Desarrollo de un modelo de gestión sostenible para el manejo preventivo de infecciones en unidades de cuidados intensivos desde un enfoque intersectorial utilizando herramientas de inteligencia artificial
Files
Date
2025-07-21
Authors
Journal Title
Journal ISSN
Volume Title
Director
Research teaching director
Non-research teaching director
External teaching director
Publisher
Fundación Universidad de América
Abstract
El presente trabajo propone una metodología innovadora para abordar la problemática del diagnóstico temprano de enfermedades nosocomiales, en ambientes hospitalarios, con énfasis particular en Unidades de Cuidados Intensivos (UCI). Como estudio de caso representativo, se seleccionó la candidiasis, una infección fúngica oportunista de alta incidencia en pacientes críticos, cuyo diagnóstico oportuno representa un desafío clínico relevante. El enfoque adoptado es de carácter socio-ambiental, destacando cómo factores como la raza y edad, inciden significativamente en la oportunidad del diagnóstico oportuno de la candidiasis. A través de técnicas de minería de datos aplicadas a la base de datos médica MIMIC IV, la cual contiene información clínica desacoplada de una gran cantidad de pacientes hospitalizados, se extrajo una muestra segmentada en ocho grupos, definidos por la combinación de diagnósticos de sepsis y candidiasis en pacientes que fueron ingresados a UCI. Los datos de esta muestra fueron filtrados, ordenados y estratificados considerando variables socio-ambientales y trazabilidad clínica relevante, como resultados de laboratorios clínicos y microbiológicos, fundamentales para el diagnóstico de la candidiasis.
Description
This paper proposes an innovative methodology to address the problem of early diagnosis of nosocomial diseases in hospital settings, with particular emphasis on Intensive Care Units (ICUs). Candidiasis, a highly prevalent opportunistic fungal infection in critically ill patients, was selected as a representative case study. The approach adopted is socio-environmental, highlighting how factors such as race and age significantly influence the timeliness of candidiasis diagnosis. Using data mining techniques applied to the MIMIC IV medical database, which contains decoupled clinical information on a large number of hospitalized patients, a sample was segmented into eight groups, defined by the combination of sepsis and candidiasis diagnoses in patients admitted to the ICU. The data from this sample were filtered, sorted, and stratified, taking into account socio-environmental variables and relevant clinical traceability, such as clinical and microbiological laboratory results, which are essential for the diagnosis of candidiasis.
Keywords
Atención temprana de pacientes, Inteligencia Artificial, Minería de datos, Early patient care, Artificial Intelligence, Data Mining, Tesis y disertaciones académicas
Citation
APA 7th - Ortiz Peña, C. M. (2025) Desarrollo de un modelo de gestión sostenible para el manejo preventivo de infecciones en unidades de cuidados intensivos desde un enfoque intersectorial utilizando herramientas de inteligencia artificial. [Tesis de Maestría, Fundación Universidad de América] Repositorio Institucional Lumieres. https://hdl.handle.net/20.500.11839/10089