Search

Graphical abstract Fx1, Objetivo: Evaluar si el uso de corticoesteroides (Cs) se asocia con la mortalidad en la unidad de cuidados intensivos (UCI) en la población global y dentro de los fenotipos clínicos predeterminados Diseño: Análisis secundario de estudio multicéntrico observacional Ámbito: UCI Pacientes: Pacientes adultos con COVID-19 confirmado ingresados en 63 UCIs de España Intervención: Corticoides vs. no Corticoides Variables de interés principales: A partir del análisis no supervisado de grupos, 3 fenotipos clínicos fueron derivados y clasificados como: A: grave, B: critico and C: potencialmente mortal. Se efectuó un análisis multivariado después de un propensity optimal full matching (PS) y una regresión ponderada de Cox (HR) y análisis de Fine-Gray (sHR) para evaluar el impacto del tratamiento con Cs sobre la mortalidad en la población general y en cada fenotipo clínico. Resultados: Un total de 2.017 pacientes fueron analizados, 1.171(58%) con Cs. Después del PS, el uso de Cs no se relacionó significativamente con la mortalidad en UCI (OR:1.0,95%CI:0.98-1.15). Cs fueron administrados en 298/537(55.5%) pacientes del fenotipo “A” y no se observó asociación significativa con la mortalidad (HR=0.85[0.55-1.33]). Un total de 338/623(54.2%) pacientes del fenotipo “B” recibieron Cs sin efecto significativo sobre la mortalidad (HR=0.72[0.49-1.05]). Finalmente, 535/857(62.4%) pacientes del fenotipo “C” recibieron Cs. En este fenotipo, se evidenció un efecto protector de los Cs sobre la mortalidad HR (0.75[0.58-0.98]). Conclusión: Nuestros hallazgos alertan sobre el uso indiscriminado de Cs a dosis moderadas en todos los pacientes críticos con COVID-19. Solamente pacientes con elevado estado de inflamación podrían beneficiarse con el tratamiento con Cs.

ilustraciones, diagramas, gráficas, tablas Esta tesis tiene como finalidad evaluar estrategias de agrupamiento no supervisadas para datos asociados a tractocamiones graneleros, en la detección de patrones de falla en sistemas térmicos. El estudio de estas técnicas es importante en el ámbito del mantenimiento predictivo basado en datos con la implementación de algoritmos de aprendizaje de máquinas que permitan planificar adecuadamente cronogramas de mantenimiento en empresas de transporte de carga. Para el desarrollo de la tesis, se usa como fuente de información los dispositivos de telemetría de los tractocamiones graneleros de una empresa colombiana de transporte de carga que reportan datos en tiempo real de la medición de variables como velocidad, temperaturas, estado de operación del vehículo, entre otras para el año 2020. También se usa el histórico de ingresos a taller de la flota de 116 tractocamiones donde se analizan los ingresos a taller para la intervención de sistemas térmicos. Estos datos son el insumo para la evaluación de las estrategias de agrupamiento propuestas en este trabajo. Los resultados parten desde la obtención de los datos, preparación de estos y análisis descriptivos para implementar técnicas de reducción de dimensionalidad en la información y posteriormente evaluar el comportamiento de algoritmos de agrupamiento para la detección de patrones de falla que se relacionen a daños en sistemas térmicos de los vehículos. Con el desarrollo de este trabajo se encuentra un potencial para el ahorro en costos correctivos de la flota en taller que apunte a una adecuada gestión de la flota en modelos de pago por uso, apalancando la disponibilidad de los vehículos en las operaciones de transporte. (Texto tomado de la fuente) The purpose of this thesis is to evaluate unsupervised clustering strategies for data associated with bulk carrier trucks, in the detection of failure patterns in thermal systems. The study of these techniques is important in the field of data-based predictive maintenance with the implementation of machine learning algorithms that allow proper planning of maintenance schedules in freight transport companies. For the development of the thesis, the telemetry devices of the bulk tractor trucks of a Colombian cargo transport company are used as a source of information, which report data in real time of the measurement of variables such as speed, temperatures, state of operation of the vehicle, among others for the year 2020. The history of workshop entries of the fleet of 116 tractor-trailers is also used, where workshop entries for the intervention of thermal systems are analyzed. These data are the input for the evaluation of the grouping strategies proposed in this work. The results start from obtaining the data, preparing them and descriptive analysis to implement dimensionality reduction techniques in the information and subsequently evaluate the behavior of grouping algorithms for the detection of failure patterns that are related to damage in thermal systems. With the development of this work, there is a potential for savings in corrective costs of the fleet in the workshop that points to an adequate management of the fleet in pay-per-use models, leveraging the availability of vehicles in transport operations. Maestría Magister en Ingeniería - Analítica Mantenimiento predictivo Análisis de datos Área Curricular de Ingeniería de Sistemas e Informática