Mostrar el registro sencillo del ítem

dc.contributor.authorRivadeneira-Fuel, Gabriel Alejandro
dc.date2018-09
dc.date.accessioned2023-02-17T08:14:11Z
dc.date.available2023-02-17T08:14:11Z
dc.identifier.urihttps://reunir.unir.net/handle/123456789/14199
dc.descriptionOver time, the increase in the number of people suffering from type two diabetes mellitus throughout the world is becoming increasingly evident. According to the World Health Organization, from 1980 to the present day, the number of people with this pathology has grown more than 4 times its original value, so it states that, in a single generation, diabetes went from being a rarity to a chronic and progressive epidemic. So far, the treatment of prediabetes has not been addressed as a means of preventing the onset of diabetes, although research conducted in recent years ensures that an early intervention can reduce the progression of prediabetes to type two diabetes by approximately 58%. The purpose of this document is to apply a classification model that allows early detection of potential complications that may lead to the onset of type two diabetes, thus generating an alternative for reducing public expenditure on the remediation of its symptoms and its possible application as a public prevention policy. This model is developed based on the C4.5 algorithm of artificial intelligence, based on the results obtained from years 2011 to 2016 of the North American survey NHANES, which measures diverse health and nutrition criteria of the respondents, using an artificial intelligence algorithm that induces the creation of a classification tree. This methodological approach allows us to find a classification tree with optimistic qualities that has a prediction level of 77.8% and has a user-friendly design.es_ES
dc.description.abstractCon el paso del tiempo se evidencia el incremento en la cantidad de personas que padecen diabetes mellitus tipo dos a lo largo del mundo. Según la Organización Mundial de la Salud, desde el año 1980 hasta la actualidad la cantidad de personas con esta patología ha crecido en más de 4 veces su valor original, por lo que afirma que, en una sola generación, la diabetes pasó de ser una rareza a una epidemia crónica y progresiva. Hasta el momento, no se ha abordado el tratamiento de la prediabetes como un medio de prevención de la aparición de diabetes, a pesar que las investigaciones realizadas en los últimos años aseguran que una intervención oportuna puede disminuir en aproximadamente un 58% la progresión de prediabetes a diabetes mellitus tipo2. Este trabajo tiene por objeto aplicar un modelo de clasificación que permita identificar de manera temprana potenciales complicaciones que pueden desembocar en el aparecimiento de la diabetes tipo dos, generando así una alternativa para la disminución del gasto público en la remediación de sus síntomas y su posible aplicación como política pública de prevención. Este modelo se desarrolla basado en los resultados obtenidos desde el año 2011 hasta el año 2016 de la encuesta estadounidense NHANES, los cuales miden diversos criterios de salud y nutrición de los encuestados, utilizando un algoritmo de inteligencia artificial que induce la creación de un árbol de clasificación. Esta aproximación metodológica nos permite hallar un árbol de clasificación optimista que presenta un nivel de acierto del 77.8% y posee un diseño amigable con el usuario.es_ES
dc.language.isospaes_ES
dc.rightsopenAccesses_ES
dc.subjectdiabeteses_ES
dc.subjectprediabeteses_ES
dc.subjectclasificaciónes_ES
dc.subjectinteligencia artificiales_ES
dc.subjectbig dataes_ES
dc.subjectciencia de datoses_ES
dc.subjectclassificationes_ES
dc.subjectartificial intelligencees_ES
dc.subjectNHANESes_ES
dc.subjectdata sciencees_ES
dc.subjectMáster en Visual Analytics y Big Dataes_ES
dc.titleModelo de clasificación de las condiciones clínicas que componen la prediabeteses_ES
dc.typemasterThesises_ES
reunir.tag~MAVDMes_ES


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem