يعرض 1 - 20 نتائج من 68 نتيجة بحث عن '"Unidades de Cuidados Intensivos Pediátricos"', وقت الاستعلام: 0.78s تنقيح النتائج
  1. 1
    Academic Journal
  2. 2
  3. 3
    Academic Journal

    المصدر: Journal of Nursing Referência; 2024: Série VI, Edição N.º 3 ; Revista de Enfermería Referencia; 2024: Série VI, Edição N.º 3 ; Revista de Enfermagem Referência; 2024: Série VI, Edição N.º 3 ; 2182-2883 ; 0874-0283

    وصف الملف: application/pdf

  4. 4
    Academic Journal
  5. 5
    Academic Journal
  6. 6
  7. 7
    Academic Journal

    المصدر: Enfermería: Cuidados Humanizados; Vol. 7 No. 1 (2018): Enfermería: Cuidados Humanizados ; Enfermería: Cuidados Humanizados; Vol. 7 Núm. 1 (2018): Enfermería: Cuidados Humanizados ; Enfermería: Cuidados Humanizados; Vol. 7 N.º 1 (2018): Enfermería: Cuidados Humanizados ; 2393-6606 ; 1688-8375 ; 10.22235/ech.v7i1

    وصف الملف: application/pdf

  8. 8
    Academic Journal
  9. 9
    Academic Journal
  10. 10
    Academic Journal

    المصدر: Research, Society and Development; Vol. 11 No. 8; e28911831225 ; Research, Society and Development; Vol. 11 Núm. 8; e28911831225 ; Research, Society and Development; v. 11 n. 8; e28911831225 ; 2525-3409

    وصف الملف: application/pdf

  11. 11
    Academic Journal
  12. 12
    Academic Journal
  13. 13
    Academic Journal

    المصدر: Research, Society and Development; Vol. 10 No. 2; e54010212813 ; Research, Society and Development; Vol. 10 Núm. 2; e54010212813 ; Research, Society and Development; v. 10 n. 2; e54010212813 ; 2525-3409

    وصف الملف: application/pdf

  14. 14
    Academic Journal

    المساهمون: Minsap

    المصدر: Revista Cubana de Medicina Intensiva y Emergencias; Vol. 20, No. 2 (2021): abril-junio ; 1810-2352

    وصف الملف: application/pdf

    Relation: http://www.revmie.sld.cu/index.php/mie/article/view/808/pdf; http://www.revmie.sld.cu/index.php/mie/article/downloadSuppFile/808/144; http://www.revmie.sld.cu/index.php/mie/article/downloadSuppFile/808/145; http://www.revmie.sld.cu/index.php/mie/article/downloadSuppFile/808/146; http://www.revmie.sld.cu/index.php/mie/article/downloadSuppFile/808/148; http://www.revmie.sld.cu/index.php/mie/article/downloadSuppFile/808/808-4371; http://www.revmie.sld.cu/index.php/mie/article/downloadSuppFile/808/156; Organización Mundial de la Salud. Neumonía. Nota descriptiva N°331. Centro de prensa. Ginebra: OMS; 2019 [citado: 08/09/2020]. Disponible en: http://www.who.int/mediacentre/factsheets/fs331/es/; Ministerio de Salud Pública. Programa Integral de Atención y control de las IRAS. Folleto; 2000 [citado: 08/09/2020]. Disponible en: http://files.sld.cu/sida/files/2012/01/prog-ira.pdf; Singh V, Aneja S. Pneumonia – Management in the Developing World. Pediatr Respir Rev. 2011 [citado: 08/09/2020];12(1):52-9. Disponible en: https://pubmed.ncbi.nlm.nih.gov/21172676/.; Kalil AC, Metersky ML, Klompas M, Muscedere J, Sweeney DA, Palmer LC, et al. Management of Adults With Hospital-acquired and Ventilator-associated Pneumonia: 2016 Clinical Practice Guidelines by the Infectious Diseases Society of America and the American Thoracic Society. Clin Infect Dis. 2017 [citado: 08/09/2020];65(12):2161. Disponible en: https://pubmed.ncbi.nlm.nih.gov/27418577/.; Miranda Pedroso R. Neumonía asociada a la ventilación mecánica artificial. Revista Cubana de Medicina Intensiva y Emergencias. 2019 [citado: 09/09/2020];18(3):e592. Disponible en: https://www.medigraphic.com/pdfs/revcubmedinteme/cie-2019/cie193b.pdf.; Miranda Pedroso R. Neumonía asociada a la ventilación mecánica artificial. Rev Cuba Med Int Emerg. 2019 [citado: 25/09/2020];18(3). Disponible en: http://www.revmie.sld.cu/index.php/mie/article/view/592; Pérez RFJM. Neumonía Asociada al Ventilador en Cuidados Intensivos. Rev Asoc Mex Med Crit y Ter Int. 1995;9(4):118-23.; Orellana Vélez YA, Villamar Vivanco EC. Clínica y complicaciones de la neumonía asociada a ventilación mecánica en pacientes de la UCI Hospital General Guasmo Sur período 2018 - 2019 [Tesis]. Universidad de Guayaquil. Facultad de Ciencias Médicas. 2020 [citado: 14/06/2021]. Disponible en: http://repositorio.ug.edu.ec/handle/redug/52529.; Hernández T E, Rivera H F, García M F, Castañeda LR, Estrada HA Robles A JF, et al. Neumonía nosocomial asociada a ventilación mecánica en niños atendidos en una unidad de cuidados intensivos. Rev Mex Pediatr. 2001 [citado: 12/09/2020];68(3):86-91. Disponible en: https://www.medigraphic.com/pdfs/pediat/sp-2001/sp013b.pdf.; Rojas Medina J. Neumonía Asociada a Ventiladores. Rev Med Uruguay. 2002;18:256-64.; Garay Z, Vera A, Pitta N, Bianco H, Ayala C, Almada P, et al. Impacto de las Neumonías Asociadas a la Ventilación Mecánica en la Mortalidad en una Unidad de Cuidados Intensivos Adultos. Rev. Inst. Med. Trop. 2018 [citado: 12/09/2020];13(1):23-30. Disponible en: http://scielo.iics.una.py/pdf/imt/v13n1/1996-3696-imt-13-01-24.pdf.; Rello J, Ausina V, Ricart M, Castella J, Prats G. Impact of previous antimicrobial therapy on the etiology and outcome of Ventilator-Associated Pneumonia. Chest. 1994;104:1230-5.; Elias Sierra R, Vargas Alonso R, Pérez Capdevila J, Elias Armas CS. Modelo predictivo del riesgo de muerte por neumonía asociada a la ventilación mecánica. Revista Cubana de Informática Médica. 2019 [citado: 01/09/2020];11(2):80-7. Disponible en: https://www.medigraphic.com/pdfs/revcubinfmed/cim-2019/cim192h.pdf; Jiménez Guerra D. Factores de riesgo para Neumonía Asociada al Ventilador en pacientes críticos. Revista Cubana de Medicina Intensiva y Emergencias. 2006;5(3).; Dimas Fortún de Soto T, Pérez González NA, Rodríguez García G, Arévalo Fonseca H, González Álvarez L. Neumonía Asociada a la Ventilación mecánica. Factores de Riesgo. Rev Multimed. 2008 [citado: 15/09/2020];12(3). Disponible en: http://www.revmultimed.sld.cu/index.php/mtm/article/view/1828/1862; Durán Rodríguez R, Rubio Méndez AM, Cobas Sánchez A, Rodríguez Paján N, Castillo Pérez Y. Comportamiento de neumonía asociada a ventilación mecánica en cuidados intensivos de adultos. Rev. inf. cient. 