Herramientas de ayuda al diagnóstico de la neumonía

Kevin Andrée  Sarmiento Velasco; Oscar Andrés  Bolaños Tapia; Diego Ferney  Gómez Cajas; Álvaro David  Orjuela Cañón

doi:10.24054/rcta.v2i30.166

Autores/as

Kevin Andrée Sarmiento Velasco Universidad Antonio Nariño
Oscar Andrés Bolaños Tapia Universidad Antonio Nariño
Diego Ferney Gómez Cajas Universidad Antonio Nariño
Álvaro David Orjuela Cañón Universidad Antonio Nariño

DOI:

https://doi.org/10.24054/rcta.v2i30.166

Palabras clave:

Neumonía, herramientas de ayuda al diagnóstico, reconocimiento de patrones, nuevas tecnologías

Resumen

Este artículo realiza una revisión bibliográfica de diversos estudios presentes en la literatura que abordan soluciones tendientes a brindar ayudas al diagnóstico de la neumonía. Mediante el uso de nuevas tecnologías y nuevos procedimientos, se han abierto un gran abanico de posibilidades no solo al personal médico, sino también al público en general. Estos adelantos, buscan brindar cada vez una mayor y mejor información sobre esta letal enfermedad a pacientes y personal médico, así como grandes posibilidades de un diagnóstico temprano. Por lo tanto, el propósito de este estudio, es dar a conocer las diferentes aproximaciones planteadas en la literatura, al respecto de las tecnologías creadas para ayudar al diagnóstico de la neumonía.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Abdullah, A., Posdzi, N. et al. (2011). Preliminary study of pneumonia symptoms detection method using Cellular Neural Network. Electrical, Control and Computer Engineering (INECCE), 2011 International Conference on (pp. 497-500).

Álvarez, F., J., Díaz, Baquero, J., F. et al. (2017). Neumonías adquiridas en la comunidad. Unidad Médico-Quirúrgica de Enfermedades Respiratorias (UMQUER).

Alvis, N., De la Hoya, F, Higuera, A. et al. (2014). Costos económicos de las neumonías en niños menores de 2 años de edad en Colombia. Revista Panam Salud Publica. 2005; 17(3):178–83.

Barrera, Sosa, J., A. (2016). Diseño de un sistema de análisis para las señales acústicas pulmonares (Bachelor's thesis, Universidad Militar Nueva Granada).

Barrientos, F. et al. (2016). Filtering of the skin portion on lung ultrasound digital images to facilitate automatic diagnostics of pneumonia. IEEE 36th Central American and Panama Convention.

Beran, D., Zar, H. J. et al. (2015). Burden of asthma and chronic obstructive pulmonary disease and access to essential medicines in low-income and middle-income countries, The Lancet Respiratory Medicine. Betancourt, G., A. (2005). Las máquinas de soporte vectorial (svms). Scientia et technical, 1 (27).

Calderón, C. y Dennis, R. (2014). Costos económicos de neumonía adquirida en comunidad, meningitis y bacteriemia por Streptococcus pneumoniae en una población adulta que requirió hospitalización en Bogotá, Colombia. Biomédica Revista del Instituto Nacional de Salud, Vol.34, No.1.

Chamberlain, D., Mofor, J. et al. (2015). Mobile stethoscope and signal processing algorithms for pulmonary screening and diagnostics. Global Humanitarian Technology Conference (GHTC).

Cook, P., M., Roger, P., E. et al. (1998) Pathogenesis of pneumovirus infections in mice: detection of pneumonia virus of mice and human respiratory syncytial virus mRNA in lungs of infected mice by in situ hybridization. Journal of general virology 79.10 (1998): 2411-2417.

Correa, M. (2016). ¿Puede la inteligencia artificial salvar la vida de niños con neumonía? TEDx conference. Fernández, F. y Garro, P. (2015). Neumonía Vírica en el ámbito de la medicina intensiva. Conferencia de Expertos de la SOCMIC.

Gadge, P. B. y Mokal, B. et al. (2012). Respiratory Sound Analysis using MATLAB. International Journal of Scientific AND Engineering Research, 3.

García, Satué, J. y Aspa, Marco, J. (2005). Neumonías. Monografías NEUMOMADRID. Vol. 9.

Gómez-Cajas, D., F., Sepúlveda-Sepúlveda, F., A. et al. (2014). Parametrizaciones robustas de Reconocimiento Automático de Habla (RAH) en redes de comunicaciones. INGE@ UAN-Tendencias en la Ingeniería, 3(6) Vol. 3 • No. 6 • pp 54-64.

Grønnesby, M. y Solis, J. C. A. (2017). Machine Learning Based Crackle Detection in Lung Sounds. arXiv preprint arXiv:1706.00005.

Guzmán, A. y de la Hoz Restrepo, N. (2005). Costos económicos de las neumonías en niños menores de 2 años de edad, en Colombia.

INFAC. (2016). Neumonía adquirida en la comunidad. vol.24, No.05.

INS. (2017a). Enfermedades Transmisibles.

