FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W4200412853> ?p ?o ?g. }

• W4200412853 endingPage "e192" @default.
• W4200412853 startingPage "e180" @default.
• W4200412853 abstract "Resumen Introducción La predicción de la estadía hospitalaria luego de una artroplastia total de cadera (ATC) electiva es crucial en la evaluación perioperatoria de los pacientes, con un rol determinante desde el punto de vista operacional y económico. Internacionalmente, se han empleado macrodatos (big data, en inglés) e inteligencia artificial para llevar a cabo evaluaciones pronósticas de este tipo. El objetivo del presente estudio es desarrollar y validar, con el empleo del aprendizaje de máquinas (machine learning, en inglés), una herramienta capaz de predecir la estadía hospitalaria de pacientes chilenos mayores de 65 años sometidos a ATC por artrosis. Material y Métodos Empleando los registros electrónicos de egresos hospitalarios anonimizados del Departamento de Estadísticas e Información de Salud (DEIS), se obtuvieron los datos de 8.970 egresos hospitalarios de pacientes sometidos a ATC por artrosis entre los años 2016 y 2018. En total, 15 variables disponibles en el DEIS, además del porcentaje de pobreza de la comuna de origen del paciente, fueron incluidos para predecir la probabilidad de que un paciente presentara una estadía acortada (< 3 días) o prolongada (> 3 días) luego de la cirugía. Utilizando técnicas de aprendizaje de máquinas, 8 algoritmos de predicción fueron entrenados con el 80% de la muestra. El 20% restante se empleó para validar las capacidades predictivas de los modelos creados a partir de los algoritmos. La métrica de optimización se evaluó y ordenó en un ranking utilizando el área bajo la curva de característica operativa del receptor (area under the receiver operating characteristic curve, AUC-ROC, en inglés), que corresponde a cuan bien un modelo puede distinguir entre dos grupos. Resultados El algoritmo XGBoost obtuvo el mejor desempeño, con una AUC-ROC promedio de 0,86 (desviación estándar [DE]: 0,0087). En segundo lugar, observamos que el algoritmo lineal de máquina de vector de soporte (support vector machine, SVM, en inglés) obtuvo una AUC-ROC de 0,85 (DE: 0,0086). La importancia relativa de las variables explicativas demostró que la región de residencia, el servicio de salud, el establecimiento de salud donde se operó el paciente, y la modalidad de atención son las variables que más determinan el tiempo de estadía de un paciente. Discusión El presente estudio desarrolló algoritmos de aprendizaje de máquinas basados en macrodatos chilenos de libre acceso, y logró desarrollar y validar una herramienta que demuestra una adecuada capacidad discriminatoria para predecir la probabilidad de estadía hospitalaria acortada versus prolongada en adultos mayores sometidos a ATC por artrosis. Conclusión Los algoritmos creados a traves del empleo del aprendizaje de máquinas permiten predecir la estadía hospitalaria en pacientes chilenos operado de artroplastia total de cadera electiva." @default.
• W4200412853 created "2021-12-31" @default.
• W4200412853 creator A5008546922 @default.
• W4200412853 creator A5062732918 @default.
• W4200412853 creator A5071167703 @default.
• W4200412853 creator A5078872181 @default.
• W4200412853 date "2021-12-01" @default.
• W4200412853 modified "2023-09-28" @default.
• W4200412853 title "Premio de Investigación SCHOT 2020: desarrollo y validación de un modelo multivariables de predicción de estadía hospitalaria en pacientes mayores de 65 años sometidos artroplastia total de cadera electiva en Chile utilizando aprendizaje de máquinas" @default.
• W4200412853 cites W1529643479 @default.
• W4200412853 cites W2000656987 @default.
• W4200412853 cites W2058958368 @default.
• W4200412853 cites W2164330572 @default.
• W4200412853 cites W2330299338 @default.
• W4200412853 cites W2408805238 @default.
• W4200412853 cites W2787024792 @default.
• W4200412853 cites W2791029001 @default.
• W4200412853 cites W2791935492 @default.
• W4200412853 cites W2797763839 @default.
• W4200412853 cites W2808184318 @default.
• W4200412853 cites W2901199133 @default.
• W4200412853 cites W2907325165 @default.
• W4200412853 cites W2908035099 @default.
• W4200412853 cites W2909551888 @default.
• W4200412853 cites W2915714607 @default.
• W4200412853 cites W2937186836 @default.
• W4200412853 cites W2950320969 @default.
• W4200412853 cites W2952738914 @default.
• W4200412853 cites W2964224837 @default.
• W4200412853 cites W3004889343 @default.
• W4200412853 cites W3006110143 @default.
• W4200412853 cites W3015930813 @default.
• W4200412853 cites W3020640979 @default.
• W4200412853 cites W3025500386 @default.
• W4200412853 cites W3033368973 @default.
• W4200412853 cites W3049004267 @default.
• W4200412853 cites W3061327398 @default.
• W4200412853 cites W3108746652 @default.
• W4200412853 cites W4233026002 @default.
• W4200412853 doi "https://doi.org/10.1055/s-0041-1740232" @default.
• W4200412853 hasPublicationYear "2021" @default.
• W4200412853 type Work @default.
• W4200412853 citedByCount "0" @default.
• W4200412853 crossrefType "journal-article" @default.
• W4200412853 hasAuthorship W4200412853A5008546922 @default.
• W4200412853 hasAuthorship W4200412853A5062732918 @default.
• W4200412853 hasAuthorship W4200412853A5071167703 @default.
• W4200412853 hasAuthorship W4200412853A5078872181 @default.
• W4200412853 hasBestOaLocation W42004128531 @default.
• W4200412853 hasConcept C138885662 @default.
• W4200412853 hasConcept C15708023 @default.
• W4200412853 hasConcept C29456083 @default.
• W4200412853 hasConcept C71924100 @default.
• W4200412853 hasConceptScore W4200412853C138885662 @default.
• W4200412853 hasConceptScore W4200412853C15708023 @default.
• W4200412853 hasConceptScore W4200412853C29456083 @default.
• W4200412853 hasConceptScore W4200412853C71924100 @default.
• W4200412853 hasIssue "03" @default.
• W4200412853 hasLocation W42004128531 @default.
• W4200412853 hasOpenAccess W4200412853 @default.
• W4200412853 hasPrimaryLocation W42004128531 @default.
• W4200412853 hasRelatedWork W1506200166 @default.
• W4200412853 hasRelatedWork W1995515455 @default.
• W4200412853 hasRelatedWork W1999344589 @default.
• W4200412853 hasRelatedWork W2039318446 @default.
• W4200412853 hasRelatedWork W2080531066 @default.
• W4200412853 hasRelatedWork W2748952813 @default.
• W4200412853 hasRelatedWork W2789448498 @default.
• W4200412853 hasRelatedWork W2899084033 @default.
• W4200412853 hasRelatedWork W3032375762 @default.
• W4200412853 hasRelatedWork W3108674512 @default.
• W4200412853 hasVolume "62" @default.
• W4200412853 isParatext "false" @default.
• W4200412853 isRetracted "false" @default.
• W4200412853 workType "article" @default.