Logotipo del repositorio
Logotipo del repositorio
 

Diseño de un modelo para determinar la tecnología de predicción adecuada para diagnosticar la enfermedad renal crónica

Vista sencilla de ítem
datacite.rightshttp://purl.org/coar/access_right/c_f1cf
dc.contributor.advisorCalabria Sarmiento, Juan Carlos
dc.contributor.advisorRua Ascar, Juan Manuel
dc.contributor.authorGuzmán Díaz, Yecid David
dc.date2050-12-30
dc.date.accessioned2024-09-23T14:32:43Z
dc.date.available2024-09-23T14:32:43Z
dc.date.issued2024
dc.description.abstractEsta investigación aborda una de las tantas problemáticas del sector salud en Colombia, que se relaciona con el aumento de los casos de la enfermedad renal crónica y el alto costo para el sistema de salud. Además, destaca la falta de análisis de datos eficaz en el país, con escaso uso de técnicas de Machine learning o algoritmos de aprendizaje automático. Para abordar estas deficiencias en el sistema de salud, primero se obtuvieron los datos de una institución prestadora de Salud (IPS) y se sometieron a un proceso exploratorio de información. Durante la preparación de los datos, se llevaron a cabo procesos de selección, limpieza y transformación para garantizar la calidad de los datos para su posterior análisis mediante técnicas de minería de datos y algoritmos computacionales. Se utilizó la metodología CRISP-DM, que proporciona un enfoque completo y detallado para el proceso de minería de datos, y la distribución Anaconda de Python, una herramienta ampliamente utilizada para algoritmos de Machine learning. El entrenamiento del modelo propuesto y diferentes modelos utilizaron un dataset supervisado dividido en un 70% para entrenamiento y el 30% para pruebas, además se usó un análisis de datos exploratorio para así conocer a detalle las características de las variables entregadas por la ips. La métrica para determinar cuál es el más optimo es la exactitud y la exhaustividad donde vemos que el modelo tiene un mejor rendimiento comparado diferente algoritmos de machine learning, Dicha comparación define que el modelo propio es más exacto al momento de predecir la enfermedad renal crónica. El resultado fue la creación de un modelo apoyado en Machine learning recomendado para predecir la ocurrencia de la enfermedad renal crónica (ERC).spa
dc.description.abstractThis research addresses one of the many problems of the health sector in Colombia, which is related to the increase in cases of chronic kidney disease and the high cost for the health system. Furthermore, the lack of effective data analysis in the country stands out, with little use of Machine learning techniques or machine learning algorithms. To address these deficiencies in the health system, data were first obtained from a health care institution (IPS) and subjected to statistical analysis using exploratory information methods. During data preparation, selection, cleaning and transformation processes were carried out to guarantee the quality of the data for subsequent analysis using data mining techniques and computational algorithms. The CRISP-DM methodology was used, which provides a complete and detailed approach to the data mining process, and the Anaconda distribution of Python, a widely used tool for Machine learning algorithms. The training of the proposed model and different models used a supervised dataset split into 70% for training and 30% for testing. Additionally, exploratory data analysis was employed to thoroughly understand the characteristics of the variables provided by the IPS. The metric used to determine which model is the most optimal is accuracy and recall, where we see that the model performs better compared to different machine learning algorithms. This comparison shows that the custom model is more accurate in predicting chronic kidney disease. The result was the creation of a model supported by Machine learning recommended to predict the occurrence of chronic kidney disease (CKD).eng
