Editorial
Análisis avanzado de datos y medicina intensiva
Advanced data analysis and intensive care medicine
a Servicio de Medicina Intensiva, Hospital Universitario del Henares, Coslada, Madrid, España
b Grupo de Investigación en Patología Crítica, Universidad Francisco de Vitoria, Pozuelo de Alarcón, Madrid, España
c Escuela Politécnica Superior, Universidad Francisco de Vitoria, Pozuelo de Alarcón, Madrid, España
Leído
2712
Vecesse ha leído el artículo
526
Total PDF
2186
Total HTML
Compartir estadísticas
array:23 [ "pii" => "S0210569123002139" "issn" => "02105691" "doi" => "10.1016/j.medin.2023.07.001" "estado" => "S300" "fechaPublicacion" => "2024-01-01" "aid" => "1910" "copyright" => "Elsevier España, S.L.U. y SEMICYUC" "copyrightAnyo" => "2023" "documento" => "simple-article" "crossmark" => 1 "subdocumento" => "edi" "cita" => "Med Intensiva. 2024;48:1-2" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "Traduccion" => array:1 [ "en" => array:19 [ "pii" => "S2173572723001352" "issn" => "21735727" "doi" => "10.1016/j.medine.2023.07.012" "estado" => "S300" "fechaPublicacion" => "2024-01-01" "aid" => "1910" "copyright" => "Elsevier España, S.L.U. and SEMICYUC" "documento" => "simple-article" "crossmark" => 1 "subdocumento" => "edi" "cita" => "Med Intensiva. 2024;48:1-2" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "en" => array:10 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>" "titulo" => "Advanced data analysis and intensive care medicine" "tienePdf" => "en" "tieneTextoCompleto" => "en" "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "1" "paginaFinal" => "2" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Analisis avanzado de datos y medicina intensiva" ] ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Federico Gordo Vidal, Natalia Gordo Herrera" "autores" => array:2 [ 0 => array:2 [ "nombre" => "Federico" "apellidos" => "Gordo Vidal" ] 1 => array:2 [ "nombre" => "Natalia" "apellidos" => "Gordo Herrera" ] ] ] ] ] "idiomaDefecto" => "en" "Traduccion" => array:1 [ "es" => array:9 [ "pii" => "S0210569123002139" "doi" => "10.1016/j.medin.2023.07.001" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569123002139?idApp=WMIE" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572723001352?idApp=WMIE" "url" => "/21735727/0000004800000001/v1_202401020427/S2173572723001352/v1_202401020427/en/main.assets" ] ] "itemSiguiente" => array:19 [ "pii" => "S0210569123002085" "issn" => "02105691" "doi" => "10.1016/j.medin.2023.06.012" "estado" => "S300" "fechaPublicacion" => "2024-01-01" "aid" => "1907" "copyright" => "Elsevier España, S.L.U. y SEMICYUC" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Med Intensiva. 2024;48:3-13" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "en" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original article</span>" "titulo" => "Predictors of mechanical ventilation and mortality in critically ill patients with COVID-19 pneumonia" "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:2 [ 0 => "en" 1 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "3" "paginaFinal" => "13" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Predictores de ventilación mecánica y mortalidad en pacientes críticos con neumonía por COVID-19" ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:8 [ "identificador" => "fig0015" "etiqueta" => "Figure 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 1594 "Ancho" => 3425 "Tamanyo" => 463757 ] ] "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at0085" "detalle" => "Figure " "rol" => "short" ] ] "descripcion" => array:1 [ "en" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">ICU Mortality Tree Predictors. The predictors appear in different branches attending to their significance in the predictive model. Values in bold letters represent the registries per branch. Values in red bold letters represent the percentage of registries with positive outcome. The variable named as “DAYS_SIMPTONS_ADMISION” is related with the number of days from first symptoms to ICU admission. The variable “linf_total”, is related to lymphocyte count per mm3. The variable named as “dosis_equiv_mpred_5d” is related with the corticosteroid dose, during the first five days of admission (mg of equivalent methylprednisolone dose). The variable named as “bbTot” is related with the total levels of bilirubin in blood. The variable names as “ldh” is related to the lactate dehydrogenase serum level. The variable DAYS_UNTIL_O2 is related to the number of days until the patient requires O2.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Sergio Muñoz Lezcano, Miguel Ángel Armengol de la Hoz, Alberto Corbi, Fernando López, Miguel Sánchez García, Antonio Nuñez Reiz, Tomás Fariña González, Viktor Yordanov Zlatkov" "autores" => array:8 [ 0 => array:2 [ "nombre" => "Sergio" "apellidos" => "Muñoz Lezcano" ] 1 => array:2 [ "nombre" => "Miguel Ángel" "apellidos" => "Armengol de la Hoz" ] 2 => array:2 [ "nombre" => "Alberto" "apellidos" => "Corbi" ] 3 => array:2 [ "nombre" => "Fernando" "apellidos" => "López" ] 4 => array:2 [ "nombre" => "Miguel Sánchez" "apellidos" => "García" ] 5 => array:2 [ "nombre" => "Antonio Nuñez" "apellidos" => "Reiz" ] 6 => array:2 [ "nombre" => "Tomás Fariña" "apellidos" => "González" ] 7 => array:2 [ "nombre" => "Viktor Yordanov" "apellidos" => "Zlatkov" ] ] ] ] ] "idiomaDefecto" => "en" "Traduccion" => array:1 [ "en" => array:9 [ "pii" => "S2173572723001303" "doi" => "10.1016/j.medine.2023.07.009" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572723001303?idApp=WMIE" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569123002085?idApp=WMIE" "url" => "/02105691/0000004800000001/v1_202401020431/S0210569123002085/v1_202401020431/en/main.assets" ] "es" => array:12 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>" "titulo" => "Análisis avanzado de datos y medicina intensiva" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "1" "paginaFinal" => "2" ] ] "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "Federico Gordo Vidal, Natalia Gordo Herrera" "autores" => array:2 [ 0 => array:4 [ "nombre" => "Federico" "apellidos" => "Gordo Vidal" "email" => array:1 [ 0 => "fedegordovidal@gmail.com" ] "referencia" => array:3 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] 1 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] 2 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">*</span>" "identificador" => "cor0005" ] ] ] 1 => array:3 [ "nombre" => "Natalia" "apellidos" => "Gordo Herrera" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">c</span>" "identificador" => "aff0015" ] ] ] ] "afiliaciones" => array:3 [ 0 => array:3 [ "entidad" => "Servicio de Medicina Intensiva, Hospital Universitario del Henares, Coslada, Madrid, España" "etiqueta" => "a" "identificador" => "aff0005" ] 1 => array:3 [ "entidad" => "Grupo de Investigación en Patología Crítica, Universidad Francisco de Vitoria, Pozuelo de Alarcón, Madrid, España" "etiqueta" => "b" "identificador" => "aff0010" ] 2 => array:3 [ "entidad" => "Escuela Politécnica Superior, Universidad Francisco de Vitoria, Pozuelo de Alarcón, Madrid, España" "etiqueta" => "c" "identificador" => "aff0015" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "Autor para correspondencia." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Advanced data analysis and intensive care medicine" ] ] "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall">En el presente número de la revista, Muñoz Lezcano et al.<a class="elsevierStyleCrossRef" href="#bib0025"><span class="elsevierStyleSup">1</span></a> presentan los resultados del análisis de una base de datos generada de un sistema de información clínica con datos registrados en tiempo real. Este proyecto tiene como objetivo general la identificación de los factores de riesgo más significativos en pacientes que requieren ventilación mecánica no invasiva. Además, se aplican modelos para estudiar o determinar el pronóstico de pacientes COVID-19. Realizan el análisis mediante técnicas de aprendizaje automático.</p><p id="par0010" class="elsevierStylePara elsevierViewall">No solo se destacan los resultados obtenidos por los autores, sino que se enfatiza la utilidad de las técnicas de inteligencia artificial (IA) aplicadas a ámbitos como la medicina. El análisis de datos aplicado a pacientes críticos puede ayudar, incluso en tiempo real, a obtener resultados que permitan conocer las características específicas de diferentes grupos de pacientes, pudiendo así mejorar y personalizar la atención y la aplicación de tratamientos.</p><p id="par0015" class="elsevierStylePara elsevierViewall">En la propia revista <span class="elsevierStyleItalic">MEDICINA INTENSIVA</span> se han publicado recientemente varios estudios que aplican estas técnicas<a class="elsevierStyleCrossRefs" href="#bib0030"><span class="elsevierStyleSup">2-4</span></a>. Con los avances tecnológicos y la creciente cantidad de datos generados en los entornos clínicos, el futuro del análisis de datos en la atención a los pacientes críticos es prometedor y está destinado posiblemente a mejorar aún más la calidad y los resultados de la atención médica. Los algoritmos de aprendizaje automático y la IA están siendo utilizados para analizar grandes volúmenes de datos clínicos, como imágenes médicas, registros de salud electrónicos y resultados de pruebas de laboratorio. Estos algoritmos son capaces de identificar patrones sutiles que pueden indicar la presencia de una enfermedad o el desarrollo de complicaciones en los pacientes críticos. Esta anticipación podría marcar la diferencia en la supervivencia y en la recuperación de los pacientes. Otra área en la que el análisis de datos está avanzando es en la monitorización continua y en tiempo real. Los dispositivos médicos están o deberían estar cada vez más conectados, lo que permite la recopilación y la transmisión inmediata y segura de datos.</p><p id="par0020" class="elsevierStylePara elsevierViewall">Teniendo en cuenta todas las ventajas que la tecnología puede proporcionar al ámbito de la medicina, deberíamos pensar y facilitar un planteamiento de recogida y de almacenamiento de información que, por un lado, no comprometa la privacidad de los pacientes y, por otro lado, asegure la calidad y la integridad de los datos. No es un desafío fácil de abordar, pues requiere de, al menos, tres pasos críticos:<ul class="elsevierStyleList" id="lis0005"><li class="elsevierStyleListItem" id="lsti0005"><span class="elsevierStyleLabel">1.</span><p id="par0025" class="elsevierStylePara elsevierViewall">Creación de bases de datos fiables, colaborativas y accesibles.</p></li><li class="elsevierStyleListItem" id="lsti0010"><span class="elsevierStyleLabel">2.</span><p id="par0030" class="elsevierStylePara elsevierViewall">Conexión de equipos y sistemas realmente integrados que hablen el mismo lenguaje y capaces de transferir la información en tiempo real.</p></li><li class="elsevierStyleListItem" id="lsti0015"><span class="elsevierStyleLabel">3.</span><p id="par0035" class="elsevierStylePara elsevierViewall">Incorporación de perfiles profesionales que permitan trabajar los sistemas de IA y los datos de forma interdisciplinar.</p></li></ul></p><p id="par0040" class="elsevierStylePara elsevierViewall">Aunque el mundo tecnológico y, por tanto, de la IA avanza rápidamente, queda mucho camino por recorrer en la aplicación de este tipo de recursos en campos como la medicina, en particular la aplicación a casos críticos. Para poder continuar con la incorporación de estas técnicas en este campo, es necesario un replanteamiento sobre la planificación laboral y la incorporación de nuevos perfiles profesionales (o la creación de convenios de colaboración) que permitan un avance adecuado de este tipo de investigación para poder desarrollar realmente todo su potencial.