Publicación:
Minería de datos para la identificación de factores de riesgo en pacientes con hipertensión arterial

Vista sencilla de ítem
dc.contributor.advisorOchoa Guevara, Nancy Edith
dc.contributor.authorAmézquita Moreno, Geordan Iván
dc.contributor.authorPatiño Cañas, Nicolas
dc.contributor.authorMorales Salamanca, Cristian Camilo
dc.contributor.researchgroupGIISspa
dc.date.accessioned2021-05-21T15:08:44Z
dc.date.available2021-05-21T15:08:44Z
dc.date.issued2019
dc.description.abstractLa minería de datos es una técnica que ha permitido el análisis de grandes volúmenes de información dando como resultado patrones o reglas que ayudan a entender el comportamiento de un sistema. Este trabajo se plantea como el uso de esta técnica puede beneficiarse la medicina partiendo del análisis de información de pacientes que padecieron hipertensión del área de Bogotá, determinando los factores de riesgos presentes en esta población basados en las causas descritas en el Catálogo Internacional de Enfermedades. Mediante la aplicación de diferentes algoritmos se pudo determinar variables importantes que pueden determinar la prevalencia y consecuente muerte de estos pacientes.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) de Sistemasspa
dc.description.researchareaIngenieria de Softwarespa
dc.format.extent58 paginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositoriocrai.ucompensar.edu.co/handle/compensar/2293
dc.language.isospaspa
dc.publisherFundación Universtitaria Unipanamericana - Compensar,spa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.placeBogota D.C.spa
dc.publisher.programIngeniería de Sistemasspa
dc.relation.referencesCanún Serranoa , S., Navarrete Hernández, E., Reyes Pablo, A. E., & Valdés Hernández, J. (2015). Prevalencia de malformaciones congénitas de herencia multifactorial de acuerdo con los certificados de nacimiento y muerte fetal. Boletín médico del Hospital Infantil de México, 290-294.spa
dc.relation.referencesCauas, D. (2015). Definición de las variables, enfoque y tipo de investigación. Bogotá: biblioteca electrónica de la universidad Nacional de Colombia, 2.spa
dc.relation.referencesChampagne, B. M., Sebrié, E. M., Schargrodsky, H., Pramparo, P., Boissonnet, C., & Wilson, E. (2010). Tobacco smoking in seven Latin American cities: the CARMELA study. Tobacco control, 19(6), 457-462.spa
dc.relation.referencesChang, C. D., Wang, C. C., & Jiang, B. C. (2011). Using data mining techniques for multi-diseases prediction modeling of hypertension and hyperlipidemia by common risk factors. Expert systems with applications, 38(5), 5507-5513.spa
dc.relation.referencesDávila Hernández, F., & Sánchez Corales, Y. (2012). Técnicas de minería de datos aplicadas al diagnóstico de entidades clínicas. Revista Cubana de Informática Médica, 4(2), 174- 183.spa
dc.relation.referencesDelen, D., Walker, G., & Kadam, A. (2005). Predicting breast cancer survivability: a comparison of three data mining methods. Artificial intelligence in medicine, 34(2), 113-127.spa
dc.relation.referencesDíaz Realpe, J. E., Muñoz Martínez, J., & Sierra Torres, C. H. (2007). Factores de riesgo para enfermedad cardiovascular en trabajadores de una institución prestadora de servicios de salud, Colombia. Revista de salud pública, 9, 64-75spa
dc.relation.referencesGarre, M., Cuadrado, J. J., & Sicilia, M. Á. (2007). Comparación de diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software. REICIS. Revista Española de Innovación, Calidad e Ingeniería del Software, 3(1). Recuperado el 10 de 5 de 2019, de http://www.sc.ehu.es/jiwdocoj/remis/docs/GarreAdis05.pdfspa
dc.relation.referencesGijón Conde, T., Gorostidi, M., Camafort, M., Abad Cardiel, M., Martín Rioboo, E., Morales Olivas, F., . . . de la Sierra, A. (2018). Documento de la Sociedad Española de Hipertensión-Liga Española para la Lucha contra la Hipertensión Arterial (SEHLELHA) sobre las guías ACC/AHA 2017 de hipertensión arterial. Hipertensión y riesgo vascular, 35(3), 119-129.spa
dc.relation.referencesJoyanes Aguilar, L., Castaño, N. J., & Osorio, J. H. (2015). Modelo de simulación y minería de datos para identificar y predecir cambios presupuestales en la atención de pacientes con hipertensión arterial. Revista de Salud Pública, 17, 789-800spa
dc.rightsFundación Universitaria Unipanmericana - Compensar, 2019spa
dc.rights.accessrightsinfo:eu-repo/semantics/closedAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.proposalMíneria de datosspa
dc.subject.proposalHipertensión arterialspa
dc.subject.proposalAlgoritmosspa
dc.subject.proposalClústeresspa
dc.titleMinería de datos para la identificación de factores de riesgo en pacientes con hipertensión arterialspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_14cbspa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Minería de datos para la identificación de fa_Grupo Investigacin I.pdf
Tamaño:
1.6 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

ABB. Ingeniería de Software