Predicción de estados de hipotensión empleando modelos ocultos de Markov

Main Article Content

Autores

Diego Evin
Alejandro Hadad
Mauro Martina
Bartolomé Drozdowicz

Abstract

Se estudia la utilización de modelos ocultos de Markov para predecir estados de hipotensión en pacientes internados en unidades de cuidados intensivos. El procedimiento de predicción desarrollado cuenta con dos modelos de Markov, uno entrenado con datos fisiológicos de pacientes que en un determinado intervalo de tiempo desarrollan estados de hipotensión, y otro entrenado con datos de pacientes en los cuales no se registra dicho cuadro. Ante datos de un nuevo paciente y empleando un marco bayesiano, el sistema estima qué modelo explica mejor las nuevas observaciones, y se establece una asociación del paciente a la clase del modelo seleccionado. Experimentos preliminares empleando el modelo propuesto sobre datos estándar muestran resultados promisorios.

Article Details

Licence

The journal authorizes the total or partial reproduction of the published article, as long as the source, including the name of the Journal, author(s), year, volume, issue, and pages are cited.

The ideas and assertions expressed by the authors are their solely responsibility and do not represent the views and opinions of the Journal or its editors.

All articles included in the Revista Facultad de Ingeniería are published under the Creative Commons (BY) license.

Authors must complete, sign, and submit the Review and Publication Authorization Form of the manuscript provided by the Journal; this form should contain all the originality and copyright information of the manuscript.

The authors  keep copyright, however, once the work in the Journal has been published, the authors must always allude to it.

The Journal allows and invites authors to publish their work in repositories or on their website after the presentation of the number in which the work is published with the aim of generating greater dissemination of the work.

Downloads

Download data is not yet available.