2018 Oct [citado: 17/09/2020];97(5):911-22. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1028-99332018000500911&lng=es; Ferrer Montoya R, Estévez Llovet MC, Montero Aguilera A, Díaz Fonseca Y, García Mederos Y. Riesgos de la neumonía asociada a la ventilación mecánica en el recién nacido pretérmino. Rv. Inf. Cient. 2019 [citado: 20/09/2020];98(2). Disponible en: https://www.medigraphic.com/pdfs/revinfcie/ric-2019/ric192j.pdf; Cornistein W, Colque AM, Staneloni MI, Monserrat Lloria M, Lares M, González AL, et al. Neumonía Asociada A Ventilación Mecánica. Actualización Y Recomendaciones Inter-Sociedades, Sociedad Argentina De Infectología - Sociedad Argentina de Terapia Intensiva. MEDICINA (Buenos Aires). 2018 [citado: 04/09/2020];78:99-106. Disponible en: http://www.medicinabuenosaires.com/PMID/29659359.pdf; Canadian Critical Care Trials Group. A randomized trial of diagnostic techniques for ventilator-associated pneumonia. N Engl J Med. 2006;355(25):2619-30. Doi:10.1056/NEJMoa052904.; Nagata E, Brito ASJ, Matsuo T. Nosocomial infections in a Brazilian neonatalintensive care unit: a 3-year cohort study. J Infect Control 2015 [citado: 20/09/2020];4(1):01-05. Disponible en: https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&cad=rja&uact=8&ved=2ahUKEwizi4rHneXwAhXJRjABHdzPB0EQFjAJegQIBxAD&url=http%3A%2F%2Fjic-abih.com.br%2Findex.php%2Fjic%2Farticle%2Fdownload%2F94%2Fpdf_2&usg=AOvVaw0z_7TMr5EInuf4sH6zEvVo; Rodríguez García RM, Pérez Sarmiento R, Roura Carrasco JO, Basulto Barroso M. Neumonía asociada a la ventilación mecánica en una unidad polivalente de cuidados intensivos. Rev. Med. Electrón. 2015 Oct [citado: 17/09/2020];37(5):439-51. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18242015000500004&lng=es.; Martínez-Aguilar G, Anaya-Arriaga M del C, Avila-Figueroa C. Incidencia de bacteriemia y neumonía nosocomial en una unidad de pediatría Este estudio fue hecho con recursos del Fondo de Fomento a la Investigación de la Coordinación de Investigación Médica del Instituto Mexicano del Seguro Social (FP0038/612). Salud Pública Mex. 2001 [citado: 25/09/2020];43(6):515-23. Disponible en: https://www.saludpublica.mx/index.php/spm/article/view/6346; Barcón Díaz L, González Rodríguez R. La neumonía nosocomial en Hospital Provincial de Pinar del Río. Rev. Ciencias Médicas. Marzo-abril, 2019 [citado: 08/09/2020];23(2):187-94. Disponible en: https://www.medigraphic.com/pdfs/pinar/rcm-2019/rcm192e.pdf; Ferrer Montoya R, Silveira Rodes D, Pérez Dajaruch MA, Montero Aguilera A, Estévez Llovet MC. Neumonía neonatal asociada a la ventilación mecánica, algunos factores de riesgo. Multimed. Revista Médica. 2018 [citado: 28/09/2020];22(6). Disponible en: https://www.medigraphic.com/pdfs/multimed/mul-2018/mul186h.pdf.; Durán Rodríguez R, Wilson Chibás F, Labaceno Pineda A, Castillo Perez Y. Prevalencia de bronconeumonía bacteriana en la Unidad Cuidados Intensivos Pediátrico de Baracoa, Guantánamo. Rev Inf Cient. 2015 [citado: 25/09/2020];94(6). Disponible en: http://www.revinfcientifica.sld.cu/index.php/ric/article/view/159; Rego Ávila H, Delgado Rodríguez A, Vitón Castillo AA, Piñeiro Izquierdo S, Machado Mato O. Neumonía asociada a la ventilación mecánica en pacientes atendidos en una unidad de cuidados intensivos. Rev Ciencias Médicas. 2020 [citado: 04/09/2020];24(1):e4137. Disponible en: http://scielo.sld.cu/pdf/rpr/v24n1/1561-3194-rpr-24-01-29.pdf; Díaz E, Lorente L, Valles J, Rello J. Neumonía asociada a la ventilación mecánica. Med Inten. 2010 [citado: 08/09/2020];34(5):318-24. Disponible en: http://scielo.isciii.es/pdf/medinte/v34n5/puesta.pdf; Bratuet Abreus Y, Pérez Torriente T, Gil Blanco L, Resino Martín L. Desempeño del personal de enfermería en la atención con el neonato ventilado. Rev Cubana Med Inten Emerg. 2015 [citado: 08/09/2020];14(1). Disponible en: http://www.revmie.sld.cu/index.php/mie/article/view/69/132; Ramsamy Y, Muckart DJJ, Swe Swe Han K, Mlisana KP. The effect of prior antimicrobial therapy for community acquired infections on the aetiology of early and late onset ventilator-associated pneumonia in a level I trauma intensive care unit. Southern African Journal of Infectious Diseases. 2017;32(3):91-5. Doi:10.1080/23120053.2017.1313933.; http://www.revmie.sld.cu/index.php/mie/article/view/808

