Estudios de cohortes. 1ª parte. Descripción, metodología y aplicaciones

Salazar, Fabiana; Manterola, Carlos; Quiroz, S Guissela; García, Mabel; Otzen, H Tamara; Verdugo, Miriann Alexandra Mora; Duque, Peña

doi:10.35687/s2452-45492019005431

Cited by 11 publications

(11 citation statements)

References 37 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Only 6.4% of the studies were case–control studies, while the vast majority were cohort studies. This may limit the use of these results in clinical practice ( Salazar et al, 2019 ). Only one study was multicenter for predicting neonatal morbidity ( Khatibi et al, 2019 ), representing higher quality evidence.…”

Section: Discussionmentioning

confidence: 99%

Using Machine Learning to Predict Complications in Pregnancy: A Systematic Review

Bertini

Salas

Chabert

et al. 2022

Front. Bioeng. Biotechnol.

View full text Add to dashboard Cite

Introduction: Artificial intelligence is widely used in medical field, and machine learning has been increasingly used in health care, prediction, and diagnosis and as a method of determining priority. Machine learning methods have been features of several tools in the fields of obstetrics and childcare. This present review aims to summarize the machine learning techniques to predict perinatal complications.Objective: To identify the applicability and performance of machine learning methods used to identify pregnancy complications.Methods: A total of 98 articles were obtained with the keywords “machine learning,” “deep learning,” “artificial intelligence,” and accordingly as they related to perinatal complications (“complications in pregnancy,” “pregnancy complications”) from three scientific databases: PubMed, Scopus, and Web of Science. These were managed on the Mendeley platform and classified using the PRISMA method.Results: A total of 31 articles were selected after elimination according to inclusion and exclusion criteria. The features used to predict perinatal complications were primarily electronic medical records (48%), medical images (29%), and biological markers (19%), while 4% were based on other types of features, such as sensors and fetal heart rate. The main perinatal complications considered in the application of machine learning thus far are pre-eclampsia and prematurity. In the 31 studies, a total of sixteen complications were predicted. The main precision metric used is the AUC. The machine learning methods with the best results were the prediction of prematurity from medical images using the support vector machine technique, with an accuracy of 95.7%, and the prediction of neonatal mortality with the XGBoost technique, with 99.7% accuracy.Conclusion: It is important to continue promoting this area of research and promote solutions with multicenter clinical applicability through machine learning to reduce perinatal complications. This systematic review contributes significantly to the specialized literature on artificial intelligence and women’s health.

show abstract

Section: Discussionmentioning

confidence: 99%

Using Machine Learning to Predict Complications in Pregnancy: A Systematic Review

Bertini

Salas

Chabert

et al. 2022

Front. Bioeng. Biotechnol.

View full text Add to dashboard Cite

show abstract

“…Un estudio de cohorte prospectiva podría llegar a ser erróneamente etiquetado como un ensayo clínico controlado no aleatorizado. No obstante, la Figura 1 nos recuerda que en los estudios experimentales siempre existe intervención sobre las variables en estudio, mientras que en los observacionales (como es el caso de los estudios de cohortes), el investigador se limita a documentar la presencia de exposición(es) y resultado(s) tal y como se producen, sin intentar alterar el curso de los acontecimientos naturales (30,31).…”

Section: Aspectos Metodológicosunclassified

Diseño de investigaciones: algoritmo de clasificación y características esenciales

Torales,

Barrios

2023

Medicina Clínica Y Social

View full text Add to dashboard Cite

Mientras que la investigación primaria implica la participación activa del propio investigador, la investigación secundaria consiste en la síntesis y el análisis de los resultados organizados y publicados por otros como investigaciones primarias. En Medicina, una investigación primaria busca llegar a una conclusión válida para mejorar la salud humana, utilizando el método científico. Por lo tanto, se requiere de una investigación bien diseñada, que se sostenga sobre la base sólida de una metodología detallada y regida por principios clínicos éticos. Esto es importante, puesto que en las Ciencias Médicas solo pueden extraerse conclusiones significativas a partir de los datos recogidos y los resultados obtenidos a través de un diseño científico adecuado. Por lo tanto, la selección de un diseño de investigación correcto es importante para responder, de manera imparcial y científica, a las preguntas que el investigador se ha planteado. En este artículo de revisión se presenta una propuesta de algoritmo de clasificación de los diseños de investigación primaria. Asimismo, se discuten los distintos tipos de diseño utilizados en investigación primaria médica, desde el paradigma cuantitativo. Se ilustran, con ejemplos, las características clave que hacen al concepto, aspectos metodológicos y ventajas y limitaciones, así como las posibilidades de uso de los distintos tipos de diseño. Conocer todo esto es crucial, puesto que la calidad, fiabilidad y posibilidad de publicar una investigación en Medicina dependen decisivamente de la selección de un diseño de investigación adecuado.

show abstract

“…Siendo así una investigación de cohorte en la cual se seleccionaron dos grupos con características similares con el fin de comparar la eficacia dos modos diferentes de profilaxis antibiótica. Se le denomina estudio de cohorte dado que este tipo de estudio evidencia la necesidad de comprender la aparición de sucesos durante un periodo de tiempo (Salazar et al, 2019).…”

Section: Metodologíaunclassified

Uso de ampicilina como profilaxis antibiótica en cirugía ginecológica de perras

Marquez

Obando

2023

View full text Add to dashboard Cite

Introducción. El empleo de antibióticos en la medicina veterinaria ha crecido desde sus inicios. Las intervenciones quirúrgicas en las mascotas suponen problemáticas en el postoperatorio, como lo es el uso adecuado de antibióticos para la prevención de infecciones. La ampicilina ha sido el antibiótico de elección para uso veterinario debido a su gran nivel de seguridad en animales, así como a los escasos efectos adversos que genera en caninos. Objetivo. De tal modo, el objetivo de esta investigación es comparar la efectividad de dos métodos para profilaxis antibióticas a base de ampicilina en procesos quirúrgicos ginecológicos en dos grupos de perras. Metodología. Este estudio tiene un diseño descriptivo, con enfoque cualitativo y de carácter longitudinal, de tipo observacional y analítico. Resultados. El 34.37% del grupo no mostro crecimiento bacteriano después 72 horas de incubación posterior al tratamiento profiláctico, y el 65.63% restante obtuvo un crecimiento desde 1.000 a 3.000 UFC. En el grupo tratamiento el 37.5% no presento crecimiento bacteriano, y el 62.5% restante presento crecimiento de 1.000 a 3.000 UFC. Conclusión. La ampicilina presenta gran efectividad como tratamiento profiláctico para cirugías ginecológicas en perras, el modo de administrar este antibiótico no varía en los resultados de los dos grupos evaluados. Es recomendable emplear la profilaxis antibiótica de uso corto para disminuir la incidencia de resistencia bacteriana. Área de estudio: veterinaria.

show abstract

Estudios de cohortes. 1ª parte. Descripción, metodología y aplicaciones

Cited by 11 publications

References 37 publications

Using Machine Learning to Predict Complications in Pregnancy: A Systematic Review

Using Machine Learning to Predict Complications in Pregnancy: A Systematic Review

Diseño de investigaciones: algoritmo de clasificación y características esenciales

Uso de ampicilina como profilaxis antibiótica en cirugía ginecológica de perras

Contact Info

Product

Resources

About