Desarrollo de modelos predictivos de machine learning para la reducción de hospitalizaciones en pacientes con insuficiencia cardíaca en la segunda fase del macroproyecto de monitoreo domiciliario con el FIT Seat del Laboratorio de Biomedicina Computacional del Instituto Tecnológico de Rochester
El presente trabajo de investigación se enmarca dentro del macroproyecto “Inconspicuous Daily Monitoring to Reduce Hospitalizations in Heart Failure Patients”, desarrollado por el Instituto tecnológico de Rochester (RIT por sus siglas en inglés) en colaboración con el Centro Médico de la Universidad...
- Autores:
-
Dorado Muñoz, Daniel
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad Autónoma de Occidente
- Repositorio:
- RED: Repositorio Educativo Digital UAO
- Idioma:
- spa
- OAI Identifier:
- oai:red.uao.edu.co:10614/16139
- Acceso en línea:
- https://hdl.handle.net/10614/16139
https://red.uao.edu.co/
- Palabra clave:
- Ingeniería Biomédica
Aprendizaje automático
Insuficiencia cardíaca
Predicción de eventos adversos
Monitoreo pasivo
Análisis exploratorio de datos
Hospitalización
Machine learning
Heart failure
Hospitalization
Adverse event prediction
Passive monitoring
FIT Seat
Exploratory data analysis
- Rights
- closedAccess
- License
- Derechos reservados - Universidad Autónoma de Occidente, 2025