Agrupación de técnicas inteligentes para predecir Reacción Adversa a Medicamentos / Grouping smart techniques to predict Adverse Drug Reaction
Rev. cuba. inform. méd
; 9(1)ene.-jun. 2017.
Article
em Es
| LILACS, CUMED
| ID: biblio-844925
Biblioteca responsável:
CU1.1
RESUMEN
Las Reacciones Adversas a Medicamentos (RAM) pueden causar incapacidad temporal o permanente al paciente, incluso tener un desenlace fatal. La ocurrencia de las RAM, presentan costos directos teniendo en cuenta salario de la persona, gasto de material y costo de los medicamentos, los cuales aumentan la cuantía al tratarla. Con el objetivo de predecir que RAM le puede causar a un paciente, teniendo en cuenta las características de los pacientes, la interacción entre medicamentos y las propias RAM; se crean y agrupan algunas técnicas de inteligencia artificial, donde cada una de ellas resuelve un problema determinado, pero en conjunto logran predecir una Reacción Adversa a Medicamentos. Entre las técnicas aplicadas se encuentra razonamiento basado en caso, razonamiento basado en reglas y reconocimiento de patrones. La validación de cada una de estas técnicas se realiza de forma independiente, demostrando que el uso de estas, permite a los profesionales de salud contar con un apoyo informático en el momento de la consulta médica(AU)
ABSTRACT
Adverse Drug Reactions (ADRs) can cause temporary or permanent disability to the patient, even resulting in a fatal outcome. The occurrence of ADRs present direct costs taking into account salary of the person, expenditure of material and cost of medicines, which increase the amount when dealing with it. With the aim of predicting which RAM can cause a patient, taking into account the characteristics of patients, the interaction between medications and the RAM itself; Some artificial intelligence techniques are created and grouped, where each one solves a specific problem, but together they can predict an Adverse Drug Reaction. Among the applied techniques is case-based reasoning, rule-based reasoning, and pattern recognition. The validation of each of these techniques is performed independently, demonstrating that the use of these, allows health professionals to have a computer support at the time of medical consultation(AU)
Palavras-chave
Texto completo:
1
Base de dados:
CUMED
/
LILACS
Assunto principal:
Informática Médica
/
Inteligência Artificial
/
Efeitos Colaterais e Reações Adversas Relacionados a Medicamentos
/
Previsões
Tipo de estudo:
Prognostic_studies
/
Risk_factors_studies
Limite:
Humans
Idioma:
Es
Ano de publicação:
2017
Tipo de documento:
Article