Sistema inteligente de pronóstico para la rehabilitación de pacientes con lesiones de extremidades inferiores

Rogelio Cedeño Moreno

Buscar

dc.rights.license	https://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Irving Armando Cruz Albarrán	es_ES
dc.creator	Rogelio Cedeño Moreno	es_ES
dc.date.accessioned	2025-10-06T18:02:31Z
dc.date.available	2025-10-06T18:02:31Z
dc.date.issued	2025-10-31
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/12346
dc.description	Los esguinces de tobillo por inversión son las lesiones más comunes en piernas, presentándose posterior a un movimiento brusco o a un esfuerzo anormal, causando rasgaduras parciales o totales de los ligamentos. Lo cual ante la ausencia o ineficiencia de un tratamiento puede causar un desgaste sobre tejidos y articulaciones sanas, volviéndose propensos a la presencia de secuelas, recurrencia de la lesión o el surgimiento de nuevas lesiones. Para evitar esto, los especialistas en fisioterapia concluyen que una recuperación apropiada depende de la eficiencia y velocidad del tratamiento, así como la realización de ajustes oportunos del tratamiento acorde al progreso del paciente. Esto permitiría obtener el mayor impacto sobre la condición en el menor tiempo; sin embargo, el estimar el desarrollo de la condición del paciente tiende a ser una tarea compleja, influenciada por factores particulares para cada paciente. Por lo cual, los especialistas tienden a depender de la descripción detallada de la condición y su experiencia para interpretarla, lo cual limita su capacidad para reaccionar a la presencia de anormalidades o cambios en el desarrollo de la lesión. Con el fin de minimizar estas incertidumbres, se ha propuesto el desarrollo de una metodología de evaluación con Machine learning enfocada en la detección de patrones para la cuantificación del grado de recuperación. El cual pueda sustentarse de información cuantitativa para describir el estado de una lesión, así como proyectar el progreso esperado conforme se siga un tratamiento. Permitiendo tener una descripción objetiva de la condición del paciente que facilite las tareas de comparación y registro y les permitiría a los especialistas tener una retroalimentación de los efectos del tratamiento sobre el paciente. Aportando información adicional para la identificación de anormalidades, falta de progreso y los tiempos apropiados para realizar ajustes del tratamiento que mejoren el impacto.	es_ES
dc.format	pdf	es_ES
dc.format.extent	1 recurso en línea (124 páginas)	es_ES
dc.format.medium	computadora	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Universidad Autónoma de Querétaro	es_ES
dc.relation.requires	Si	es_ES
dc.rights	openAccess	es_ES
dc.subject	Machine learning	es_ES
dc.subject	Visión artificial	es_ES
dc.subject	Fisioterapia	es_ES
dc.subject	Esguince	es_ES
dc.subject	Recuperación	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Sistema inteligente de pronóstico para la rehabilitación de pacientes con lesiones de extremidades inferiores	es_ES
dc.type	Artículo	es_ES
dc.creator.tid	ORCID	es_ES
dc.contributor.tid	ORCID	es_ES
dc.creator.identificador	0000-0001-6646-2118	es_ES
dc.contributor.identificador	0000-0002-5962-6599	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Doctorado en Mecatrónica	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Doctorado	es_ES
dc.format.support	recurso en línea	es_ES
dc.matricula.creator	221317	es_ES
dc.folio	IGDCC-221317	es_ES