dc.format.mimetypepdf
dc.identifier.urihttps://hdl.handle.net/20.500.12442/15686
dc.language.isospa
dc.publisherEdiciones Universidad Simón Bolívarspa
dc.publisherFacultad de Ingenieríasspa
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateseng
dc.rights.accessrightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.subjectEnfermedad renal crónicaspa
dc.subjectERCspa
dc.subjectMachine learningspa
dc.subjectSistema de salud colombianospa
dc.subjectIPSspa
dc.subjectEPSspa
dc.subjectPythonspa
dc.subjectAzure Machine learning studiospa
dc.subjectModelosspa
dc.subject.keywordsChronic kidney diseaseeng
dc.subject.keywordsCKDeng
dc.subject.keywordsHealth system colombianoeng
dc.subject.keywordsModelseng
dc.titleDiseño de un modelo para determinar la tecnología de predicción adecuada para diagnosticar la enfermedad renal crónicaspa
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.spaTrabajo de grado máster
dcterms.references1996, M. (s.f.). Obtenido de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/DIJ/Decreto-2174-de-1996.pdfspa
dcterms.referencesAlba, A. O. (s.f.). Obtenido de https://repository.javeriana.edu.co/handle/10554/51685spa
dcterms.referencesAnik, S., & Mittra, T. (2019). Performance Measurements of Machine Learning Approaches for Prediction and Diagnosis of Chronic Kidney Disease (CKD). Obtenido de https://www.researchgate.net/publication/335850266_Performance_Measurements_of_Machine_Learning_Approaches_for_Prediction_and_Diagnosis_of_Chronic_Kidney_Disease_CKDeng
dcterms.referencesArtal-Mittelmark, R. (2022). Fisiollogía del embarazo. Obtenido de https://www.msdmanuals.com/es/professional/ginecolog%C3%ADa-y-obstetricia/abordaje-de-la-mujer-embarazada-y-atenci%C3%B3n-prenatal/fisiolog%C3%ADa-del-embarazospa
dcterms.referencesCAC. (s.f.). Obtenido de Cuenta de Alto Costo/ Situación de la Enfermedad Renal Crónica en Colombia, «MINISTERIO DE SALUD COLOMBIA,» 2019. [En línea]. Available: https://acortar.link/B7iXG. [Último acceso: 09 2020].spa
dcterms.referencesCardona, L. A. (2022). Obtenido de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2422-42002022000200125spa
dcterms.referencesCare, F. M. (s.f.). Obtenido de Fresenius Medical Care Colombia S.A., «Enfermedad Renal: causas y prevención - Fresenius Medical Care,» 2019. [En línea]. Available: https://acortar.link/Z2gKf. [Último acceso: 09 2020]spa
dcterms.referencesColombia, C. d. (2012). Obtenido de https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=49981spa
dcterms.referencesColombia, C. d. (2022). Obtenido de http://secretariasenado.gov.co/senado/basedoc/ley_2015_2020.htmlspa
dcterms.referencescosto, C. d. ( 2023). Obtenido de https://cuentadealtocosto.org/erc/dia-mundial-del-rinon-2023/spa
dcterms.referencesCuenta de alto costo, C. (s.f.). Qué es la cuenta de alto costo? Obtenido de https://cuentadealtocosto.org/quienes-somos/spa
dcterms.referencesDario Soto, J. G. (2020). Monitoreo de indicadores de valor a través de minería de datos, gestión de procesos de negocio y mejoramiento continuo con gestión del riesgo. Obtenido de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1692-33242020000200093spa
dcterms.referencesDibaba Adeba Debal, T. M. (2022). Chronic kidney disease prediction using machine learning techniques. Obtenido de https://journalofbigdata.springeropen.com/articles/10.1186/s40537-022-00657-5eng
dcterms.referencesEuropea, U. (2022). Obtenido de https://universidadeuropea.com/blog/aprendizaje-supervisado-no-supervisado/spa
dcterms.referencesEvans, R. S. ( 2016). Obtenido de https://pubmed.ncbi.nlm.nih.gov/27199197/spa
dcterms.referencesFayyad, U. (1996). Obtenido de https://dl.acm.org/doi/10.1145/240455.240464spa
dcterms.referencesFerandez-Caballero, A., Manzano Arjona, M., Alonso González, E., & Tomé, S. (2006). Una Perspectiva de la Inteligencia en su 50 aniversario. España: La Roda.spa
dcterms.referencesFrancesco Paolo, A. V. (s.f.). Obtenido de https://pubmed.ncbi.nlm.nih.gov/35543912/spa
dcterms.referencesGalán. (s.f.). Obtenido de https://www.sngular.com/es/data-science-crisp-dm-metodologia/spa
dcterms.referencesGuersenzvaig, A. y. (s.f.). Obtenido de https://dialnet.unirioja.es/servlet/autor?codigo=3193801spa
dcterms.referencesIsabel Ochoa, J. P. (2010). Obtenido de https://repositorio.uci.cu/jspui/bitstream/ident/TD_2516_09/1/TD_2516_09.pdfspa
dcterms.referencesKhalid, T. A., Jalawi, A., Saud, A., & Solomon, A. (s.f.). Obtenido de https://www.hindawi.com/journals/cin/2021/3941978/spa
dcterms.referencesMacros, D. (2022). Obtenido de https://datosmacro.expansion.com/estado/gasto/salud/colombia#:~:text=El%20gasto%20p%C3%BAblico%20en%20sanidad,01%25%20del%20gasto%20p%C3%BAblico%20total.spa
dcterms.referencesMd. Ariful Islam, M. Z. (2023). Chronic kidney disease prediction based on machine learning algorithms. Obtenido de https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9874070/eng
dcterms.referencesMichalski, B. y. (s.f.). Obtenido de https://www.semanticscholar.org/paper/Machine-Learning-and-Data-Mining%3B-Methods-and-Michalski-Bratko/c21ce2fd906ef6b5c669d55458bd956155eda14fspa
dcterms.referencesMinsalud, C. (2013). Guía de práctica clínica Hipertensión Arterial . Obtenido de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/CA/gpc-pacientes-hipertension-arterial-hta.pdfspa
dcterms.referencesMinsalud, C. (2015). Clasificación Internacional de enfermedades CIE10. Obtenido de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/IA/SSA/cie10-cie11.pdfspa
dcterms.referencesMinsalud, C. (2015). Preguntas frecuentes RIPS. Obtenido de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/OT/FAQ-RIPS.pdfspa
dcterms.referencesMinsalud, C. (2016). Guia para consulta y elaboración de la ficha de regulación. Obtenido de https://www.minsalud.gov.co/Ministerio/Institucional/Procesos%20y%20procedimientos/GMTG03.pdfspa
dcterms.referencesMinsalud, C. (2017). Actualización Clasificación Única de Procedimientos en salud - CUPS. Obtenido de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VP/RBC/actualizacion-clasificacion-unica-procedimientos-salud-cups.pdfspa
dcterms.referencesMinsalud, C. (s.f.). Qué es la diabetes? Obtenido de https://www.minsalud.gov.co/salud/Paginas/Diabetes-minsalud.aspxspa
dcterms.referencesNavarro, S. (2023). Cómo programar inteligencia artificial? [5 lenguajes]. Obtenido de https://keepcoding.io/blog/como-programar-inteligencia-artificial/#:~:text=3%20%C2%BFC%C3%B3mo%20seguir%3F-,Algoritmos%2C%20clave%20de%20la%20IA,acci%C3%B3n%20o%20resolver%20un%20problemaspa
dcterms.referencesPallarés Mestre, J. (2016). La metodología cuantitativa aplicada al estudio de la reincidencia en menores infractores. Obtenido de https://dialnet.unirioja.es/servlet/tesis?codigo=150290spa
dcterms.referencesQué son las IPS? (2019). Obtenido de https://symplificasupport.zendesk.com/hc/es/articles/360001543071--Qu%C3%A9-son-las-IPS#:~:text=Son%20las%20Instituciones%20Prestadoras%20de,Plan%20Obligatorio%20de%20Salud%20(POSspa
dcterms.referencesR. A. Jeewantha, M., Halgamuge, A. M., & Ekici, G. (2017). Classification performance analysis in medical science: Using kidney disease data. Obtenido de https://researchoutput.csu.edu.au/en/publications/classification-performance-analysis-in-medical-science-using-kidneng
dcterms.referencesRajkumar Buyya, J. B. (2010). Obtenido de https://books.google.com.co/books/about/Cloud_Computing.html?id=S1NvRRd77rQC&redir_esc=yeng
dcterms.referencesrepublica, C. d. (1981). Obtenido de https://funcionpublica.gov.co/eva/gestornormativo/norma.php?i=68760spa
dcterms.referencesRIPS, P. f. (2019). Obtenido de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/OT/FAQ-RIPS.pdfspa
dcterms.referencesRodriguez Barrios, R. H. (s.f.). Obtenido de https://expeditiorepositorio.utadeo.edu.co/handle/20.500.12010/17638spa
dcterms.referencesrodriguez, G. (s.f.). Obtenido de https://repository.udistrital.edu.co/handle/11349/27876spa
dcterms.referencesRosselli, D. (2014). Obtenido de https://www.researchgate.net/publication/290530311_Respuesta_a_Analisis_de_costos_de_la_tamizacion_neonatal_universal_mediante_espectrometria_de_masas_en_tandem_para_errores_innatos_del_metabolismo_en_Colombiaspa
dcterms.referencessalud, M. d. (19991). Obtenido de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/DIJ/Resoluci%C3%B3n_1995_de_1999.pdf#:~:text=RESOLUCION%20NUMERO%201995%20DE%201999%20%28Julio%208%29%20Por,art%C3%ADculo%207%20del%20Decreto%201292%20de%201994%20yspa
dcterms.referencesSharma, V., Stranieri, A., & Ugon, J. (2017). An Agile Group Aware Process beyond CRISP-DM: A Hospital Data Mining Case Study. Obtenido de https://dl.acm.org/doi/abs/10.1145/3093241.3093273eng
dcterms.referencessocial, M. s. (2017). Analisis De Situación De Salud (ASIS). Obtenido de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VS/ED/PSP/asis-nacional-2017.pdfspa
dcterms.referencesSuárez Rozo, L. F., & Puerto García, S. (2017). La crisis del sistema de salud colombiano: una aproximación desde la legitimidad y la regulación. Obtenido de https://revistas.javeriana.edu.co/index.php/gerepolsal/article/view/19879spa
dcterms.referencesSurya, K., Kapeleshh, K., & Erik, D. (s.f.). Machine Learning Prediction Models for Chronic Kidney Disease Using National Health Insurance Claim Data in Taiwan. Obtenido de https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8151834/eng
dcterms.referencesTalamantes Alvarez, A. (2021). Aprendizaje basado en ejemplos mediante el grafo. Obtenido de https://cicese.repositorioinstitucional.mx/jspui/bitstream/1007/3603/1/Tesis_Ariana%20Talamantes%20Alvarez_25%20agosto%202021.pdfspa
dcterms.referencesUniandes. (s.f.). Obtenido de https://uniandes.edu.co/es/noticias/salud-y-medicina/enfermedad-renal-cronica-erc-entre-las-de-alto-costo-en-colombia#:~:text=889.123%20casos%20de%20Enfermedad%20Renal,exceso%20de%20l%C3%ADquido%20del%20cuerpo.spa
dcterms.referencesVásquez Morales, G. R. (2019). Clasificador con redes neuronales para e pronóstico de la enfermedad renal crónica en la población colombiana. Obtenido de https://reunir.unir.net/bitstream/handle/123456789/9446/V%C3%A1zquez%20Morales%2C%20Gabriel.pdf?sequence=1&isAllowed=yspa
dcterms.referencesVivas, H. (2015). Obtenido de http://repositorio.unicauca.edu.co:8080/bitstream/handle/123456789/582/Optimizaci%C3%B3n%20en%20el%20entrenamiento%20del%20perceptr%C3%B3n%20multicapa.pdf?sequence=1&isAllowed=yspa
dcterms.referencesWeb, D. S. (2024). Obtenido de https://www.datascience-pm.com/semma/spa
dcterms.referencesWilliam, A. M., & Floréz Valencia, L. (s.f.). MODELOS DE APRENDIZAJE AUTOMÁTICO PARA LA PREDICCIÓN DE LA PROGRESIÓN DE LA ENFERMEDAD RENAL CRONICA. Obtenido de https://repository.javeriana.edu.co/bitstream/handle/10554/63237/attachment_4_IEEE_Tesis.pdf?sequence=1&isAllowed=yspa
dcterms.referencesZaforas, M. (2016). Obtenido de https://www.paradigmadigital.com/dev/puede-aportar-big-data-al-mundo-la-medicina/spa
dcterms.referencesZúñiga-Pino, M.-Z. y.-C. (s.f.). Obtenido de https://dialnet.unirioja.es/servlet/articulo?codigo=5816932spa
oaire.versioninfo:eu-repo/semantics/acceptedVersion
sb.programaMaestría en Ingeniería de Sistemas y Computaciónspa
sb.sedeSede Barranquillaspa

Archivos

Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
Resumen.pdf
Tamaño:
325.65 KB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
PDF.pdf
Tamaño:
1.21 MB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.93 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestrías

Universidad Simón Bolívar: Todos los derechos reservados / Sistema de biblioteca