  15. 15
  16. 16
    Academic Journal
  17. 17
    Academic Journal
  18. 18
    Academic Journal
  19. 19
    Dissertation/ Thesis
  20. 20
    Dissertation/ Thesis

    المؤلفون: Vargas Jiménez, Guido Enrique

    المساهمون: Villamil Giraldo, María Del Pilar, Izquierdo Borrero, Ledys Maria, Núñez Castro, Haydemar María

    وصف الملف: application/pdf

    Relation: Tayeh T, Aburakhia S, Myers R, Shami A. An Attention-Based ConvLSTM Autoencoder with Dynamic Thresholding for Unsupervised Anomaly Detection in Multivariate Time Series. Machine Learning and Knowledge Extraction. 2022; 4(2):350-370. https://doi.org/10.3390/make4020015; P. Qi, D. Li and S. -K. Ng, "MAD-SGCN: Multivariate Anomaly Detection with Self-learning Graph Convolutional Networks," 2022 IEEE 38th International Conference on Data Engineering (ICDE), Kuala Lumpur, Malaysia, 2022, pp. 1232-1244, doi:10.1109/ICDE53745.2022.00097; M. Adkisson, J. C. Kimmell, M. Gupta and M. Abdelsalam, "Autoencoder-based Anomaly Detection in Smart Farming Ecosystem," 2021 IEEE International Conference on Big Data (Big Data), Orlando, FL, USA, 2021, pp. 3390-3399, doi:10.1109/BigData52589.2021.9671613.; Shumba A-T, Montanaro T, Sergi I, Fachechi L, De Vittorio M, Patrono L. Leveraging IoT-Aware Technologies and AI Techniques for Real-Time Critical Healthcare Applications. Sensors. 2022; 22(19):7675. https://doi.org/10.3390/s22197675; Michau, G., Frusque, G., and Fink, O., "Fully learnable deep wavelet transform for unsupervised monitoring of high-frequency time series", Proceedings of the National Academy of Science , vol. 119, no. 8, 2022. doi:10.1073/pnas.2106598119.; Li, D., Chen, D., Shi, L., Jin, B., Goh, J., & Ng, S. (2019). MAD-GAN: Multivariate Anomaly Detection for Time Series Data with Generative Adversarial Networks. International Conference on Artificial Neural Networks.; Oprea S-V, Bâra A, Puican FC, Radu IC. Anomaly Detection with Machine Learning Algorithms and Big Data in Electricity Consumption. Sustainability. 2021; 13(19):10963. https://doi.org/10.3390/su131910963; W. Wu et al., "Developing an Unsupervised Real-Time Anomaly Detection Scheme for Time Series With Multi-Seasonality," in IEEE Transactions on Knowledge and Data Engineering, vol. 34, no. 9, pp. 4147-4160, 1 Sept. 2022, doi:10.1109/TKDE.2020.3035685.; Rewicki F, Denzler J, Niebling J. Is It Worth It? Comparing Six Deep and Classical Methods for Unsupervised Anomaly Detection in Time Series. Applied Sciences. 2023; 13(3):1778. https://doi.org/10.3390/app13031778; P. Zhao, X. Chang and M. Wang, "A Novel Multivariate Time-Series Anomaly Detection Approach Using an Unsupervised Deep Neural Network," in IEEE Access, vol. 9, pp. 109025-109041, 2021, doi:10.1109/ACCESS.2021.3101844.; Munir M, Siddiqui SA, Chattha MA, Dengel A, Ahmed S. FuseAD: Unsupervised Anomaly Detection in Streaming Sensors Data by Fusing Statistical and Deep Learning Models. Sensors. 2019; 19(11):2451. https://doi.org/10.3390/s19112451; Arsalan S., Gary W., Jaroslaw D. SLMAD: Statistical Learning-Based Metric Anomaly Detection. In Service-Oriented Computing ICSOC 2020 Workshops: AIOps, CFTIC, STRAPS, AI-PA, AI-IOTS, and Satellite Events, Dubai, United Arab Emirates, December 14-17, 2020, Springer-Verlag, Berlin, Heidelberg, 252-263. https://doi.org/10.1007/978-3-030-76352-7_26; Bäßler, D., Kortus, T. & Gühring, G. Unsupervised anomaly detection in multivariate time series with online evolving spiking neural networks. Mach Learn 111, 1377-1408 (2022). https://doi.org/10.1007/s10994-022-06129-4; Yueyue Y., Jianghong M., Yunming Y., KfreqGAN: Unsupervised detection of sequence anomaly with adversarial learning and frequency domain information, Knowledge-Based Systems, Volume 236, 2022, 107757, ISSN 0950-7051, https://doi.org/10.1016/j.knosys.2021.107757.; Pengcheng F., Jingqiu G., Yibing W., A hybrid deep learning approach for driver anomalous lane changing identification,Accident Analysis & Prevention, Volume 171, 2022, 106661, ISSN 0001-4575, https://doi.org/10.1016/j.aap.2022.106661.; Bäßler, D., Kortus, T. & Gühring, G. Unsupervised anomaly detection in multivariate time series with online evolving spiking neural networks. Mach Learn 111, 1377-1408 (2022). https://doi.org/10.1007/s10994-022-06129-4.; Belay MA, Blakseth SS, Rasheed A, Salvo Rossi P. Unsupervised Anomaly Detection for IoT-Based Multivariate Time Series: Existing Solutions, Performance Analysis and Future Directions. Sensors. 