RT info:eu-repo/semantics/bachelorThesis
T1 Aplicación de algoritmos de machine learning para predecir el riesgo de deterioro en pacientes sépticos
A1 Gutiérrez Burgos, María
A2 Universidad de Valladolid. Facultad de Medicina
K1 Balanceo de clases
K1 Predicción de riesgo
K1 Sepsis
AB La sepsis y el shock séptico constituyen una de las principales causas de mortalidad en las unidades de cuidados intensivos (UCI), con tasas que oscilan entre el 25-30% a nivel mundial. La identificación temprana de pacientes de alto riesgo representa un desafío clínico crítico debido a la necesidad de una rápida actuación ante la afección y la rápida progresión de esta patología. En este contexto, los modelos predictivos basados en machine learning han emergido como herramientas prometedoras para mejorar la estratificación de riesgo y optimizar la toma de decisiones clínicas. En este trabajo, entendemos “riesgo” como la probabilidad de mortalidad temprana (60 días tras el ingreso en UCI), categorizada en dos grupos: riesgo alto (pacientes fallecidos en ese intervalo) y riesgo bajo (pacientes supervivientes). El objetivo principal de este trabajo fue desarrollar y evaluar modelos predictivos de riesgo para pacientes con sepsis ingresados en UCI, comparando diferentes algoritmos de clasificación y técnicas de balanceo de clases, así como analizar la interpretabilidad de los modelos mediante técnicas de inteligencia artificial explicable (XAI).
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79630
UL https://uvadoc.uva.es/handle/10324/79630
LA spa
DS UVaDOC
RD 17-nov-2025