La identificación de pacientes con alto riesgo de fractura de cadera es un gran reto en la evaluación clínica de la osteoporosis. La Densidad Mineral Ósea (DMO) medida por Absorciometría de Rayos X de Doble Energía (DXA) es el estándar de oro actual en la evaluación clínica de la osteoporosis. Sin embargo, su precisión de clasificación es sólo de alrededor del 65%. Para mejorar esta precisión, este artículo propone el uso de modelos de aprendizaje automático (ML) entrenados con datos de un modelo biomecánico que simula una caída lateral. Los modelos de aprendizaje automático (ML) son modelos capaces de aprender y hacer predicciones a partir de los datos. Durante un proceso de entrenamiento, los modelos ML aprenden una función que mapea entradas y salidas sin conocimiento previo del problema. La principal ventaja de los modelos ML es que, una vez construida la función de mapeo, pueden realizar predicciones de comportamientos biomecánicos complejos en tiempo real. Sin embargo, a pesar de la creciente popularidad de los modelos de aprendizaje automático (ML) y su amplia aplicación en muchos campos de la medicina, su uso como predictores de fractura de cadera es todavía limitado. Este artículo propone el uso de modelos de ML para evaluar y predecir el riesgo de fractura de cadera. Se utilizan variables clínicas, geométricas y biomecánicas procedentes de la simulación por elementos finitos de una caída lateral como variables independientes para entrenar los modelos. Entre los diferentes modelos probados, destaca Random Forest, que muestra su capacidad para superar a BMD-DXA, logrando una precisión superior al 87%, con una especificidad superior al 92
y una sensibilidad superior al 83%.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Política de programación de agregación de datos basada en el autoaprendizaje en redes de sensores inalámbricas
Artículo:
Análisis del modelo de comprensión de lectura de multitextos en inglés basado en la red neuronal de creencia profunda
Artículo:
Síntesis y caracterización de copolímeros de poli(tereftalato de trimetileno)-b-poli(tetrametilenglicol)
Artículo:
Simulación numérica del flujo MHD Couette de un nanofluido difuso a través de un canal inclinado con efecto de radiación térmica
Artículo:
Preparación de nanopartículas de quitosano cargadas con alfastatina y su efecto antiangiogénico en el carcinoma de pulmón
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Tesis:
Materiales y prácticas de construcción sostenible
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060