Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | spa |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952019000400004 |
Resumo: | Las instituciones clínicas presentan una alta generación de datos no estructurados tanto en el registro de procedimientos en texto libre por parte del personal médico, como por las imágenes y videos generados por las ayudas diagnósticas. En este trabajo se plantea un proceso de descubrimiento de conocimiento en el texto no estructurado de las historias clínicas del área de traumatología del Hospital San Vicente Fundación mediante minería de texto. Para el estudio se aplicaron técnicas de preparación de texto como eliminación de palabras no relevantes, sustitución de términos, eliminación de acentos y derivación de palabras. Respecto a los procesos de minería se aplicaron técnicas de aprendizaje supervisado y no supervisado como árboles de decisión, regresión logística, k-vecinos más cercanos, clustering jerárquico y reglas de asociación. El resultado obtenido es la conformación de un modelo de las palabras más relevantes en los registros clínicos del Hospital en el área de traumatología. |
id |
RCAP_be6b072f0396c350c06c2f9db180774c |
---|---|
oai_identifier_str |
oai:scielo:S1646-98952019000400004 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de TextoMinería de textominería de datos de la saludprocesamiento del lenguaje naturalLas instituciones clínicas presentan una alta generación de datos no estructurados tanto en el registro de procedimientos en texto libre por parte del personal médico, como por las imágenes y videos generados por las ayudas diagnósticas. En este trabajo se plantea un proceso de descubrimiento de conocimiento en el texto no estructurado de las historias clínicas del área de traumatología del Hospital San Vicente Fundación mediante minería de texto. Para el estudio se aplicaron técnicas de preparación de texto como eliminación de palabras no relevantes, sustitución de términos, eliminación de acentos y derivación de palabras. Respecto a los procesos de minería se aplicaron técnicas de aprendizaje supervisado y no supervisado como árboles de decisión, regresión logística, k-vecinos más cercanos, clustering jerárquico y reglas de asociación. El resultado obtenido es la conformación de un modelo de las palabras más relevantes en los registros clínicos del Hospital en el área de traumatología.AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação2019-10-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articletext/htmlhttp://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952019000400004RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação n.34 2019reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAPspahttp://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952019000400004Carrascal,Ana Isabel OviedoCotte,David SanguinoArango,Natalia Andrea RestrepoVélez,Andrés Felipe Patiñoinfo:eu-repo/semantics/openAccess2024-02-06T17:24:19Zoai:scielo:S1646-98952019000400004Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:30:10.541613Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto |
title |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto |
spellingShingle |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto Carrascal,Ana Isabel Oviedo Minería de texto minería de datos de la salud procesamiento del lenguaje natural |
title_short |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto |
title_full |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto |
title_fullStr |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto |
title_full_unstemmed |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto |
title_sort |
Descubrimiento de Conocimiento en Historias Clínicas mediante Minería de Texto |
author |
Carrascal,Ana Isabel Oviedo |
author_facet |
Carrascal,Ana Isabel Oviedo Cotte,David Sanguino Arango,Natalia Andrea Restrepo Vélez,Andrés Felipe Patiño |
author_role |
author |
author2 |
Cotte,David Sanguino Arango,Natalia Andrea Restrepo Vélez,Andrés Felipe Patiño |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Carrascal,Ana Isabel Oviedo Cotte,David Sanguino Arango,Natalia Andrea Restrepo Vélez,Andrés Felipe Patiño |
dc.subject.por.fl_str_mv |
Minería de texto minería de datos de la salud procesamiento del lenguaje natural |
topic |
Minería de texto minería de datos de la salud procesamiento del lenguaje natural |
description |
Las instituciones clínicas presentan una alta generación de datos no estructurados tanto en el registro de procedimientos en texto libre por parte del personal médico, como por las imágenes y videos generados por las ayudas diagnósticas. En este trabajo se plantea un proceso de descubrimiento de conocimiento en el texto no estructurado de las historias clínicas del área de traumatología del Hospital San Vicente Fundación mediante minería de texto. Para el estudio se aplicaron técnicas de preparación de texto como eliminación de palabras no relevantes, sustitución de términos, eliminación de acentos y derivación de palabras. Respecto a los procesos de minería se aplicaron técnicas de aprendizaje supervisado y no supervisado como árboles de decisión, regresión logística, k-vecinos más cercanos, clustering jerárquico y reglas de asociación. El resultado obtenido es la conformación de un modelo de las palabras más relevantes en los registros clínicos del Hospital en el área de traumatología. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-10-01 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952019000400004 |
url |
http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952019000400004 |
dc.language.iso.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
http://scielo.pt/scielo.php?script=sci_arttext&pid=S1646-98952019000400004 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação |
publisher.none.fl_str_mv |
AISTI - Associação Ibérica de Sistemas e Tecnologias de Informação |
dc.source.none.fl_str_mv |
RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação n.34 2019 reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137367418732544 |