Aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del Hospital Italiano de Buenos Aires.

Mostrar todas las versiones(3)

La lista de problemas es el componente estructural de la historia clínica electrónica del Hospital Italiano de Buenos Aires, en ella se detallan los hallazgos y observaciones de los pacientes. Se presenta un análisis basado en teoría de grafos con el objetivo final de encontrar agrupaciones signific...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Avila Williams, María del Pilar
Otros Autores: Soria, Marcelo Abel
Formato: Tesis de maestría publishedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2019
Materias:
GRAPH MINING
LISTA DE PROBLEMAS
REDES COMPLEJAS
DETECCION DE COMUNIDADES
SNOMED CT
PROBLEM LIST
COMPLEX NETWORKS
COMMUNITY DETECTION
Acceso en línea:https://hdl.handle.net/20.500.12110/tesis_n6721_AvilaWilliams
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id tesis:tesis_n6721_AvilaWilliams
record_format dspace
spelling tesis:tesis_n6721_AvilaWilliams2023-10-02T20:21:23Z Aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del Hospital Italiano de Buenos Aires. Application of graph mining techniques to look for patterns in the list of problems in the medical history of the Hospital Italiano de Buenos Aires Avila Williams, María del Pilar Soria, Marcelo Abel GRAPH MINING LISTA DE PROBLEMAS REDES COMPLEJAS DETECCION DE COMUNIDADES SNOMED CT GRAPH MINING PROBLEM LIST COMPLEX NETWORKS COMMUNITY DETECTION SNOMED CT La lista de problemas es el componente estructural de la historia clínica electrónica del Hospital Italiano de Buenos Aires, en ella se detallan los hallazgos y observaciones de los pacientes. Se presenta un análisis basado en teoría de grafos con el objetivo final de encontrar agrupaciones significativas entre problemas antes del 2016. En este modelo los problemas son los nodos y los enlaces son los vínculos con SNOMED CT y la co-ocurrencia en los pacientes. Este análisis comprende la construcción de subconjuntos de los contextos: servicios de atención de salud, nivel asistencial o ámbito y grupo etario. Para evaluar la capacidad predictiva de las agrupaciones se utiliza las métricas de precisión y exactitud en una lista de 10 predicciones seleccionadas en la lista de problemas de paciente en el año 2017. Los resultados mostraron que realizar la lista de predicciones usando solo los problemas de los contextos, mejora significativamente la capacidad predictiva de las agrupaciones, especialmente en el contexto de servicio de atención de salud y grupo etario. The problem list is the structural component of the electronic medical record of the Hospital Italiano de Buenos Aires, in which the clinical findings and observations of the patients are detailed. An analysis based on graph theory is presented, with the final purpose of finding significant clusters of problems before 2016. In this model, the problems are the nodes, and the links are the connections with SNOMED CT and the co-occurrence in the patients. This analysis includes the construction of subsets with contexts: health care services, level of care or scope and age group. To evaluate the predictive capacity of the clusters, precision and accuracy metrics are used in a list of 10 predictions selected in the problem list of patients for the year 2017. The results showed that making the list of predictions using only the problems of the contexts, significantly improves the predictive capacity of the clusters, especially in the context of health care service and age group. Fil: Avila Williams, María del Pilar . Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2019-10-15 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/tesis_n6721_AvilaWilliams
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
topic GRAPH MINING
LISTA DE PROBLEMAS
REDES COMPLEJAS
DETECCION DE COMUNIDADES
SNOMED CT
GRAPH MINING
PROBLEM LIST
COMPLEX NETWORKS
COMMUNITY DETECTION
SNOMED CT
spellingShingle GRAPH MINING
LISTA DE PROBLEMAS
REDES COMPLEJAS
DETECCION DE COMUNIDADES
SNOMED CT
GRAPH MINING
PROBLEM LIST
COMPLEX NETWORKS
COMMUNITY DETECTION
SNOMED CT
Avila Williams, María del Pilar
Aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del Hospital Italiano de Buenos Aires.
topic_facet GRAPH MINING
LISTA DE PROBLEMAS
REDES COMPLEJAS
DETECCION DE COMUNIDADES
SNOMED CT
GRAPH MINING
PROBLEM LIST
COMPLEX NETWORKS
COMMUNITY DETECTION
SNOMED CT
description La lista de problemas es el componente estructural de la historia clínica electrónica del Hospital Italiano de Buenos Aires, en ella se detallan los hallazgos y observaciones de los pacientes. Se presenta un análisis basado en teoría de grafos con el objetivo final de encontrar agrupaciones significativas entre problemas antes del 2016. En este modelo los problemas son los nodos y los enlaces son los vínculos con SNOMED CT y la co-ocurrencia en los pacientes. Este análisis comprende la construcción de subconjuntos de los contextos: servicios de atención de salud, nivel asistencial o ámbito y grupo etario. Para evaluar la capacidad predictiva de las agrupaciones se utiliza las métricas de precisión y exactitud en una lista de 10 predicciones seleccionadas en la lista de problemas de paciente en el año 2017. Los resultados mostraron que realizar la lista de predicciones usando solo los problemas de los contextos, mejora significativamente la capacidad predictiva de las agrupaciones, especialmente en el contexto de servicio de atención de salud y grupo etario.
author2 Soria, Marcelo Abel
author_facet Soria, Marcelo Abel
Avila Williams, María del Pilar
format Tesis de maestría
Tesis de maestría
publishedVersion
author Avila Williams, María del Pilar
author_sort Avila Williams, María del Pilar
title Aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del Hospital Italiano de Buenos Aires.
title_short Aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del Hospital Italiano de Buenos Aires.
title_full Aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del Hospital Italiano de Buenos Aires.
title_fullStr Aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del Hospital Italiano de Buenos Aires.
title_full_unstemmed Aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del Hospital Italiano de Buenos Aires.
title_sort aplicación de técnicas de graph mining para buscar patrones en la lista de problemas de la historia clínica del hospital italiano de buenos aires.
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2019
url https://hdl.handle.net/20.500.12110/tesis_n6721_AvilaWilliams
work_keys_str_mv AT avilawilliamsmariadelpilar aplicaciondetecnicasdegraphminingparabuscarpatronesenlalistadeproblemasdelahistoriaclinicadelhospitalitalianodebuenosaires
AT avilawilliamsmariadelpilar applicationofgraphminingtechniquestolookforpatternsinthelistofproblemsinthemedicalhistoryofthehospitalitalianodebuenosaires
_version_ 1782023327797215232

Ejemplares similares