Variables de Incidencia en la Mortalidad de Pacientes con Tuberculosis en el Departamento del Tolima
ACI Vol 1 No 1
PDF

Palabras clave

Tuberculosis, variables, salud publica, modelo de aprendizaje.

Resumen

 La tuberculosis (TB) es la décimo tercera causa de muerte en el mundo,
 en Colombia el país ha adoptado la “Estrategia Mundial denominada Fin a
 la TB 2016-2035” a fin de mitigar el contagio y muertes por la enferme
dad. En el análisis de la TB se han definido variables tales como la edad,
 sexo, las condiciones de salubridad y residencia del paciente. Variables
 que están asociadas al desarrollo más temprano de esta enfermedad,
 no obstante, no se ha confirmado que necesariamente sean estas quie
nes determinen una condición mortal en el paciente. Es por ello que a
 través de un modelo machine learning se determinan las características
 más importantes que están relacionadas con la evolución de la enferme
dad TB y caracterizar los perfiles de pacientes con TB, de acuerdo a la
 información de las bases de datos de la plataforma de notificación de
 eventos en salud pública SIVIGILA y así poder estimar el porcentaje de
 mortalidad que puede llegar a tener un paciente de TB. Realizando la
 implementación se pudo mejorar el modelo base del modelo basado en
 reglas siendo el Quadratic Discriminant Analysis el mejor por sus métri
cas las cuales no son muy buenas pero tienen una tendencia de superar
 el modelo base

PDF

Referencias

Becker, A., Blüthgen, C., van, V., Sekaggya-Wiltshire, C., Castelnuovo, B., Kambugu, A., Fehr, J.,

and Frauenfelder, T. (2018). Detection of tuberculosis patterns in digital photographs of chest x-ray

images using deep learning: Feasibility study. The international journal of tuberculosis and lung disea

se : the official journal of the International Union against Tuberculosis and Lung Disease, 22:328–335, DOI:

5588/ijtld.17.0520.

Curioso, W. H. and Brunette, M. J. (2020). Inteligencia artificial e innovación para optimizar el proceso

de diagnóstico de la tuberculosis. Revista Peruana de Medicina Experimental y Salud Pública, 37(3):554–8,

DOI: 10.17843/rpmesp.2020.373.5585, https://doi.org/10.17843/rpmesp.2020.373.5585.

Larico Cruz, C. M. (2009). Conocimientos de las medidas preventivas y actitudes en el autocuidado

de pacientes con tuberculosis pulmonar en el centro de salud los libertadores en noviembre–diciembre

Melendez, J., Sánchez, C. I., Philipsen, R. H. H. M., Maduskar, P., Dawson, R., Theron, G., Dheda, K.,

and van Ginneken, B. (2016a). An automated tuberculosis screening strategy combining x-ray-based

computer-aided detection and clinical information. Scientific reports, 6:25265, ISSN: 2045-2322, DOI:

1038/srep25265.

Melendez, J., Sánchez, C. I., Philipsen, R. H. H. M., Maduskar, P., Dawson, R., Theron, G., Dheda, K.,

and van Ginneken, B. (2016b). An automated tuberculosis screening strategy combining x-ray-based

computer-aided detection and clinical information. Scientific reports, 6:25265, ISSN: 2045-2322, DOI:

1038/srep25265, https://europepmc.org/articles/PMC4850474.

Organization, W. H. (2019). Global tuberculosis report 2019. World Health Organization.

SIVIGILA (2022).

Data: Sistema de vigilancia en salud pública.

https://colab.research.google.com/drive/ Accedido: 16 de mayo de 2022".

Disponible en