Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas
dc.contributor.advisor | Branch Bedoya, John Willian | |
dc.contributor.author | Agamez Julio, Wilmer Jesús | |
dc.date.accessioned | 2022-08-24T13:29:14Z | |
dc.date.available | 2022-08-24T13:29:14Z | |
dc.date.issued | 2022-03-01 | |
dc.description | ilustraciones, tablas, diagramas | spa |
dc.description.abstract | La obesidad es una enfermedad de alto riesgo es una patología que es considerada como un problema de salud pública, en Colombia cerca del 60% de la población tiene malos hábitos alimenticios y esto influye a sufrir otras patologías donde intervenir a tiempo y evitar una hospitalización urgente o un fallecimiento es fundamental. Esta investigación trata de proponer un modelo de aprendizaje de máquinas, analizando los patrones de comportamiento y diferentes interacciones con los sistemas de salud colombiano, con el propósito de predecir un evento adverso, el resultado es un modelo escalable a los sistemas y de precisión aceptable que permitirá una mayor comprensión de los datos y contribuirá a generar una política preventiva en salud más eficiente. (Texto tomado de la fuente) | spa |
dc.description.abstract | Obesity is a high-risk disease, it is a pathology that is considered a public health problem, in Colombia about 60% of the population has poor eating habits and this influences suffering from other pathologies where timely intervention and avoid urgent hospitalization or a death is essential. This research tries to propose a machine learning model, analyzing the behavior patterns and different interactions with the Colombian health systems, with the purpose of predicting an adverse event, the result is a scalable model to the systems with an acceptable precision . It will allow us to better understand the data, which will contribute to generating a more efficient preventive health policy. | eng |
dc.description.curriculararea | Área Curricular de Ingeniería de Sistemas e Informática | spa |
dc.description.degreelevel | Maestría | spa |
dc.description.degreename | Magíster en Ingeniería - Analítica | spa |
dc.format.extent | 51 páginas | spa |
dc.format.mimetype | application/pdf | spa |
dc.identifier.instname | Universidad Nacional de Colombia | spa |
dc.identifier.reponame | Repositorio Institucional Universidad Nacional de Colombia | spa |
dc.identifier.repourl | https://repositorio.unal.edu.co/ | spa |
dc.identifier.uri | https://repositorio.unal.edu.co/handle/unal/82053 | |
dc.language.iso | spa | spa |
dc.publisher | Universidad Nacional de Colombia | spa |
dc.publisher.branch | Universidad Nacional de Colombia - Sede Medellín | spa |
dc.publisher.department | Departamento de la Computación y la Decisión | spa |
dc.publisher.faculty | Facultad de Minas | spa |
dc.publisher.place | Medellín, Colombia | spa |
dc.publisher.program | Medellín - Minas - Maestría en Ingeniería - Analítica | spa |
dc.relation.references | Adam M. Chekroud, J. B. (2021). The promise of machine learning in predicting treatment outcomes in psychiatry. World Psychiatry, 154-170 | spa |
dc.relation.references | Ahmed Qureshi, S. V. (2017). Application of Principal Component Analysis (PCA) to Medical Data. Indian Journal of Science and Technolog | spa |
dc.relation.references | Andy, L. (2002). Classification and regression by randomForest. R news 2.3 | spa |
dc.relation.references | Aune D, S. A. (2016). BMI and all cause mortality: systematic review and non-linear dose-response meta-analysis of 230 cohort studies with 3.74 million deaths among 30.3 million participants. BMJ. | spa |
dc.relation.references | Centers of disease control and prevention. (19 de marzo de 2020). Division of Nutrition, Physical Activity, and Obesity. Obtenido de https://www.cdc.gov/obesity/data/adult.html | spa |
dc.relation.references | Chen, R. D. (2020). Selecting critical features for data classification based on machine learning methods. J Big Data. | spa |
dc.relation.references | Colmenarejo, G. (2020). Machine Learning Models to Predict Childhood and. nutrients. | spa |
dc.relation.references | Colombia, G. d. (1993). Ley 100 de 1993. | spa |
dc.relation.references | DA, R. (1993). Medical prognosis--some fundamentals. Theor Med, 365-75 | spa |
dc.relation.references | DeGregory, K. W. (2018). A review of machine learning in obesity. official journal of the International Association for the Study of Obesity | spa |
dc.relation.references | Deo, R. C. (2015). Machine Learning in Medicine. Circulation, Vol 32 | spa |
dc.relation.references | Díaz Novás, J. G. (2006). El diagnóstico médico: bases y procedimientos. Revista Cubana de Medicina General Integral | spa |
dc.relation.references | ENSI. (2015). Encuesta Nacional de Salud Nutricional. Obtenido de Instituto Colombiano de Bienestar familiar: https://www.icbf.gov.co/bienestar/nutricion/encuesta-nacional-situacion-nutricional#ensin3 | spa |
dc.relation.references | Faria Ferdowsy, K. S. (2021). A machine learning approach for obesity risk prediction. Current Research in Behavioral Sciences. | spa |
dc.relation.references | Forero, G. L.¬r. (2005). Diferencias en los I¬ndices de masa corporal en Colombia en 2005: una aplicación de los indicadores de desigualdad. Documentos de trabajo Universidad del rosario. | spa |
dc.relation.references | Fortich Mesa, R. &. (2019). Los determinantes de la obesidad en Colombia. Economía & Región, 155-182 | spa |
dc.relation.references | García, G. M. (2016). La obesidad como factor de riesgo, sus determinantes. Revista Cubana de Medicina General Integral., 32 | spa |
dc.relation.references | García-Rodríguez, J. F.-F.-L.-G. (2010). Dimensión económica del sobrepeso y la obesidad como problemas de salud pública. Salud en Tabasco, 891-896. | spa |
dc.relation.references | Gonnelli, S. C. (2014). Obesity and fracture risk. Clinical cases in mineral and bone metabolism : the official journal of the Italian Society of Osteoporosis, Mineral Metabolism, and Skeletal Diseases, 9–14. | spa |
dc.relation.references | Hasmat Malik, N. F. (2021). Chapter 1 - Advances in Machine Learning and Data Analytics. En N. F. Hasmat Malik, Intelligent Data-Analytics for Condition Monitoring. Academic Press. | spa |
dc.relation.references | James, S. (2003). Obesity as a cardiovascular risk factor. The American Journal of Medicine, 37-41. | spa |
dc.relation.references | Joaquín, A. R. (Abril de 2017). Máquinas de Vector Soporte (Support Vector Machines, SVMs). Obtenido de cienciadedatos.net: https://www.cienciadedatos.net/documentos/34_maquinas_de_vector_soporte_support_vector_machines | spa |
dc.relation.references | Kain J, V. F. (2003). Tendencias en la obesidad y factores. Cad Saúde Pública. | spa |
dc.relation.references | Kim, Y. J. (2017). Highrisk prediction from electronic medical records via deep attention networks. arXiv preprint arXiv:1712.00010. | spa |
dc.relation.references | Li M, C. H. (2021). Application of Deep Learning Technology in Predicting the Risk of Inpatient Death in Intensive Care Unit. Healthc Eng. | spa |
dc.relation.references | Li, X., & Li, J. (2018). Health Risk Prediction Using Big Medical Data - a. 20th International Conference on e-Health Networking, Applications and Services (Healthcom). | spa |
dc.relation.references | Ligibel JA, A. C.-W. (2014). American Society of Clinical Oncology position statement on obesity and cancer. J Clin Oncol. | spa |
dc.relation.references | Ministerio de Salud y proteccion social. (2021). Obesidad, un factor de riesgo en el covid-19. Boletín de Prensa No 324 de 2021. | spa |
dc.relation.references | OMS. (9 de Junio de 2021). Organizacion Mundial de la Salud. Obtenido de https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweight | spa |
dc.relation.references | Orrego M., A. y. (2018). Actualización de conceptos sobre la patogenia de la obesidad. Revista Colombiana De Endocrinología, 37–45. | spa |
dc.relation.references | Ottenbacher, K., Smith, P., Illig, S., Linn, R., Fiedlerc, R., & Granger, C. (2001). Comparison of logistic regression and neural networks to predict. Journal of Clinical Epidemiology, 1159–1165 | spa |
dc.relation.references | Perreault, L. &. (2018). Overweight and obesity in adults: Health consequences. . Waltham: UpToDate. | spa |
dc.relation.references | Rajkomar, A. D. (2019). Machine learning in medicine. New England Journal of Medicine, 1347-1358. | spa |
dc.relation.references | Rico, M. A. (2 de Marzo de 2020). 60% de la población colombiana tiene malas costumbres a la hora de alimentarse. La Republica. | spa |
dc.relation.references | Ruiz Carlos Alberto, B. M. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Catedra Informática Aplicada a la Ingeniería de Procesos, Universidad del Rosario. | spa |
dc.relation.references | Russ, L. P. (2007). Neighborhood Risk Factors for Obesity. Risk Factors and Chronic Disease. | spa |
dc.relation.references | Shee Khamis Hassan, K. S. (2014). Application of k- Nearest Neighbour Classification in Medical Data Mining. International Journal of Information and Communication Technology Research. | spa |
dc.relation.references | T. M. Dugan, S. M. (2015). Machine Learning Techniques for. Applied Clininic Informatics | spa |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
dc.rights.license | Atribución-NoComercial-SinDerivadas 4.0 Internacional | spa |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | spa |
dc.subject.ddc | 000 - Ciencias de la computación, información y obras generales | spa |
dc.subject.ddc | 610 - Medicina y salud | spa |
dc.subject.lem | Aprendizaje automático (Inteligencia artificial) | |
dc.subject.lemb | Inteligencia artificial | |
dc.subject.lemb | Machine learning | |
dc.subject.proposal | Machine learning | eng |
dc.subject.proposal | Aprendizaje de maquinas | spa |
dc.subject.proposal | Riesgos en salud | spa |
dc.subject.proposal | Obesidad | spa |
dc.title | Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas | spa |
dc.title.translated | Prediction of health risks for obesity people using machine learning techniques | eng |
dc.type | Trabajo de grado - Maestría | spa |
dc.type.coar | http://purl.org/coar/resource_type/c_bdcc | spa |
dc.type.coarversion | http://purl.org/coar/version/c_ab4af688f83e57aa | spa |
dc.type.content | Text | spa |
dc.type.driver | info:eu-repo/semantics/masterThesis | spa |
dc.type.redcol | http://purl.org/redcol/resource_type/TM | spa |
dc.type.version | info:eu-repo/semantics/acceptedVersion | spa |
dcterms.audience.professionaldevelopment | Estudiantes | spa |
dcterms.audience.professionaldevelopment | Maestros | spa |
dcterms.audience.professionaldevelopment | Público general | spa |
oaire.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- 1101447150.2022.pdf
- Tamaño:
- 759.54 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Tesis de Maestría en Ingeniería - Analítica
Bloque de licencias
1 - 1 de 1
Cargando...
- Nombre:
- license.txt
- Tamaño:
- 3.98 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: