Predicción de Sepsis en Colombia

Abstract

Nuestro proyecto de grado se enfocó en la predicción de la sepsis en Colombia utilizando algoritmos como árboles de decisión, máquinas de soporte de vectores y regresión logística. Para obtener los datos necesarios, se utilizaron registros electrónicos de salud (EHRs) del Hospital Universitario San Ignacio. Estos datos fueron sometidos a un proceso exhaustivo de limpieza, transformación y preprocesamiento para asegurar su calidad y adecuación para el entrenamiento de los modelos.

El objetivo principal del proyecto fue desarrollar un artefacto web que permitiera a los científicos de datos visualizar de manera práctica los resultados del modelo de predicción de sepsis. Para lograrlo, se utilizó Python como lenguaje de backend con el framework Django, y TypeScript como lenguaje de frontend con el framework Angular.

El proyecto demostró la importancia de utilizar datos clínicos para abordar problemas de salud como la sepsis, y cómo los algoritmos de aprendizaje automático pueden ayudar en la predicción temprana de esta enfermedad. Además, el desarrollo del artefacto web destacó la capacidad del autor para implementar soluciones completas y accesibles para los usuarios finales.

Nuestro trabajo de grado sobre la predicción de sepsis en Colombia combinó la recolección y procesamiento de datos clínicos con la implementación de algoritmos de aprendizaje automático y el desarrollo de una interfaz web interactiva. Este enfoque integral proporcionó una herramienta útil para los científicos de datos y se espera contribuir al avance de la detección temprana de la sepsis y, potencialmente, a la mejora de los resultados de salud en el país.