Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgo
Las principales enfermedades que afectan a los ecuatorianos son: las enfermedades cardiovasculares, la diabetes mellitus, las enfermedades cerebrovasculares y la hipertensión arterial, es por esto que el control del crecimiento de las mismas se ha vuelto un problema tanto de salud como social, que e...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad de las Ciencias Informáticas (UCI)
2022-07-01
|
| Series: | Serie Científica de la Universidad de las Ciencias Informáticas |
| Subjects: | |
| Online Access: | https://publicaciones.uci.cu/index.php/serie/article/view/1096 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1846149228683853824 |
|---|---|
| author | Shabely Avellán Valdés Cristopher Agustín Holguín Intriago Marely del Rosario Cruz Felipe |
| author_facet | Shabely Avellán Valdés Cristopher Agustín Holguín Intriago Marely del Rosario Cruz Felipe |
| author_sort | Shabely Avellán Valdés |
| collection | DOAJ |
| description | Las principales enfermedades que afectan a los ecuatorianos son: las enfermedades cardiovasculares, la diabetes mellitus, las enfermedades cerebrovasculares y la hipertensión arterial, es por esto que el control del crecimiento de las mismas se ha vuelto un problema tanto de salud como social, que es necesario afrontar, ya que, además de las campañas sobre el cuidado para su prevención, no existe una herramienta tecnológica que permita identificar y detectar, de forma temprana y eficiente, estas enfermedades en personas independientemente de sus edades. En esta investigación se realizó un análisis de diferentes modelos de machine learning capaces de predecir el riesgo a padecer estas 4 enfermedades en el Ecuador. Se implementaron las metodologías Crisp-DM (Cross – Industry Standard Process for Data Mining) y el proceso KDD (Knowledge Discovery Databases). Los resultados obtenidos mostraron que el modelo Random Forest es el que posee mejor rendimiento para las enfermedades cerebrovasculares, con un valor F1_Score de 0,927; el modelo de Regresión Logística tiene un mayor desempeño en la diabetes mellitus, con un F1_Score de 0,781 y el modelo Bayes Naives en las enfermedades cardiovasculares, con un F1_Score de 0,836. El índice de Shapley fue usado para explicar los factores de riesgo que más influyeron en la aparición de las mismas. |
| format | Article |
| id | doaj-art-3da27bc4859b4f9a834a834176ce8d00 |
| institution | Kabale University |
| issn | 2306-2495 |
| language | Spanish |
| publishDate | 2022-07-01 |
| publisher | Universidad de las Ciencias Informáticas (UCI) |
| record_format | Article |
| series | Serie Científica de la Universidad de las Ciencias Informáticas |
| spelling | doaj-art-3da27bc4859b4f9a834a834176ce8d002024-11-29T19:37:37ZspaUniversidad de las Ciencias Informáticas (UCI)Serie Científica de la Universidad de las Ciencias Informáticas2306-24952022-07-0115837501096Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgoShabely Avellán Valdés0Cristopher Agustín Holguín IntriagoMarely del Rosario Cruz FelipeUniversidad Técnica de ManabíLas principales enfermedades que afectan a los ecuatorianos son: las enfermedades cardiovasculares, la diabetes mellitus, las enfermedades cerebrovasculares y la hipertensión arterial, es por esto que el control del crecimiento de las mismas se ha vuelto un problema tanto de salud como social, que es necesario afrontar, ya que, además de las campañas sobre el cuidado para su prevención, no existe una herramienta tecnológica que permita identificar y detectar, de forma temprana y eficiente, estas enfermedades en personas independientemente de sus edades. En esta investigación se realizó un análisis de diferentes modelos de machine learning capaces de predecir el riesgo a padecer estas 4 enfermedades en el Ecuador. Se implementaron las metodologías Crisp-DM (Cross – Industry Standard Process for Data Mining) y el proceso KDD (Knowledge Discovery Databases). Los resultados obtenidos mostraron que el modelo Random Forest es el que posee mejor rendimiento para las enfermedades cerebrovasculares, con un valor F1_Score de 0,927; el modelo de Regresión Logística tiene un mayor desempeño en la diabetes mellitus, con un F1_Score de 0,781 y el modelo Bayes Naives en las enfermedades cardiovasculares, con un F1_Score de 0,836. El índice de Shapley fue usado para explicar los factores de riesgo que más influyeron en la aparición de las mismas.https://publicaciones.uci.cu/index.php/serie/article/view/1096enfermedades; salud en ecuador; machine learning; crisp-dm; random forest |
| spellingShingle | Shabely Avellán Valdés Cristopher Agustín Holguín Intriago Marely del Rosario Cruz Felipe Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgo Serie Científica de la Universidad de las Ciencias Informáticas enfermedades; salud en ecuador; machine learning; crisp-dm; random forest |
| title | Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgo |
| title_full | Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgo |
| title_fullStr | Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgo |
| title_full_unstemmed | Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgo |
| title_short | Predicción de las principales enfermedades que afectan la salud en Ecuador a partir de factores de riesgo |
| title_sort | prediccion de las principales enfermedades que afectan la salud en ecuador a partir de factores de riesgo |
| topic | enfermedades; salud en ecuador; machine learning; crisp-dm; random forest |
| url | https://publicaciones.uci.cu/index.php/serie/article/view/1096 |
| work_keys_str_mv | AT shabelyavellanvaldes predicciondelasprincipalesenfermedadesqueafectanlasaludenecuadorapartirdefactoresderiesgo AT cristopheragustinholguinintriago predicciondelasprincipalesenfermedadesqueafectanlasaludenecuadorapartirdefactoresderiesgo AT marelydelrosariocruzfelipe predicciondelasprincipalesenfermedadesqueafectanlasaludenecuadorapartirdefactoresderiesgo |