Berra Romani, RobertoMendoza Pinto, ClaudiaGarcía Carrasco, MarioMaya Castro, Iván Daniel2024-02-132024-02-132023-09https://hdl.handle.net/20.500.12371/19970“Aunque los fármacos modificadores de la enfermedad son la opción terapéutica para alcanzar la remisión de la artritis reumatoide, estos han mostrado en promedio un 60.0% de efectividad, haciendo necesario la realización de modelos predictivos que permitan conocer la respuesta que tendrán los pacientes a estos fármacos. En los últimos años se han empleado algoritmos de aprendizaje automático para la realización de estos modelos predictivos, sin conocer cuál es el estado actual y calidad de los estudios. El objetivo es analizar mediante una revisión sistemática, el estado actual y la calidad de los algoritmos de aprendizaje automático para la identificación de predictores de respuesta al tratamiento en artritis reumatoide. Se realizó una revisión sistemática empleando 5 bases de datos desde su inicio hasta diciembre de 2022. Identificando artículos que evaluaban algoritmos de aprendizaje automático como modelos predictivos de respuesta al tratamiento. Este trabajo se apegó a las guías establecidas por PRISMA. Se evaluó la adherencia al checklist TRIPOD, y el riesgo de sesgo y aplicabilidad mediante PROBAST, además se realizó un análisis descriptivo con la información más relevante”.pdfspaMEDICINA Y CIENCIAS DE LA SALUDArticulaciones--EnfermedadesArtritis--TratamientoMedicamentos--EfectividadInformática médica--Procesamiento de datosAprendizaje automático (Inteligencia artificial)Tesis de maestríaopenAccess