<secondary-title/> </titles> <doi/> <pages/> <volume/> <number/> <keywords> <keyword>biomecanica</keyword> <keyword>fisiologia del equilibrio</keyword> <keyword>tecnicas de prediccion estadistica</keyword> </keywords> <dates> <year>2021</year> <pub-dates> <date>2021</date> </pub-dates> </dates> <abstract>Entre las patologías más frecuentes en la actualidad, destacan los trastornos del equilibrio, teniendo especial prevalencia en personas mayores y en países desarrollados. Los trastornos del equilibrio son una patología que se caracteriza principalmente por síntomas de vértigo y mareo, y se calcula que un cuarto de la población tendrá un episodio vertiginoso en su vida. Las caídas y las lesiones inducidas por las mismas son problemas de salud pública de primer orden a nivel mundial. De manera complementaria, también existen alteraciones o patologías que pueden afectar a los sistemas sensoriales que sustentan el equilibrio, existiendo la necesidad de monitorizarlos para evaluar su progresión en el tiempo. Sin embargo, no resulta sencillo obtener información objetiva del diagnóstico o progresión de un paciente afectado por trastornos del equilibrio; destacando la complejidad para obtener informes concisos con información comprensible y fácil de interpretar por facultativos sanitarios, que deben prescribir tratamientos a dichos pacientes. Asimismo, y en relación con la necesidad de obtener métodos o procesos para poder aprovechar mejor la información en el campo de la salud, destaca el incremento exponencial de los datos que los centros sanitarios generan y requieren manejar, así como la compleja gestión de dicha información, siendo la disciplina científica Machine Learning una posible solución para abordar esta problemática. Sin embargo, aplicar las técnicas de este tipo de disciplina en el campo de la salud conlleva un alto grado de complejidad. La presente tesis pretende dar respuesta a las incertidumbres y problemáticas expuestas a través de varias investigaciones que han tratado de proporcionar información objetiva sobre el estado de pacientes que presentan trastornos del equilibrio, así como monitorizar este tipo de patologías mediante diversos métodos e instrumentación; igualmente, se han definido los procesos y particularidades para la generación de modelos predictivos como herramienta de apoyo al diagnóstico en el ámbito de la salud. En concreto, los objetivos de la tesis son: generar y proporcionar información objetiva sobre el estado de pacientes que presentan trastornos del equilibrio; monitorizar y analizar la progresión de este tipo de patologías en pacientes inmersos en tratamientos de rehabilitación; generar modelos predictivos para mejora del diagnóstico en el ámbito de la salud. Esta tesis se ha complementado con una estancia de investigación de cuatro meses en el Laboratoire de biomécanique et mécanique des chocs (Université Gustave Eiffel) en Lyon (Francia). El cuerpo principal de esta tesis consiste en una compilación de cinco artículos, los cuales han sido publicados en revistas científicas indexadas en el JCR. </abstract> </record> </records> </xml>

Marín Zurdo, José Javier Gómez Trullén, Eva M <secondary-title/> </titles> <doi/> <pages/> <volume/> <number/> <keywords> <keyword>biomecanica</keyword> <keyword>fisiologia del equilibrio</keyword> <keyword>tecnicas de prediccion estadistica</keyword> </keywords> <dates> <year>2021</year> <pub-dates> <date>2021</date> </pub-dates> </dates> <abstract>Entre las patologías más frecuentes en la actualidad, destacan los trastornos del equilibrio, teniendo especial prevalencia en personas mayores y en países desarrollados. Los trastornos del equilibrio son una patología que se caracteriza principalmente por síntomas de vértigo y mareo, y se calcula que un cuarto de la población tendrá un episodio vertiginoso en su vida. Las caídas y las lesiones inducidas por las mismas son problemas de salud pública de primer orden a nivel mundial. De manera complementaria, también existen alteraciones o patologías que pueden afectar a los sistemas sensoriales que sustentan el equilibrio, existiendo la necesidad de monitorizarlos para evaluar su progresión en el tiempo. Sin embargo, no resulta sencillo obtener información objetiva del diagnóstico o progresión de un paciente afectado por trastornos del equilibrio; destacando la complejidad para obtener informes concisos con información comprensible y fácil de interpretar por facultativos sanitarios, que deben prescribir tratamientos a dichos pacientes. Asimismo, y en relación con la necesidad de obtener métodos o procesos para poder aprovechar mejor la información en el campo de la salud, destaca el incremento exponencial de los datos que los centros sanitarios generan y requieren manejar, así como la compleja gestión de dicha información, siendo la disciplina científica Machine Learning una posible solución para abordar esta problemática. Sin embargo, aplicar las técnicas de este tipo de disciplina en el campo de la salud conlleva un alto grado de complejidad. La presente tesis pretende dar respuesta a las incertidumbres y problemáticas expuestas a través de varias investigaciones que han tratado de proporcionar información objetiva sobre el estado de pacientes que presentan trastornos del equilibrio, así como monitorizar este tipo de patologías mediante diversos métodos e instrumentación; igualmente, se han definido los procesos y particularidades para la generación de modelos predictivos como herramienta de apoyo al diagnóstico en el ámbito de la salud. En concreto, los objetivos de la tesis son: generar y proporcionar información objetiva sobre el estado de pacientes que presentan trastornos del equilibrio; monitorizar y analizar la progresión de este tipo de patologías en pacientes inmersos en tratamientos de rehabilitación; generar modelos predictivos para mejora del diagnóstico en el ámbito de la salud. Esta tesis se ha complementado con una estancia de investigación de cuatro meses en el Laboratoire de biomécanique et mécanique des chocs (Université Gustave Eiffel) en Lyon (Francia). El cuerpo principal de esta tesis consiste en una compilación de cinco artículos, los cuales han sido publicados en revistas científicas indexadas en el JCR. </abstract> </record> </records> </xml>