INS. (2017b) ¿Qué son las IAAS?

Kahya, Y., P. y Güler, E. Ç. et al. (1992). Detection and clustering analysis of crackles in respiratory sounds. In Engineering in Medicine and Biology Society, 1992 14th Annual International Conference of the IEEE, Vol. 6, pp. 2527-2528.

Kalayci, T., Çelebi, G. et al. (1992) Automatic detection and classification of crackles by using a neural network. In Engineering in Medicine and Biology Society, 1992 14th Annual International Conference of the IEEE vol. 6, pp. 2580-2581.

Lagor, C., Aronsky, D. et al. (2001). Automatic identification of patients eligible for a pneumonia guideline: comparing the diagnostic accuracy of two decision support models. Studies in health technology and informatics, (1), 493-497.

Luna, C., M., Calmaggi, A. et al. (2005). Neumonía adquirida en la comunidad: guía práctica elaborada por un comité intersociedades. Scielo Argentina.

Martínez, C. E., Jaimes, F., A. et al. (2003). Proceso de atención y prescripción en neumonía adquirida en la comunidad en hospitales universitarios en Colombia. Revista Colombiana de Neumología, Vol. 15, No. 4.

Mayhua-lopez, E., ludena-choez, J. et al. (2009). Detección de neumonía a través de la red de telefonía celular.

Ministerio de Salud y Protección Social. (2016), Análisis de situación de salud (ASIS).

OMS. (2016). Neumonía. Centro de prensa, nota descriptiva.

OMS. (2017). Enfermedades No Transmisibles, Organización Mundial de la salud. Ordoñez, Cedillo, J., Paida, Cuzco, L. et al. (2015). Determinantes sociales que influyen en la neumonía en niños menores de 5 años que acudieron al Subcentro de Salud de Ricaurte en el periodo de enero 2010-diciembre 2013. Orjuela-Cañón, A., D., Gómez-Cajas, D., F. et al (2014). Artificial neural networks for acoustic lung signals classification. In Iberoamerican Congress on Pattern Recognition (pp. 214-221).

PAHO. (2014). Communicable Diseases.

PAHO. (2016). Indicadores Básicos 2016. Situación de la Salud en las Américas, Organización Panamericana de la Salud.

Palaniappan, R. y Sundaraj, K. et al. (2013). Computer-based respiratory sound analysis: a systematic review. IETE Technical Review, 30(3), 248-256.

Parra Ortega C, Herrera Vergara J. (2013). Aplicación de los sistemas de detección de intrusos y la tecnología de agentes en el monitoreo inteligente de redes de datos. Revista Colombiana de Tecnologías de Avanzada ISSN: 1692-7257 - Volumen 2 – Número 22.

Pio, A., y Leowski, J. (1984). Programa de la Organización Mundial de la Salud de Infecciones Respiratorias Agudas en la Infancia.

Riella, R., J., Nohama, P. et al. (2009). Method for automatic detection of wheezing in lung sounds. Brazilian Journal of Medical and Biological Research, 42(7), 674-684.

Rizal, A., Hidayat, R. et al. (2016). Pulmonary crackle feature extraction using tsallis entropy for automatic lung sound classification. In Biomedical Engineering (IBIOMED), International Conference on (pp. 1-4). IEEE.

Santafé Y, B D. Chaparro, J Franco (2012). Deteccción de patrones característicos con transformadas wavelet en señales electromiográficas del cuadriceps. Revista Colombiana de Tecnologías de Avanzada ISSN: 1692-7257 - Volumen 2 – Número 20.

Shengjun, L. y Liu, Y. (2010). Feature extraction of lung sounds based on bispectrum analysis. Information Processing (ISIP), Third International Symposium on, pp. 393-397.

Taplidou, S. A. y Hadjileontiadis, L., J. (2010). Analysis of wheezes using wavelet higher order spectral features. IEEE Transactions on biomedical engineering, 57(7), 1596-1610.

UNICEF. (2007). Progreso Para La Infancia.

WHO. (2015) Health Statistics data visualizations dashboard. Noncommunicable diseases and mental health, Global.

Yamashita, M., Himeshima, M. (2014). Robust classification between normal and abnormal lung sounds using adventitious-sound and heart-sound models. In Acoustics, Speech and Signal Processing (ICASSP), 2014 IEEE International Conference on (pp. 4418-4422).

SITIOS WEB

Geosalud, (2013). Como se diagnostica la neumonía. http://www.geosalud.com/enfermedades_infecciosas/neumonia/como-se-diagnostica-la-neumonia.html

Allina. (2015). Neumonía Bacteriana. https://www.allinahealth.org/mdex_sp/SD7737G.HTM

MedlinePlus. (2017a). Sexually Transmitted Diseases.

https://medlineplus.gov/spanish/sexuallytransmitteddiseases.html

MedlinePlus. (2017b). Mycrobacterial Infections https://medlineplus.gov/spanish/mycobacterialinfections.html

MedlinePlus. (2017c). Neumonía viral. https://medlineplus.gov/spanish/ency/article/000073.htm