Validez y concordancia del aprendizaje de máquinas en la evaluación de riesgo de sesgos de ensayos clínicos aleatorizados. Revisión sistemática
Citación
Comparte este contenido
Fecha
2022Otros contribuidores
Director / Asesor
Metadatos
Mostrar el registro completo del ítemDocumentos PDF
Resumen
Introducción: La evaluación del riesgo de sesgo de ensayos clínicos es una actividad crítica en el desarrollo de revisiones sistemáticas. El aprendizaje de máquinas podría disminuir la variabilidad y subjetividad inherente a este proceso.
Objetivo: Determinar la validez y concordancia del aprendizaje de máquinas en la automatización de la evaluación de riesgos de sesgos de estudios clínicos primarios incluidos en revisión sistemática.
Metodología: Se realizó una revisión sistemática que incluyó estudios que evaluaron la validez y/o concordancia de la evaluación del riesgo de sesgos de ensayos clínicos a través de herramientas de aprendizaje de máquinas en comparación con la evaluación convencional realizada por humanos. La búsqueda fue realizada en Medline, SCOPUS, LILACS, Springer Link, scienceDirect y Google scholar. La selección y evaluación del riesgo de sesgo de los estudios fue realizado por dos investigadores de manera independiente, los desacuerdos fueron resueltos mediante consenso. Los resultados se presentaron mediante una síntesis cualitativa. La síntesis cuantitativa de la información se realizó como ejercicio académico en el software Metadisc 2, se estimaron sensibilidad y especificidad como medidas resumen.
Palabras clave
Ciencias médicas; Bases de datos; Búsquedas bibliográficas; Aprendizaje automático; Inteligencia artificialKeywords
Medical sciences; Health sciences; Clinical trials; Validity and consistency; Systematic review; Databases; Bibliographic searches; Machine learning; Artificial intelligenceEnlace a este registro en el Repositorio Institucional UNAB
http://hdl.handle.net/20.500.12749/17464
Comentarios