Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático

Simple item page
dc.contributor.advisorRamírez, Juan Camilospa
dc.contributor.authorPérez Leal, Leydi Esperanzaspa
dc.contributor.authorBuitrago C´ardenas, José Alejandrospa
dc.creator.cedula11161614475spa
dc.creator.cedula11161615286spa
dc.date.accessioned2021-09-03T21:02:23Z
dc.date.available2021-09-03T21:02:23Z
dc.date.issued2021-05-27spa
dc.description.abstractDiabetes in Colombia is one of the leading causes of death in most of the country's departments, according to the Ministry of Health. The World Health Organization recognizes three main types of diabetes: type I, type II, and gestational. One of the main causes of death from diabetes is that when the patient is diagnosed, the disease is already advanced and therefore difficult to treat. Therefore, it is very important to make a diagnosis in time, so that the factors that derive from this event can be minimized, such as: serious complications (such as: amputations, heart attacks, eye damage, foot ulcer, among others.); monetary expenses (such as: hospital, personal, state); time invested, among others. One of the methods used and making use of technology is the prediction of the risk of developing diabetes using machine learning (ML), where the prognosis of the disease is obtained as a result and with it, prevention fatal results and reduction of financial expenses. This process has already been carried out over time and there are several studies in which an attempt is made to predict the diagnosis of diabetes using machine learning.eng
dc.description.abstractLa diabetes en Colombia es una de las principales causas de muerte en la mayoría de los departamentos del país, según el Ministerio de Salud. La Organización Mundial de la Salud reconoce tres tipos principales de diabetes: tipo I, tipo II y gestacional. Una de las principales causas de mortandad por diabetes es que cuando el paciente es diagnosticado, la enfermedad ya esta avanzada y por ende es difícil de tratar. Por lo tanto, es de gran importancia realizar un diagnostico a tiempo, para que se puedan minimizar los factores que se derivan de este acontecimiento, como lo son: complicaciones graves (como: amputaciones, ataques cardiacos, daño ocular, ´ulcera en el pie, entre otros.); gastos monetarios (como: hospitalarios, personales, del estado); tiempo invertido, entre otros. Uno de los métodos empleados y haciendo uso de la tecnología, es la predicción del riesgo de desarrollar diabetes usando machine learning (ML), en donde se obtiene como resultado el pronostico de la enfermedad y con ello, prevenir los resultados fatales y reducción de gastos financieros. Este proceso ya se ha venido realizando con el paso del tiempo y se encuentran varios estudios en donde se intenta predecir el diagnostico de la diabetes utilizando aprendizaje automáticospa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) de Sistemas (Distancia)spa
dc.description.degreetypeMonografíaspa
dc.description.notesPresencialspa
dc.identifier.bibliographicCitation[1] M. M. F. Islam, R. Ferdousi, S. Rahman, and H. Y. Bushra, “Likelihood Prediction of Diabetes at Early Stage Using Data Mining Techniques,” Adv. Intell. Syst. Comput., vol. 992, pp. 113-125, 2020, doi: 10.1007/978-981-13-8798-2-12spa
dc.identifier.bibliographicCitation2] B. J. Lee and J. Y. Kim, “Identification of type 2 diabetes risk factors using phenotypes consisting of anthropometry and triglycerides based on Machine Learning,” IEEE J. Biomed. Heal. Informatics, vol. 20, no. 1, pp. 39–46, Jan. 2016, doi: 10.1109/JBHI.2015.2396520.spa
dc.identifier.bibliographicCitation[3] B. J. Lee and J. Y. Kim, “Identification of type 2 diabetes risk factors using phenotypes consisting of anthropometry and triglycerides based on Machine Learning,” IEEE J. Biomed. Heal. Informatics, vol. 20, no. 1, pp. 39–46, Jan. 2016, doi: 10.1109/JBHI.2015.2396520spa
