@misc{10818/22762, year = {2016}, month = {3}, url = {http://hdl.handle.net/10818/22762}, abstract = {El diagnóstico de la enfermedad pulmonar obstructiva crónica (EPOC) realizado por personal médico tiene problemas de validez, precisión y oportunidad, generando que esta enfermedad sea tanto sub-diagnosticada como sobre-diagnosticada. Aplicar métodos computacionales basados en inteligencia artificial como las redes neuronales puede ser una alternativa adicional para el abordaje de este problema. Sin embargo, son pocos los datos de la utilización de esta metodología como herramienta diagnóstica para la EPOC. Objetivo: Determinar la validez de dos redes neuronales artificiales para el diagnóstico de la EPOC. Metodología: Se realizó un estudio de cohorte prospectiva con análisis de prueba diagnóstica. Se ingresaron 580 pacientes, donde se evaluó la sensibilidad (S), especificidad (E), valor predictivo positivo (VPP), valor predictivo negativo (VPN), y área bajo la curva ROC (ACOR), de manera independiente para una red bayesiana supervisada y un mapa auto organizable no supervisado tipo Kohonen, tomándose como criterio diagnóstico final para EPOC la obstrucción al flujo aéreo Nota: Para consultar la carta de autorización de publicación de este documento por favor copie y pegue el siguiente enlace en su navegador de internet: http://intellectum.unisabana.edu.co/handle/10818/22763}, publisher = {Universidad de la Sabana}, keywords = {Pulmones -- Enfermedades -- Colombia}, keywords = {Bronquitis}, keywords = {Pulmones -- Enfermedades obstructivas}, title = {Validez de una red neuronal para el diagnóstico de la enfermedad pulmonar obstructiva Crónica en pacientes que asisten a una clínica de tercer nivel}, author = {Fajardo Latorre, Lina Paola and Labrador López, Christian Stevens and Bastidas Goyes, Alirio Rodrigo and Botero Rosas, Daniel Alfonso and Guerrero, Ángela}, }