Predicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinas

dc.contributor.advisorBranch Bedoya, John Willian
dc.contributor.authorAgamez Julio, Wilmer Jesús
dc.date.accessioned2022-08-24T13:29:14Z
dc.date.available2022-08-24T13:29:14Z
dc.date.issued2022-03-01
dc.descriptionilustraciones, tablas, diagramasspa
dc.description.abstractLa 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.abstractObesity 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.curricularareaÁrea Curricular de Ingeniería de Sistemas e Informáticaspa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Ingeniería - Analíticaspa
dc.format.extent51 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/82053
dc.language.isospaspa
dc.publisherUniversidad Nacional de Colombiaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Medellínspa
dc.publisher.departmentDepartamento de la Computación y la Decisiónspa
dc.publisher.facultyFacultad de Minasspa
dc.publisher.placeMedellín, Colombiaspa
dc.publisher.programMedellín - Minas - Maestría en Ingeniería - Analíticaspa
dc.relation.referencesAdam M. Chekroud, J. B. (2021). The promise of machine learning in predicting treatment outcomes in psychiatry. World Psychiatry, 154-170spa
dc.relation.referencesAhmed Qureshi, S. V. (2017). Application of Principal Component Analysis (PCA) to Medical Data. Indian Journal of Science and Technologspa
dc.relation.referencesAndy, L. (2002). Classification and regression by randomForest. R news 2.3spa
dc.relation.referencesAune 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.referencesCenters 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.htmlspa
dc.relation.referencesChen, R. D. (2020). Selecting critical features for data classification based on machine learning methods. J Big Data.spa
dc.relation.referencesColmenarejo, G. (2020). Machine Learning Models to Predict Childhood and. nutrients.spa
dc.relation.referencesColombia, G. d. (1993). Ley 100 de 1993.spa
dc.relation.referencesDA, R. (1993). Medical prognosis--some fundamentals. Theor Med, 365-75spa
dc.relation.referencesDeGregory, K. W. (2018). A review of machine learning in obesity. official journal of the International Association for the Study of Obesityspa
dc.relation.referencesDeo, R. C. (2015). Machine Learning in Medicine. Circulation, Vol 32spa
dc.relation.referencesDíaz Novás, J. G. (2006). El diagnóstico médico: bases y procedimientos. Revista Cubana de Medicina General Integralspa
dc.relation.referencesENSI. (2015). Encuesta Nacional de Salud Nutricional. Obtenido de Instituto Colombiano de Bienestar familiar: https://www.icbf.gov.co/bienestar/nutricion/encuesta-nacional-situacion-nutricional#ensin3spa
dc.relation.referencesFaria Ferdowsy, K. S. (2021). A machine learning approach for obesity risk prediction. Current Research in Behavioral Sciences.spa
dc.relation.referencesForero, 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.referencesFortich Mesa, R. &. (2019). Los determinantes de la obesidad en Colombia. Economía & Región, 155-182spa
dc.relation.referencesGarcía, G. M. (2016). La obesidad como factor de riesgo, sus determinantes. Revista Cubana de Medicina General Integral., 32spa
dc.relation.referencesGarcía-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.referencesGonnelli, 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.referencesHasmat 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.referencesJames, S. (2003). Obesity as a cardiovascular risk factor. The American Journal of Medicine, 37-41.spa
dc.relation.referencesJoaquín, 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_machinesspa
dc.relation.referencesKain J, V. F. (2003). Tendencias en la obesidad y factores. Cad Saúde Pública.spa
dc.relation.referencesKim, Y. J. (2017). Highrisk prediction from electronic medical records via deep attention networks. arXiv preprint arXiv:1712.00010.spa
dc.relation.referencesLi 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.referencesLi, 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.referencesLigibel JA, A. C.-W. (2014). American Society of Clinical Oncology position statement on obesity and cancer. J Clin Oncol.spa
dc.relation.referencesMinisterio 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.referencesOMS. (9 de Junio de 2021). Organizacion Mundial de la Salud. Obtenido de https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweightspa
dc.relation.referencesOrrego M., A. y. (2018). Actualización de conceptos sobre la patogenia de la obesidad. Revista Colombiana De Endocrinología, 37–45.spa
dc.relation.referencesOttenbacher, 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, 1159–1165spa
dc.relation.referencesPerreault, L. &. (2018). Overweight and obesity in adults: Health consequences. . Waltham: UpToDate.spa
dc.relation.referencesRajkomar, A. D. (2019). Machine learning in medicine. New England Journal of Medicine, 1347-1358.spa
dc.relation.referencesRico, 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.referencesRuiz 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.referencesRuss, L. P. (2007). Neighborhood Risk Factors for Obesity. Risk Factors and Chronic Disease.spa
dc.relation.referencesShee 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.referencesT. M. Dugan, S. M. (2015). Machine Learning Techniques for. Applied Clininic Informaticsspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.ddc000 - Ciencias de la computación, información y obras generalesspa
dc.subject.ddc610 - Medicina y saludspa
dc.subject.lemAprendizaje automático (Inteligencia artificial)
dc.subject.lembInteligencia artificial
dc.subject.lembMachine learning
dc.subject.proposalMachine learningeng
dc.subject.proposalAprendizaje de maquinasspa
dc.subject.proposalRiesgos en saludspa
dc.subject.proposalObesidadspa
dc.titlePredicción de riesgos en salud, para personas con obesidad empleando técnicas de aprendizaje de maquinasspa
dc.title.translatedPrediction of health risks for obesity people using machine learning techniqueseng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TMspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dcterms.audience.professionaldevelopmentEstudiantesspa
dcterms.audience.professionaldevelopmentMaestrosspa
dcterms.audience.professionaldevelopmentPúblico generalspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
1101447150.2022.pdf
Tamaño:
759.54 KB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestría en Ingeniería - Analítica

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
3.98 KB
Formato:
Item-specific license agreed upon to submission
Descripción: