<?xml version="1.0" encoding="UTF-8"?>
<references>
<reference>
  <a1>Campo León, Elena</a1>
  <a2>Alcalá Nalvaiz, José Tomás</a2>
  <a2>Gimeno Miguel, Antonio</a2>
  <t1>Técnicas de aprendizaje automático en estudios epidemiológicos longitudinales. Aplicación a la Cohorte EpiChron de investigación en multimorbilidad.</t1>
  <t2/>
  <sn/>
  <op/>
  <vo/>
  <ab>Se presentan las técnicas de Machine Learning, clúster difuso y reglas de asociación, aplicables a estudios longitudinales de tipo cohorte, en particular se aplica a una muestra  de pacientes  de entre 65 y 75 años durante los años 2010 a 2019, proveniente de la Cohorte EpiChron, de investigación en multimorbilidad, que contiene información de tipo médico sobre la población usuaria del sistema de salud público de Aragón.&lt;br /&gt;El objetivo final será la aplicación de estas técnicas para obtener una agrupación de enfermedades en diferentes clusters y construir trayectorias de multimorbilidad entre enfermedades que aparecen con un determinado patrón frecuente, es decir, determinar la secuencia temporal más probable en el diagnóstico.&lt;br /&gt;&lt;br /&gt;</ab>
  <la>spa</la>
  <k1/>
  <pb>Universidad de Zaragoza</pb>
  <pp>Zaragoza</pp>
  <yr>2022</yr>
  <ed/>
  <ul>http://zaguan.unizar.es/record/124531/files/TAZ-TFM-2022-1430.pdf;
	</ul>
  <no>Imported from Invenio.</no>
</reference>

</references>