2023; 23(5):2844. https://doi.org/10.3390/s23052844; M. Weldezgina Asres et al., "Unsupervised Deep Variational Model for Multivariate Sensor Anomaly Detection," 2021 IEEE International Conference on Progress in Informatics and Computing (PIC), Shanghai, China, 2021, pp. 364-371, doi:10.1109/PIC53636.2021.9687034.; T. Sakuma and H. Matsutani, "An Area-Efficient Implementation of Recurrent Neural Network Core for Unsupervised Anomaly Detection," 2020 IEEE Symposium in Low-Power and High-Speed Chips (COOL CHIPS), Kokubunji, Japan, 2020, pp. 1-3, doi:10.1109/COOLCHIPS49199.2020.9097631.; Bonte, Pieter & Hautte, Sander & Lejon, Annelies & Ledoux, Veerle & De Turck, Filip & Hoecke, Sofie & Ongenae, Femke. (2020). Unsupervised Anomaly Detection for Communication Networks: An Autoencoder Approach. 10.1007/978-3-030-66770-2_12; S. Nedelkoski, J. Cardoso and O. Kao, "Anomaly Detection and Classification using Distributed Tracing and Deep Learning," 2019 19th IEEE/ACM International Symposium on Cluster, Cloud and Grid Computing (CCGRID), Larnaca, Cyprus, 2019, pp. 241-250, doi:10.1109/CCGRID.2019.00038.; M. Munir, S. A. Siddiqui, A. Dengel and S. Ahmed, "DeepAnT: A Deep Learning Approach for Unsupervised Anomaly Detection in Time Series," in IEEE Access, vol. 7, pp. 1991-2005, 2019, doi:10.1109/ACCESS.2018.2886457.; R. -J. Hsieh, J. Chou and C. -H. Ho, "Unsupervised Online Anomaly Detection on Multivariate Sensing Time Series Data for Smart Manufacturing," 2019 IEEE 12th Conference on Service-Oriented Computing and Applications (SOCA), Kaohsiung, Taiwan, 2019, pp. 90-97, doi:10.1109/SOCA.2019.00021.; Subutai A., Alexander L., Scott P., Zuha A., Unsupervised real-time anomaly detection for streaming data, Neurocomputing, Volume 262, 2018, Pages 134-147, ISSN 0925-2312, https://doi.org/10.1016/j.neucom.2017.04.070.; Takano, M., Iwashita, Y., Nagumo, K. et al. Optimization of facial skin temperature-based anomaly detection model considering diurnal variation. Artif Life Robotics 28, 394-402 (2023). https://doi.org/10.1007/s10015-023-00853-3.; Arpaia P, Crauso F, De Benedetto E, Duraccio L, Improta G, Serino F. Soft Transducer for Patient's Vitals Telemonitoring with Deep Learning-Based Personalized Anomaly Detection. Sensors. 2022; 22(2):536. https://doi.org/10.3390/s22020536.; Izquierdo Borrero, L. 2021. Modelamiento del espacio de signos vitales para detectar el deterioro de los pacientes en una unidad de cuidados intensivos. Universidad Nacional de Colombia.; Méndez Orjuela, L. 2022. ADVISE-BD:Modelo de detección de anomalías clínicas usando datos de los signos vitales de pacientes de UCIP de una cohorte del Hospital Militar Central de Colombia, mediante el uso de técnicas de aprendizaje automático. Universidad de los Andes, Bogotá, Colombia.; Niu D, Yang L, Cai T, Li L, Wu X, Wang Z. A New Hierarchical Temporal Memory Algorithm Based on Activation Intensity. Comput Intell Neurosci. 2022 Jan 24;2022:6072316. doi:10.1155/2022/6072316. PMID: 35111211; PMCID: PMC8803450.; Ricardo A, Samsom MD, Stephen M et al. Pediatric Advanced Life Support Study Guide, American Heart Association. Texas 75149. Jones & Bartlett Learning, 2018. ISBN:978-1-669-623-8.; http://hdl.handle.net/1992/68734; instname:Universidad de los Andes; reponame:Repositorio Institucional Séneca; repourl:https://repositorio.uniandes.edu.co/