</p><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0005">Conflicto de intereses</span><p id="par0045" class="elsevierStylePara elsevierViewall">Los autores declaran no tener conflicto de intereses en la realización del presente manuscrito.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:2 [ 0 => array:2 [ "identificador" => "sec0005" "titulo" => "Conflicto de intereses" ] 1 => array:1 [ "titulo" => "Bibliografía" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0015" "bibliografiaReferencia" => array:4 [ 0 => array:3 [ "identificador" => "bib0025" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Muñoz Lezcano S, Armengol de la Hoz MA, Corbi A, López F, Sánchez García M, Nuñez Reiz A, et al. Predictors of mechanical ventilation and mortality in critically ill patients with COVID-19 pneumonia. Med Intensiva. 2023. DOI: 10.1016/j.medine.2023.07.009" ] ] ] 1 => array:3 [ "identificador" => "bib0030" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Enhancing sepsis management through machine learning techniques: A review" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "N. Ocampo-Quintero" 1 => "P. Vidal-Cortés" 2 => "L. del Rio Carbajo" 3 => "F. Fernández-Riverola" 4 => "M. Reboiro-Jato" 5 => "M. González-Peña" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.medin.2020.04.003" "Revista" => array:6 [ "tituloSerie" => "Med Intensiva." "fecha" => "2022" "volumen" => "46" "paginaInicial" => "140" "paginaFinal" => "156" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/35221003" "web" => "Medline" ] ] ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib0035" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Early mortality risk stratification after SARS-CoV-2 infection" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "D.J. Lundon" 1 => "B.D. Kelly" 2 => "S. Nair" 3 => "D.M. Bolton" 4 => "N. Kyprianou" 5 => "P. Wiklund" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.medin.2020.06.011" "Revista" => array:5 [ "tituloSerie" => "Med Intensiva." "fecha" => "2021" "volumen" => "45" "paginaInicial" => "e40" "paginaFinal" => "e42" ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib0040" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Spanish Influenza Score (SIS): Usefulness of machine learning in the development of an early mortality prediction score in severe influenza" "autores" => array:1 [ 0 => array:2 [ "colaboracion" => "Grupo de Trabajo Gripe A Grave (GETGAG) de la Sociedad Española de Medicina Intensiva Crítica y Unidades Coronarias (SEMICYUC)" "etal" => false ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.medin.2020.05.017" "Revista" => array:6 [ "tituloSerie" => "Med Intensiva." "fecha" => "2021" "volumen" => "45" "paginaInicial" => "69" "paginaFinal" => "79" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32798052" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/02105691/0000004800000001/v1_202401020431/S0210569123002139/v1_202401020431/es/main.assets" "Apartado" => array:4 [ "identificador" => "443" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Editorial" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "PDF" => "https://static.elsevier.es/multimedia/02105691/0000004800000001/v1_202401020431/S0210569123002139/v1_202401020431/es/main.pdf?idApp=WMIE&text.app=https://medintensiva.org/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569123002139?idApp=WMIE" ]
| año/Mes | Html | Total | |
|---|---|---|---|
| 2024 Noviembre | 7 | 2 | 9 |
| 2024 Octubre | 144 | 57 | 201 |
| 2024 Septiembre | 173 | 42 | 215 |
| 2024 Agosto | 129 | 47 | 176 |
| 2024 Julio | 124 | 41 | 165 |
| 2024 Junio | 172 | 33 | 205 |
| 2024 Mayo | 157 | 99 | 256 |
| 2024 Abril | 290 | 63 | 353 |
| 2024 Marzo | 252 | 26 | 278 |
| 2024 Febrero | 278 | 41 | 319 |
| 2024 Enero | 367 | 50 | 417 |
| 2023 Noviembre | 1 | 4 | 5 |
| 2023 Octubre | 24 | 3 | 27 |
| 2023 Septiembre | 36 | 9 | 45 |
| 2023 Agosto | 32 | 9 | 41 |
Mostrar todo
