenses/by-nc-nd/4.0

Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco

Similar Items