Predicción precoz de la supervivencia en pacientes ingresados por COVID-19 con una aproximación integrada con variables ómicas
Martínez González, Oscar
Suppi Boldrito, Remo, tut. (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Data:	2025
Descripció:	9 pag.
Resum:	La identificación precoz de pacientes con alto riesgo de mortalidad por COVID-19 podría mejorar su pronóstico y optimizar la gestión de recursos en futuras pandemias. En este estudio, se utilizan herramientas de Big Data para integrar y analizar 4408 variables clínicas, de laboratorio, microRNAs y metabolómicas en una cohorte de 95 pacientes. Mediante un proceso de depuración en cuatro etapas -que incluyó reducción de dimensionalidad con PCA, LASSO, ELASTICNET y MOFA- se seleccionaron 75 variables para desarrollar algoritmos de predicción de mortalidad, posteriormente validados en un grupo independiente. Los resultados demostraron que un conjunto reducido de biomarcadores moleculares, medidos dentro de las primeras 72 horas de hospitalización, permite predecir con precisión el riesgo de fallecimiento en pacientes con COVID-19. Este enfoque multiómico, facilitado por técnicas de Big Data, ofrece una herramienta prometedora para la toma de decisiones clínicas tempranas.
Resum:	Early identification of patients at high risk of COVID-19 mortality could improve their prognosis and optimize resource management in future pandemics. In this study, Big Data tools are used to integrate and analyze 4408 clinical, laboratory, microRNAs and metabolomic variables in a cohort of 95 patients. Through a four-stage cleaning process-which included dimensionality reduction with PCA, LASSO, ELASTICNET and MOFA-75 variables were selected to develop mortality prediction algorithms, subsequently validated in an independent group. The results demonstrated that a reduced set of molecular biomarkers, measured within the first 72 hours of hospitalization, accurately predicts the risk of death in patients with COVID-19. This multi-omics approach, facilitated by Big Data techniques, offers a promising tool for early clinical decision making.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre i quan aquestes es distribueixin sota la mateixa llicència que regula l'obra original i es reconegui l'autoria.
Llengua:	Castellà
Titulació:	Màster en Intel·ligència Artificial i Big Data en Salut
Pla d'estudis:	Màster en Intel·ligència Artificial i Big Data en Salut [4291]
Document:	Treball de fi de postgrau
Matèria:	COVID-19 ; SARS-Cov2 ; Big data ; Dimensionalidad ; Mortalidad ; Ómica ; Dimensionality ; Mortality ; Omics

10 p, 953.5 KB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de recerca i projectes de final de carrera > Enginyeria. TFM