Q3179048 (Q3179048): Difference between revisions
Jump to navigation
Jump to search
(Created a new Item) |
(Changed label, description and/or aliases in en) |
||
| description / en | description / en | ||
Project | Project Q3179048 in Spain | ||
Revision as of 11:28, 8 October 2021
Project Q3179048 in Spain
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | No label defined |
Project Q3179048 in Spain |
Statements
12,750.0 Euro
0 references
25,500.0 Euro
0 references
50.0 percent
0 references
1 January 2018
0 references
31 March 2021
0 references
UNIVERSIDAD REY JUAN CARLOS
0 references
28058
0 references
Las patologías crónicas representan el 75% del gasto sanitario. Este hecho, unido al aumento de la esperanza de vida, hace muy interesante estudiar qué factores influyen en la progresión de patologías crónicas. La hipertensión arterial (HTA) es una de las patologías crónicas de mayor prevalencia, pudiendo estar asociada al inicio de otras condiciones crónicas como la diabetes mellitus tipo 2 (DM-2). Además de las comorbilidades de HTA y DM-2, su ocurrencia simultánea aumenta significativamente el riesgo de eventos cardiovasculares. Puesto que no existe un registro unificado de toda la información asistencial y farmacológica, se utilizarán datos heterogéneos recogidos por el Hospital Universitario de Móstoles (HUM) y el Hospital Universitario de Fuenlabrada (HUF), apoyados tecnológicamente por la Universidad Rey Juan Carlos. Por un lado, los datos asociados al HUM proceden de una población derivada a la Unidad de Hipertensión y fueron recogidos durante el seguimiento dentro de esta unidad. Por otro lado, los datos clínicos aportados por el HUF corresponden a diagnósticos y dispensación farmacológica de toda la población adscrita al hospital. Los métodos de aprendizaje automático han mostrado su potencial para identificar variables relevantes y realizar inferencia a partir de datos suficientemente representativos del problema. El análisis de las inter-relaciones esperablemente complejas entre los factores de riesgo, así como la heterogeneidad de los datos intra e inter bases de datos, necesitará sin duda de la creación de herramientas de análisis avanzadas y adaptadas a ambos escenarios clínicos y a su explotación transversal. El objetivo principal del proyecto es diseñar nuevas herramientas de aprendizaje automático que permitan identificar factores de riesgo para caracterizar la progresión de un paciente hipertenso a DM-2, así como determinar su potencial relación con eventos cardiovasculares. (Spanish)
0 references
Fuenlabrada
0 references
Identifiers
DTS17_00158
0 references