dc.identifier.bibliographicCitation[4] SANCHEZ RIVERO, Germ´an. Historia de la diabetes. Gac Med Bol ´ [online]. 2007, vol.30, n.2 [citado 2021-02-15], pp. 74-78 . Disponible en: http://www.scielo.org.bo/scielo.php?script=sci- arttext y pid=S1012- 29662007000200016&lng=es&nrm=iso¿. ISSN 1012-2966.spa
dc.identifier.bibliographicCitation[5] Villalobos A, Rojas-Mart´ınez R, Aguilar-Salinas CA, et al. Atenci´on m´edica y acciones de autocuidado en personas que viven con diabetes, seg´un nivel socioecon´omico. salud p´ublica mex. 2019;61(6):876-887.spa
dc.identifier.bibliographicCitation[6] G´omez-Encino, Guadalupe del Carmen, Cruz-Le´on, Aralucy, Zapata-V´azquez, Rosario, Morales- Ram´on, Fabiola Nivel de conocimiento que tienen los pacientes con Diabetes Mellitus tipo 2 en relaci´on a su enfermedad. Salud en Tabasco [en linea]. 2015, 21(1), 17-25[fecha de Consulta 15 de Febrero de 2021]. ISSN: 1405-2091. Disponible en: https://www.redalyc.org/articulo.oa?id=48742127004spa
dc.identifier.bibliographicCitation[7] D. I. Conget, “Diagnosis, classification and pathogenesis of diabetes mellitus,” Rev. Esp. Cardiol., vol. 55, no. 5, pp. 528–535, Jan. 2002, doi: 10.1016/S0300-8932(02)76646-3spa
dc.identifier.bibliographicCitation[8] AMERICAN DIABETES ASSOCIATION, “Diagnosis and Classification of Diabetes Mellitus,” 2005.spa
dc.identifier.bibliographicCitation[9] World Health Organization, “OMS — Diabetes,” 2020. https://www.who.int/diabetes/action-online/basics/es/index3.html (accessed Sep. 06, 2020).spa
dc.identifier.bibliographicCitation[10] A. D. Association, “Classification and diagnosis of diabetes,” Diabetes Care, vol. 40, no. Supplement 1, pp. S11–S24, Jan. 2017, doi: 10.2337/dc17-S005.spa
dc.identifier.instnameinstname:Universidad Antonio Nariñospa
dc.identifier.reponamereponame:Repositorio Institucional UANspa
dc.identifier.repourlrepourl:https://repositorio.uan.edu.co/spa
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/4816
dc.language.isospaspa
dc.publisherUniversidad Antonio Nariñospa
dc.publisher.campusBogotá - Surspa
dc.publisher.facultyFacultad de Ingeniería de Sistemasspa
dc.publisher.programIngeniería de Sistemas (Distancia)spa
dc.rightsAcceso abierto
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAttribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subjectAprendizaje Automáticoes_ES
dc.subjectDiabeteses_ES
dc.subject.ddc004es_ES
dc.subject.ddc616es_ES
dc.subject.keywordMachine learninges_ES
dc.titlePredicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automáticoes_ES
dc.typeTrabajo de grado (Pregrado y/o Especialización)spa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dcterms.audienceEspecializadaspa
Files
Original bundle
Now showing 1 - 5 of 5
thumbnail.default.alt
Name:
2021_LeidyEsperanzaPerezLeal_Acta.pdf
Size:
2.7 MB
Format:
Adobe Portable Document Format
Description:
Acta de sustentación
thumbnail.default.alt
Name:
2021_LeidyEsperanzaPerezLeal_Autorizacion.pdf
Size:
536.05 KB
Format:
Adobe Portable Document Format
Description:
Autorización de autores - José Buitrago
thumbnail.default.alt
Name:
2021_LeidyEsperanzaPerezLealAutorizacion.pdf
Size:
1.17 MB
Format:
Adobe Portable Document Format
Description:
Autorización de autores - Leydi Pérez
thumbnail.default.alt
Name:
2021_LeidyEsperanzaPerezLeal_Manualtécnico.pdf
Size:
390.3 KB
Format:
Adobe Portable Document Format
Description:
Manual técnico
Download
thumbnail.default.alt
Name:
2021_LeidyEsperanzaPerezLeal
Size:
975.63 KB
Format:
Adobe Portable Document Format
Description:
Monografía
Download
License bundle
Now showing 1 - 1 of 1
thumbnail.default.alt
Name:
license.txt
Size:
3.66 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Ingeniería de sistemas y computación