dc.contributor.advisor | Urreta Barallobre, Iratxe | |
dc.contributor.advisor | Emparanza Knörr, José Ignacio | |
dc.contributor.author | Iglesias Gaspar, María Teresa | |
dc.date.accessioned | 2022-04-26T11:30:17Z | |
dc.date.available | 2022-04-26T11:30:17Z | |
dc.date.issued | 2022-04-07 | |
dc.date.submitted | 2022-04-07 | |
dc.identifier.uri | http://hdl.handle.net/10810/56398 | |
dc.description | 254 p. | es_ES |
dc.description.abstract | Durante la pandemia que ha asolado el mundo estos dos últimos años han existido muchas incertidumbres acerca de la enfermedad del SARS-CoV-2, entre ellas, identificar a los pacientes que pudieran estar infectados por la COVID de entre aquellos que presentaban síntomas compatibles con la enfermedad y la de detectar a los pacientes que presentaban un riesgo mayor de fallecer o de ingresar en la unidad de cuidados intensivos. Por este motivo, se han realizado una cantidad ingente de estudios para derivar modelos de predicción que nos ayudasen a resolver estas cuestiones. En esta tesis, hemos realizado dos revisiones sistemáticas para identificar aquellos modelos predictivos que tuvieran mejor rendimiento predictivo y con características nosológicas suficientes para ser empleados en la práctica clínica.Dada la complejidad de encontrar modelos predictivos que permitieran discriminar entre pacientes Covid-19 y pacientes no Covid-19, se han analizado las características nosológicas de las pruebas diagnósticas de laboratorio disponibles hasta agosto de 2021. Es decir, pruebas para detección presente de la enfermedad: RT-PCR y prueba rápida de antígenos PanbioTM (Ag rapid test device) y pruebas para la detección de infección pasada (serología), de manera que pudiésemos conocer la sensibilidad y la especificidad de dichas pruebas en los entornos clínicos. | es_ES |
dc.language.iso | spa | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.subject | multivariate analysis | es_ES |
dc.subject | respiratory viruses | es_ES |
dc.subject | infectious diseases | es_ES |
dc.title | Análisis de datos de la COVID-19 en Gipuzkoa. Pruebas diagnósticas y modelos predictivos | es_ES |
dc.type | info:eu-repo/semantics/doctoralThesis | es_ES |
dc.rights.holder | (c) 2022 María Teresa Iglesias Gaspar | |
dc.identifier.studentID | 744416 | es_ES |
dc.identifier.projectID | 21539 | es_ES |
dc.departamentoes | Medicina preventiva y salud pública | es_ES |
dc.departamentoeu | Prebentzio medikuntza eta osasun publikoa | es_ES |