Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático
Diabetes 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 wh...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Trabajo de grado (Pregrado y/o Especialización) |
| Lenguaje: | spa |
| Publicado: |
Universidad Antonio Nariño
2021
|
| Materias: | |
| Acceso en línea: | http://repositorio.uan.edu.co/handle/123456789/4816 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1812647831973920768 |
|---|---|
| author | Pérez Leal, Leydi Esperanza Buitrago C´ardenas, José Alejandro |
| author2 | Ramírez, Juan Camilo |
| author_facet | Ramírez, Juan Camilo Pérez Leal, Leydi Esperanza Buitrago C´ardenas, José Alejandro |
| author_sort | Pérez Leal, Leydi Esperanza |
| collection | DSpace |
| description | Diabetes 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. |
| format | Trabajo de grado (Pregrado y/o Especialización) |
| id | repositorio.uan.edu.co-123456789-4816 |
| institution | Repositorio Digital UAN |
| language | spa |
| publishDate | 2021 |
| publisher | Universidad Antonio Nariño |
| record_format | dspace |
| spelling | repositorio.uan.edu.co-123456789-48162024-10-09T23:03:10Z Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático Pérez Leal, Leydi Esperanza Buitrago C´ardenas, José Alejandro Ramírez, Juan Camilo Aprendizaje Automático Diabetes 004 616 Machine learning Diabetes 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. La 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 automático Ingeniero(a) de Sistemas (Distancia) Pregrado Presencial Monografía 2021-09-03T21:02:23Z 2021-09-03T21:02:23Z 2021-05-27 Trabajo de grado (Pregrado y/o Especialización) info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_970fb48d4fbd8a85 http://repositorio.uan.edu.co/handle/123456789/4816 [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: 10.1007/978-981-13-8798-2-12 2] 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. [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.2015.2396520 [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. [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. [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=48742127004 [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)76646-3 [8] AMERICAN DIABETES ASSOCIATION, “Diagnosis and Classification of Diabetes Mellitus,” 2005. [9] World Health Organization, “OMS — Diabetes,” 2020. https://www.who.int/diabetes/action-online/basics/es/index3.html (accessed Sep. 06, 2020). [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. instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/ spa Acceso abierto Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) https://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 application/pdf application/pdf application/pdf application/pdf application/pdf Universidad Antonio Nariño Ingeniería de Sistemas (Distancia) Facultad de Ingeniería de Sistemas Bogotá - Sur |
| spellingShingle | Aprendizaje Automático Diabetes 004 616 Machine learning Pérez Leal, Leydi Esperanza Buitrago C´ardenas, José Alejandro Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático |
| title | Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático |
| title_full | Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático |
| title_fullStr | Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático |
| title_full_unstemmed | Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático |
| title_short | Predicción del diagnostico de diabetes a partir de perfiles clínicos de pacientes utilizando aprendizaje automático |
| title_sort | prediccion del diagnostico de diabetes a partir de perfiles clinicos de pacientes utilizando aprendizaje automatico |
| topic | Aprendizaje Automático Diabetes 004 616 Machine learning |
| url | http://repositorio.uan.edu.co/handle/123456789/4816 |
| work_keys_str_mv | AT perezlealleydiesperanza predicciondeldiagnosticodediabetesapartirdeperfilesclinicosdepacientesutilizandoaprendizajeautomatico AT buitragocardenasjosealejandro predicciondeldiagnosticodediabetesapartirdeperfilesclinicosdepacientesutilizandoaprendizajeautomatico |
