Técnicas y Herramientas para la predicción de complicaciones cardiacas, utilizando wearables inteligentes: una revisión sistemática de la literatura

• Autores: Ayala Poma, Maicol Enrrique, Huaman Ollero, Jhordy Arnold
• Formato: tesis de grado
• Fecha de Publicación: 2020
• Institución: Universidad Peruana Unión
• Repositorio: UPEU-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upeu.edu.pe:20.500.12840/3694
• Enlace del recurso: http://repositorio.upeu.edu.pe/handle/20.500.12840/3694
• Nivel de acceso: acceso abierto
• Materia: Algoritmos; Redes neuronales artificiales; Aprendizaje automático; Random forest; K-means; Wearables; Ataques Cardíacos; http://purl.org/pe-repo/ocde/ford#2.02.04

El objetivo de este artículo es identificar mediante una revisión sistemática de la literatura, técnicas y herramientas utilizadas para la predicción de complicaciones cardiacas, con wearables inteligentes; mediante una revisión sistemática de la literatura, tiene relevancia por ser implementado en el campo de la medicina y a lo largo del tiempo han evolucionado en distintos ámbitos de la medicina. Para esto, se procedió a realizar una revisión sistemática de la literatura tomando en cuenta el rango de las publicaciones de los últimos 8 años en las bases de datos SCOPUS, SCIENCEDIRECT, EBSCOHOST, IEEEXPLORE, ACM DIGITAL LIBRARY, de todos los artículos encontrados y seleccionados se extrajo las técnicas que más resaltan y así mismo modelos y herramientas de machine learning para poderlos considerar como antecedentes de la investigación. Existen muchos métodos que pueden predecir complicaciones de enfermedades cardíacas, uno mejor que otro según la investigación del caso de estudio. Sin embargo, después de una revisión exhaustiva de todos los artículos seleccionados se muestra que un 80% de los artículos seleccionados se adapta a la necesidad de poder dar un pre desarrollo de las técnicas, herramientas para alcanzar una mayor puntuación en la precisión de un ataque cardíaco, cuyo proceso de selección de artículo está basado en el modelo de selección de Kitchenham[54].