FIng - Trabajos de Titulación Post-Grado

URI permanente para esta colección

http://repositorio.unab.cl//handle/ria/470

Examinar

Examinando FIng - Trabajos de Titulación Post-Grado por Materia "Accidente Cerebrovascular"

Mostrando 1 - 2 de 2
  • Miniatura
    Ítem
    Modelo de predicción de riesgo de no rehabilitación cardiovascular con datos limitados usando transfer learning
    (Universidad Andrés Bello, 2022) Zurita Palma, Christopher; Torres, Romina; Nicolis, Orietta; Facultad de Ingeniería
    La rehabilitación cardiovascular, es una etapa que conlleva un conjunto de esfuerzos multidisciplinarios clínicos. A causa de esto, la Fundacion Kaplan en conjunto con la Universidad de Valparaíso y la Universidad Andres Bello, han trabajado y colaborado en ´ el desarrollo de SITECard, una aplicación enfocada a la telerrehabilitación de pacientes en el programa de rehabilitación cardiovascular. Esta plataforma tiene el fin de monitorear los pacientes a distancia, reservar horas, enviar indicaciones remotas a los pacientes, entre otros. En este trabajo nos enfocamos en el componente inteligente de SITECard, el cual consiste en un modelo de aprendizaje automatico de predicción de riesgo de no rehabilitación cardiovascular. Este modelo, fue entrenado con registros retrospectivos de 207 pacientes que participaron en el tratamiento de rehabilitación cardiovascular de la fundación Kaplan, lo que es una cantidad de datos bastante limitada para la obtención de buenos resultados. El desafío que se plantea en este documento, es el de mejorar la precisión de la predicción de este modelo de aprendizaje automatico preexistente (R2 0.716 en el mejor modelo), mediante la incorporación de nuevas características, provenientes de un conjunto de datos biométricos que a su vez fue recolectado de una serie de fichas, exámenes y dispositivos clínicos. Para lograr la mejora del modelo preexistente, se ha utilizado la técnica “JDA” la cual permite realizar una adaptación de características entre conjuntos de datos con distribuciones diferentes. Con su utilización se logró una transferencia de aprendizaje basada en características, entre el conjunto de datos utilizado en el modelo preexistente y el nuevo conjunto de datos biométricos. También se han utilizado técnicas como “RFECV” para la selección de características y “Aprendizaje jerárquico”, para ayudar a lidiar con la limitada data disponible. Mediante la utilización en conjunto de todas estas técnicas se ha logrado mejorar la predicción del modelo de riesgo de no rehabilitación hasta un R2 de un 0.923, en el mejor modelo reportado.
  • Miniatura
    Ítem
    Optimización basada en simulación para procesos intrahospitalarios en la administración de trombólisis : caso de estudio : "Hospital el Pino"
    (Universidad Andrés Bello, 2020) Carreño, Ricardo; Robledo Aldana, Luis Felipe; Facultad de Ingeniería
    Los Accidentes Cerebrovasculares son la principal causa de muerte en Chile. Si bien existe un efectivo tratamiento llamado Trombolísis para esta patología, la tasa de pacientes que logra administrarse este farmaco está entre un 3% y un 5%. La Trombolísis dispone de una ventana de tiempo de no más de 4,5 horas para que el tratamiento sea efectivo y así evitar los graves daños físicos y psicologícos al paciente. La baja tasa de pacientes es producto de esta ventana de tiempo, ya que es la principal razón de exclusión para el tratamiento con Trombólisis, debido a que los pacientes no llegan durante este tiempo para suministrar el farmaco. Es por esto, que se decide Modelar y Simular los procesos existentes dentro del Hospital El Pino para la administración del fármaco y estudiar la variación del tiempo de atención con respecto a los pacientes con ACV para proponer mejoras y contribuir al aumento de la tasa de pacientes Trombolizados.