• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Ricerca

    Tutto UVaDOCArchiviData di pubblicazioneAutoriSoggettiTitoli

    My Account

    Login

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Mostra Item 
    •   UVaDOC Home
    • PROGETTI DI LAUREA FINALE
    • Trabajos Fin de Grado UVa
    • Mostra Item
    •   UVaDOC Home
    • PROGETTI DI LAUREA FINALE
    • Trabajos Fin de Grado UVa
    • Mostra Item
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/60336

    Título
    Predicción del estado neurológico funcional en pacientes con hemorragia subaracnoidea aneurismática mediante técnicas de aprendizaje automático. Propuesta de un nomograma basado en variables clínicas
    Autor
    Torre Geijo, Natalia de la
    Director o Tutor
    García García, SergioAutoridad UVA
    Sarabia Herrero, María RosarioAutoridad UVA
    Editor
    Universidad de Valladolid. Facultad de MedicinaAutoridad UVA
    Año del Documento
    2023
    Titulación
    Grado en Medicina
    Abstract
    La HSAa causa graves secuelas neurológicas que condicionan el pronóstico funcional de quienes sobreviven. Existen factores de riesgo que permiten identificar pacientes susceptibles de sufrir una peor evolución. Sin embargo, no predicen con precisión su resultado funcional definitivo. Las técnicas de ML procesan grandes volúmenes de datos y construyen algoritmos predictivos a partir de ellos. El objetivo del estudio es predecir el estado neurológico funcional en una cohorte consecutiva de pacientes con HSAa mediante técnicas de ML a partir de variables clínicas, además de crear un nomograma predictivo a partir de dichas variables. Como conclusión se puede decir que los algoritmos de ML basados en variables clínicas permiten predecir con elevada precisión el resultado funcional de los pacientes con HSAa.
    Materias (normalizadas)
    Neurología
    Palabras Clave
    Hemorragia subaracnoidea
    Inteligencia artificial
    Machine Learning
    Pronóstico funcional
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/60336
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [30857]
    Mostra tutti i dati dell'item
    Files in questo item
    Nombre:
    TFG-M2900.pdf
    Tamaño:
    1.769Mb
    Formato:
    Adobe PDF
    Thumbnail
    Mostra/Apri
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalLa licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10