Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    New user? Click here to register. Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Ayala Poma, Maicol Enrrique"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Técnicas y Herramientas para la predicción de complicaciones cardiacas, utilizando wearables inteligentes: una revisión sistemática de la literatura
    (Universidad Peruana Unión, 2020-12-21) Ayala Poma, Maicol Enrrique; Huaman Ollero, Jhordy Arnold; Huanca Torres, Fredy Abel
    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].

DSpace software copyright © 2002-2026 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback