<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns="http://purl.org/rss/1.0/" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel rdf:about="https://172.23.39.185/handle/1000/56">
    <title>Infotec Collection:</title>
    <link>https://172.23.39.185/handle/1000/56</link>
    <description />
    <items>
      <rdf:Seq>
        <rdf:li rdf:resource="https://172.23.39.185/handle/1000/297" />
        <rdf:li rdf:resource="https://172.23.39.185/handle/1000/296" />
        <rdf:li rdf:resource="https://172.23.39.185/handle/1000/290" />
      </rdf:Seq>
    </items>
    <dc:date>2026-04-19T17:25:21Z</dc:date>
  </channel>
  <item rdf:about="https://172.23.39.185/handle/1000/297">
    <title>Algoritmos utilizados para complicaciones de la Diabetes</title>
    <link>https://172.23.39.185/handle/1000/297</link>
    <description>Title : Algoritmos utilizados para complicaciones de la Diabetes
Authors: ANEL GOMEZ GARCIA
Editors: Arturo Lopez Pineda
Summary or description: Se requirió la extracción de la información contenida en el Sistema de Informática de Medicina Familiar (SIMF)-IMSS del estado de Michoacán, de forma retrospectiva mediante consulta electrónica de todos los pacientes con código de diagnóstico de DM2 según la clasificación internacional de enfermedades (CIE). Se realizó la anonimización de los datos. Una vez anonimizadas y etiquetados los datos, se realizó el Algoritmo de extracción de datos clínicos utilizando deep learning, se obtuvo la información de la complicación registrada en el expediente electrónico de acuerdo con el CIE (E11.2: Nefropatía; CIE E11.3: Retinopatía;  CIE E11.4: Neuropatía; CIE E11.5: Pie Diabético). Además de la edad del paciente al diagnóstico, sexo, IMC registrado durante 3 años y si tuvo diagnóstico de hipertensión arterial sistémica (HAS)
Matter: Aprendizaje automático</description>
    <dc:date>2023-01-01T00:00:00Z</dc:date>
  </item>
  <item rdf:about="https://172.23.39.185/handle/1000/296">
    <title>Base de Datos DiabetIA</title>
    <link>https://172.23.39.185/handle/1000/296</link>
    <description>Title : Base de Datos DiabetIA
Authors: ANEL GOMEZ GARCIA
Editors: Arturo Lopez Pineda
Summary or description: Se requirió la extracción de la información contenida en el Sistema de Informática de Medicina Familiar (SIMF)-IMSS del estado de Michoacán, de forma retrospectiva mediante consulta electrónica de todos los pacientes con código de diagnóstico de DM2 según la clasificación internacional de enfermedades (CIE). Se realizó la anonimización de los datos. Una vez anonimizadas y etiquetados los datos, se realizó el Algoritmo de extracción de datos clínicos utilizando deep learning, se obtuvo la información de complicaciones registradas en el expediente electrónico de acuerdo con el CIE (Nefropatía: E11.2; Retinopatía: E11.3; Neuropatía: E11.4; Pie diabético: E11.5). Además de la edad del paciente al diagnóstico, sexo, IMC registrado durante 3 años y si tuvo diagnóstico de hipertensión arterial sistémica (HAS)
Matter: Base de datos anonimizada</description>
    <dc:date>2023-01-01T00:00:00Z</dc:date>
  </item>
  <item rdf:about="https://172.23.39.185/handle/1000/290">
    <title>Algoritmo de Anonimización de notas médicas para proteger la identidad de los pacientes</title>
    <link>https://172.23.39.185/handle/1000/290</link>
    <description>Title : Algoritmo de Anonimización de notas médicas para proteger la identidad de los pacientes
Authors: KARINA MARIELA FIGUEROA MORA; ANEL GOMEZ GARCIA
Summary or description: 1. (2021) Jesús Mercado, Karina Figueroa, Arturo López, Cleto Álvarez y Anel Gómez. Algoritmo de Anonimización de notas médicas para proteger la identidad de los pacientes. Coloquio de Estudiantes. ENC 2021. Pag 61-66.
 https://youtu.be/DPwdEbAYhWw  minuto 3:05:35 
 http://computo.fismat.umich.mx/smcc/ENC2021_CLQ.pdf
; Examen realizado el 25 de noviembre de 2022</description>
    <dc:date>2022-11-25T00:00:00Z</dc:date>
  </item>
</rdf:RDF>

