<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-04-05T11:48:13Z</responseDate><request verb="GetRecord" identifier="oai:www.recercat.cat:2072/479304" metadataPrefix="rdf">https://recercat.cat/oai/request</request><GetRecord><record><header><identifier>oai:recercat.cat:2072/479304</identifier><datestamp>2026-03-19T20:27:08Z</datestamp><setSpec>com_2072_98</setSpec><setSpec>col_2072_378196</setSpec></header><metadata><rdf:RDF xmlns:rdf="http://www.openarchives.org/OAI/2.0/rdf/" xmlns:ow="http://www.ontoweb.org/ontology/1#" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:ds="http://dspace.org/ds/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:doc="http://www.lyncode.com/xoai" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/rdf/ http://www.openarchives.org/OAI/2.0/rdf.xsd">
   <ow:Publication rdf:about="oai:recercat.cat:2072/479304">
      <dc:title>Algoritmo diagnóstico de Síndrome Coronario Agudo (SCA) basado en Inteligencia Artificial</dc:title>
      <dc:creator>Arenas Villamizar, Ángel Ricardo</dc:creator>
      <dc:creator>Universitat Autònoma de Barcelona. Facultat de Medicina</dc:creator>
      <dc:creator>Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius</dc:creator>
      <dc:subject>Infarto de miocardio</dc:subject>
      <dc:subject>Inteligencia artificial</dc:subject>
      <dc:subject>Aprendizaje automático</dc:subject>
      <dc:subject>Electrocardiografía</dc:subject>
      <dc:description>El infarto de miocardio (IM) es la principal causa de muerte humana a nivel mundial. La electrocardiografía es la prueba de diagnóstico cardiovascular que se realiza con más frecuencia y la habilidad en la interpretación del electrocardiograma (ECG) es esencial para la mayoría de los médicos. Algunos estudios estiman la precisión diagnóstica entre estudiantes de medicina y especialistas entre un 55,8% y 74,9%. Se presenta un modelo de aprendizaje supervisado, de regresión logística y redes neuronales, a partir de la digitalización de electrocardiogramas físicos usando un software open-source que luego de procesar definitivo dado por coronariografía para ser probados en diferentes modelos. El objetivo principal de este estudio fue la generación de un algoritmo predictivo de síndrome coronario agudo a partir de electrocardiogramas de pacientes reales. Se tomaron datos de variables antopométricas de los pacientes, así como antecedentes cardiogénicos y No cardiogénicos que potencialmente afecten los trazados del electrocardiograma. Las bases de datos de los electrocardiogramas fueron agrupadas, normalizadas y consolidadas con los datos de cada paciente utilizando un ID. Los datos de identificación de los pacientes fueron anonimizados con un algoritmo de HASH y el protocolo de investigación fué presentado y aprobado por el Comité de Ética e Investigación de las clínicas de Red Salud en Santiago de Chile.</dc:description>
      <dc:date>2024</dc:date>
      <dc:type>Treball de fi de postgrau</dc:type>
      <dc:rights>open access</dc:rights>
      <dc:rights>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.</dc:rights>
      <dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights>
      <dc:publisher/>
   </ow:Publication>
</rdf:RDF></metadata></record></GetRecord></OAI-PMH>