Ítem
Acceso Abierto
Agrupamiento de fenotipos establecidos a partir de aprendizaje de máquina no supervisado para pacientes con Sepsis Neonatal No Confirmada y menor a 33 semanas según tasa de uso de antibióticos
Título de la revista
Autores
Beltrán Gasca, Juan Carlos
Fecha
2025-09-19
Directores
Orjuela Cañón, Alvaro David
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Escuela Colombiana de Ingeniería Julio Garavito
Escuela Colombiana de Ingeniería Julio Garavito
Buscar en:
Métricas alternativas
Resumen
La sepsis neonatal causa mucha mortalidad y morbilidad sobre todo en la población de prematuros, aclarando que no hay consenso en su definición y que la sospecha se basa fundamentalmente en el cambio de la evolución del neonato examinado, lo que condiciona al médico tratante al inicio de antibióticos de manera empírica con amplia cobertura y con una duración muy variada. Estos dos últimos factores conllevan a mayor morbi- mortalidad. Insistir en esta asociación es muy importante por que como se demuestra en estudios recientes, aunque se ha logrado con el tiempo una disminución en los días de tratamiento, aún no se ha logrado disminuir el número de neonatos expuestos a los antibióticos empíricos. Se pretende utilizar una estrategia de aprendizaje de máquina para la búsqueda de esta asociación entre duración de antibióticos empíricos y muerte en una base de datos anónimos de libre acceso en la que todos los pacientes fueron evaluados y tratados por sospecha de sepsis temprana o sepsis tardía.
Abstract
Neonatal sepsis causes significant mortality and morbidity, particularly in premature infants. It's important to clarify that there is no consensus on its definition, and suspicion is primarily based on changes in the neonate's clinical course. This often leads the attending physician to initiate empirical antibiotics with broad coverage and varying durations. These last two factors contribute to increased morbidity and mortality. Emphasizing this association is crucial because, as recent studies have shown, although the duration of treatment has decreased over time, the number of neonates exposed to empirical antibiotics has not yet been reduced. This study aims to use a machine learning strategy to investigate this association between the duration of empirical antibiotics and death in an open-access, anonymous database where all patients were evaluated and treated for suspected early-onset or late-onset sepsis.
Palabras clave
Sepsis neonatal , Tasa de uso de antibióticos (AUR) , Aprendizaje de máquina , Mortalidad
Keywords
Neonatal Sepsis , Antibiotic Use Rate (AUR) , Machine Learning , Mortality
