Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/150965
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorRueda Aldana, Laura Sofia-
dc.date.accessioned2024-07-19T05:22:10Z-
dc.date.available2024-07-19T05:22:10Z-
dc.date.issued2024-06-17-
dc.identifier.urihttp://hdl.handle.net/10609/150965-
dc.description.abstractCon la creciente prevalencia del cáncer a nivel mundial, se ha incrementado el interés del control de las complicaciones y síntomas derivados de esta patología, en especial del dolor oncológico, el cual es el síntoma más común experimentado por estos pacientes y, teniendo en cuenta que el dolor oncológico es una condición crónica, de características mixtas y multifactorial, lo que hace que este síntoma sea muy complejo de manejar, ya que requiere para su tratamiento un abordaje multidisciplinario, así como el uso de analgesia que va más allá de las estrategias analgésicas estandarizadas, lo cual es costoso para los sistemas de salud a nivel mundial, surge la necesidad de encontrar herramientas innovadoras y costo efectivas que puedan ayudar a mejorar el abordaje de este síntoma de manera eficaz. Por lo anterior, se considera la respuesta a esta problemática pudiera estar en el uso y desarrollo de herramientas de machine learning.es
dc.description.abstractWith the increasing prevalence of cancer worldwide, interest has increased in the control of complications and symptoms derived from this pathology, especially cancer pain, which is the most common symptom experienced by these patients and, taking into account that cancer pain is a chronic condition, with mixed and multifactorial characteristics, which makes this symptom very complex to manage, since it requires a multidisciplinary approach for its treatment, as well as the use of analgesia that goes beyond the standardized analgesic strategies, which is costly for health systems worldwide, the need arises to find innovative and cost-effective tools that can help improve the approach to this symptom effectively. Due to the above, it is considered that the answer to this problem could lie in the use and development of machine learning tools.en
dc.format.mimetypeapplication/pdfca
dc.language.isospaca
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/-
dc.subjectaprendizaje automático, dolor oncológico.ca
dc.subjectOncological pain, Machine Learning, deep learningen
dc.titleMACHINE LEARNING UNA SOLUCIÓN PARA MEJORAR LA PERCEPCIÓN DEL DOLOR EN PACIENTES DE DOLOR ONCOLÓGICO AL PREDECIR Y MEJORAR LA GESTIÓN DE ESTE SÍNTOMA EN LA PRÁCTICA MÉDICA ACTUALca
dc.typeinfo:eu-repo/semantics/masterThesisca
dc.contributor.tutorChacón Vargas, Karla Azucena-
Aparece en las colecciones: Trabajos finales de carrera, trabajos de investigación, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TFM DEFINITIVO CON ANEXOS.pdf1,11 MBAdobe PDFVista previa
Visualizar/Abrir
Comparte:
Exporta:
Consulta las estadísticas

Los ítems del Repositorio están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.