• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Final
 

Final

on

  • 618 views

 

Statistics

Views

Total Views
618
Views on SlideShare
618
Embed Views
0

Actions

Likes
0
Downloads
0
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Final Final Presentation Transcript

    • Anticipacion a la sepsis y sepsis severa
      Analisis de conglomerados jerárquico.
    • Descripción.
      Dado que la cantidad de variables en antecedentes médicos puede ser muy amplia, se hace necesario clasificar a los pacientes en perfiles para poder hacer un mejor manejo de los datos.
      El analisis de conglomerados jerárquico, clasifica a los paciente dependiendo en este caso de sus antecedentes médicos creando perfiles y estos perfiles a su vez describen la condicion antecedente del paciente.
    • Método.
      Técnica: Analisis de conglomerados jerárquicos.
      Transformación de los datos: distancia euclídea al cuadrado para variables binarias.
      Método de conglomeración: Vecino mas próximo.
    • Resultados.
      El analisis converge en sugerir cinco perfiles de antecedentes.
      Ver tabla 1
    • Perfiles de antecedentes médicos
    • Distribución de los perfiles de antecedentes en la población
    • Riesgo implicado
    • Factores asociados a infección.
      Analisis de conglomerados jerarquico.
    • Descripción.
      De manera similar a los perfiles antecedentes, es importante el diseño de perfiles de factores asociados a procesos infecciosos y así poder manejar mejor los datos recogidos.
    • Método.
      Técnica: Analisis de conglomerados jerárquicos.
      Transformación de los datos: distancia euclídea al cuadrado para variables binarias.
      Método de conglomeración: Vecino mas próximo.
    • Resultados.
      El analisis converge en sugerir tres perfiles de antecedentes.
      Hay muchos casos sin clasificar y estos casos constituyen otro cluster o perfil
      Ver tabla 2
    • Distribución de los perfiles de asociados a infección
    • RIESGO IMPLICADO
    • Utilidad de los perfiles de ingreso, en la predicción de sepsis vs sepsis severa.Observación 1
    • Perfil de ingreso y sepsis en observación 1
    • Indicadores de rendimiento COR
    • Perfil de ingreso y sepsis severa en observación 1
    • Indicadores de rendimiento COR
    • Distribución de perfiles de ingreso en la observación 1
    • Utilidad de los perfiles de ingreso, en la predicción de sepsis vs sepsis severa.Observación 2
    • Perfil de ingreso y sepsis en observación 2
    • Indicadores de rendimiento COR
    • Perfil de ingreso y sepsis severa en observación 2
    • Indicadores de rendimiento COR
    • Distribución de perfiles de ingreso en la observación 2
    • Perfiles clínicos observación 1
      Analisis de conglomerados jerárquico.
    • Perfiles clínicos observación 1
    • DISTRIBUCION DE LOS PERFILES CLINICOS PARA LA OBSERVACIÓN 1
    • RIESGO IMPLICADO
    • Perfiles clínicos observación 2
      Analisis de conglomerado jerarquico.
    • Perfiles clínicos de observación 2
    • DISTRIBUCIÓN DE LOS PERFILES CLINICOS PARA LA OBSERVACION 2
    • Utilidad de los perfiles clínicos, en la predicción de sepsis vs sepsis severa.Observación 1.
    • Perfil clínico 1 y sepsis.
    • Indicadores de rendimiento COR
    • Perfil clínico 1 y sepsis severa.
    • Indicadores de rendimiento COR
    • Distribución de perfiles clínicos.
    • Utilidad de los perfiles clínicos, en la predicción de sepsis vs sepsis severa.Observación 2.
    • Perfil clínico 2 y sepsis.
    • Indicadores de rendimiento COR
    • Perfil clínico 2 y sepsis severa.
    • Indicadores de rendimiento COR
    • Distribución de perfiles clínicos.