Cr\u00e9dito: Unsplash\/CC0 Dominio p\u00fablico <\/p>\n
Investigadores de la Facultad de Medicina de la Universidad de Minnesota publicaron recientemente los hallazgos PLOS ONE que evaluaron el rendimiento en tiempo real de un aprendizaje autom\u00e1tico (ML) que apoy\u00f3 toma de decisiones para el alta del departamento de emergencias en los hospitales M Health Fairview. <\/p>\n
El equipo multidisciplinario de intensivistas, hospitalistas, m\u00e9dicos de urgencias e inform\u00e1ticos evalu\u00f3 el rendimiento en tiempo real de una herramienta de pron\u00f3stico de COVID-19 habilitada para ML. Esta herramienta brind\u00f3 apoyo en la toma de decisiones cl\u00ednicas a los proveedores del departamento de emergencias para facilitar la toma de decisiones compartida con los pacientes con respecto al alta. <\/p>\n
\u00abCOVID-19 ha sobrecargado los sistemas de atenci\u00f3n m\u00e9dica desde m\u00faltiples facetas diferentes, y encontrar formas de aliviar el estr\u00e9s es crucial\u00bb, dijo la Dra. Monica Lupei, profesora asistente en la Facultad de Medicina de la U of M y directora m\u00e9dica M Health Fairview University of Minnesota Medical CenterWest Bank.<\/p>\n
Dirigido por el Dr. Lupei, el equipo de investigaci\u00f3n de la Universidad desarroll\u00f3 e implement\u00f3 con \u00e9xito un modelo de predicci\u00f3n de COVID-19 en el sistema de atenci\u00f3n m\u00e9dica M Health Fairview de 12 sitios que funcion\u00f3 bien a trav\u00e9s del g\u00e9nero, la raza y el origen \u00e9tnico para tres resultados diferentes. El algoritmo de regresi\u00f3n log\u00edstica creado para predecir COVID-19 grave funcion\u00f3 bien en las personas bajo investigaci\u00f3n, aunque se desarroll\u00f3 en una poblaci\u00f3n positiva de COVID-19. <\/p>\n
Drs. Christopher Tignanelli, Michael Usher, Danni Li y Nicholas Ingraham han sido fundamentales en la creaci\u00f3n y evaluaci\u00f3n del modelo predictivo de la COVID-19. <\/p>\n
\u00abLos sistemas de decisiones cl\u00ednicas a trav\u00e9s de modelos predictivos habilitados para ML pueden contribuir a la atenci\u00f3n del paciente, reducir las variaciones indebidas en la toma de decisiones y optimizar la utilizaci\u00f3n de recursos, especialmente durante una pandemia\u00bb, dijo el Dr. Lupei.<\/p>\n
Se puede desarrollar, validar e implementar un modelo de regresi\u00f3n log\u00edstica habilitado para ML como soporte de decisiones cl\u00ednicas en m\u00faltiples hospitales mientras se mantiene un alto rendimiento en la validaci\u00f3n en tiempo real y se mantiene equitativo.<\/p>\n
Dr. Lupei recomienda que el efecto sobre los resultados de los pacientes y el uso de recursos debe evaluarse e investigarse m\u00e1s con el modelo ML. <\/p>\n
Explore m\u00e1s<\/p>\n
El equipo desarrolla un algoritmo de inteligencia artificial para analizar las radiograf\u00edas de t\u00f3rax en busca de COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Monica I. Lupei et al, Una evaluaci\u00f3n prospectiva de una decisi\u00f3n cl\u00ednica en 12 hospitales apoyar algoritmo de pron\u00f3stico basado en regresi\u00f3n log\u00edstica como forma de aprendizaje autom\u00e1tico para facilitar la toma de decisiones a pacientes con sospecha de COVID-19, PLOS ONE (2022). DOI: 10.1371\/journal.pone.0262193 Informaci\u00f3n de la revista:<\/strong> PLoS ONE <\/p>\n Proporcionado por la Facultad de Medicina de la Universidad de Minnesota Cita<\/strong>: Los investigadores encuentran que el aprendizaje autom\u00e1tico apoya a los departamentos de emergencia (2022 , 25 de enero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-01-machine-emergency-departments.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Unsplash\/CC0 Dominio p\u00fablico Investigadores de la Facultad de Medicina de la Universidad de Minnesota publicaron recientemente los hallazgos PLOS ONE que evaluaron el rendimiento en tiempo real de un aprendizaje autom\u00e1tico (ML) que apoy\u00f3 toma de decisiones para el alta del departamento de emergencias en los hospitales M Health Fairview. El equipo multidisciplinario de … Continuar leyendo \u00abInvestigadores encuentran que el aprendizaje autom\u00e1tico es compatible con los departamentos de emergencias\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-6045","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6045","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=6045"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6045\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=6045"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=6045"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=6045"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}