La mayoría de los métodos para la categorización automática de documentos está basada en técnicas de aprendizaje supervisado y por consecuencia, tienen el problema de requerir un gran número de instancias de entrenamiento. Con la finalidad de afrontar este problema, en esta tesis se propone un nuevo método semi-supervisado para la categorización de documentos, el cual considera la extracción automática de ejemplos no etiquetados de la Web y su incorporación al conjunto de entrenamiento. Los ejemplos no etiquetados que se incorporan al conjunto de entrenamiento son seleccionados por medio de un método basado en aprendizaje automático. Este modelo incremental permite la selección sólo de los mejores ejemplos no etiquetados en cada iteración. Sin embargo, en algunos dominios esta técnica no permite mejorar la precisión de clasificación, principalmente cuando los datos etiquetados son dispersos. Esto es, entre más relación tengan los ejemplos etiquetados con la categoría a la que pertenecen, mejores resultados se obtendrán con este método. Éste es independiente del dominio y del lenguaje, su funcionamiento resulta más adecuado en aquellos escenarios en los cuales no se cuenta con suficientes instancias de entrenamiento manualmente etiquetadas. La evaluación experimental del método se llevó a cabo con tres experimentos de categorización de documentos tanto temática (utilizando colecciones con diferentes características de documentos, como son: muy pocos ejemplos de entrenamiento y un alto grado de traslape) así como no temática (tarea de atribución de autoría). Un cuarto experimento se llevó a cabo para la tarea de la desambiguación del sentido de las palabras. Los resultados obtenidos en cada uno de estos experimentos nos permiten ver la efectividad de incorporar datos no etiquetados descargados de la Web al conjunto de entrenamiento. / Guzmán Cabrera, R. (2009). Categorización semi-supervisada de Documentos usando la Web como corpus [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/6562

[ES] La fibrilación auricular (FA) es la arritmia cardíaca más común y afecta a más de 33 millones de pacientes en el mundo. A menudo se encuentra en unidades de cuidados intensivos, donde se asocia con hospitalizaciones prolongadas, mayores costos de atención médica, riesgo elevado de tromboembolismo y mayor mortalidad. La FA tiene diversas causas y mecanismos y se considera una enfermedad heterogénea. Puede ser causada por comorbilidades cardíacas y no cardíacas, como trastornos endocrinos, pulmonares y metabólicos, genética e inflamación. La abundancia de mecanismos fisiopatológicos asociados con la FA ha llevado a la comprensión de que los pacientes con FA son considerablemente heterogéneos. Esta heterogeneidad entre las poblaciones de pacientes se ha identificado previamente como un impedimento no abordado en los estudios epidemiológicos. Existen pautas para el tratamiento y manejo de la FA para la población general, pero no son directamente aplicables a las poblaciones de la UCI debido a los diferentes mecanismos, riesgos y efectividad de los tratamientos de la FA. Además, falta evidencia sólida sobre estrategias de tratamiento óptimas, lo que resulta en una falta de consenso entre los tomadores de decisiones clínicas y diferentes enfoques de tratamiento en las instituciones clínicas. Esta tesis doctoral informa el proceso de desarrollo de un método de estratificación para pacientes con FA en el entorno de cuidados críticos. Se desarrollan, comparan y emplean nuevos algoritmos de agrupamiento semisupervisados para identificar fenotipos de FA. Se comparan los efectos del tratamiento de fármacos antiarrítmicos comunes entre fenotipos y se realiza una evaluación de usabilidad para identificar la aplicabilidad clínica de los métodos desarrollados. / [CA] La fibril·lació auricular (FA) és l'arítmia cardíaca més comú i afecta més de 33 milions de pacients al món. Sovint es troba en unitats de cures intensives, on s'associa amb hospitalitzacions prolongades, majors costos d'atenció mèdica, risc elevat de tromboembolisme i més mortalitat. La FA té diverses causes i mecanismes i es considera una malaltia heterogènia. Pot ser causada per comorbiditats cardíaques i no cardíaques, com ara trastorns endocrins, pulmonars i metabòlics, genètica i inflamació. L'abundància de mecanismes fisiopatològics associats a la FA ha portat a la comprensió que els pacients amb FA són considerablement heterogenis. Aquesta heterogeneïtat entre les poblacions de pacients s'ha identificat prèviament com un impediment no abordat als estudis epidemiològics. Hi ha pautes per al tractament i maneig de la FA per a la població general, però no són directament aplicables a les poblacions de la UCI a causa dels diferents mecanismes, riscos i efectivitat dels tractaments de la FA. A més, manca evidència sòlida sobre estratègies de tractament òptimes, la qual cosa resulta en una manca de consens entre els prenedors de decisions clíniques i diferents enfocaments de tractament a les institucions clíniques. Aquesta tesi doctoral informa el procés de desenvolupament d'un mètode d'estratificació per a pacients amb FA a l'entorn de cures crítiques. Es desenvolupen, comparen i fan servir nous algorismes d'agrupament semisupervisats per identificar fenotips de FA. Es comparen els efectes del tractament de fàrmacs antiarítmics comuns entre fenotips i es fa una avaluació d'usabilitat per identificar l'aplicabilitat clínica dels mètodes desenvolupats. / [EN] Atrial fibrillation (AF) is the most commonly encountered cardiac arrhythmia, affecting over 33 million patients in the world. It is often encountered in intensive care units, where it is associated with prolonged hospitalisation, increased healthcare costs, elevated risk of thromboembolism, and higher mortality. AF has diverse causes and mechanisms, and is considered to be a heterogeneous disease. It may be caused by cardiac and non-cardiac comorbidities, such as endocrine, pulmonary, and metabolic disorders, genetics, and inflammation. The abundance of pathophysiological mechanisms associated with AF has led to the realization that AF patients are considerably heterogeneous. This heterogeneity among patient populations have previously been identified as an unaddressed impediment in epidemiological studies. Guidelines for the treatment and management of AF exist for the general population but are not directly applicable to ICU populations due to different AF mechanisms, risks, and effectiveness of treatments. Further, strong evidence for optimal treatment strategies is missing, resulting in a lack of consensus among clinical decision-makers, and different treatment approaches across clinical institutions. This doctoral thesis reports the process of developing a stratification method for AF patients in the critical care setting. Novel semi-supervised clustering algorithms are developed, benchmarked, and employed to identify AF phenotypes. Treatment effects of common antiarrhythmic drugs are compared among phenotypes, and a usability assessment is performed to identify the clinical applicability of the developed methods. / Lacki, AS. (2024). Clinical Decision Support System for the Multiparametric Stratification of Atrial Fibrillation Patients in Critical Care [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/212511