Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares
Las enfermedades cardiovasculares (ECV) representan una de las principales causas de mortalidad a nivel mundial, siendo responsables de millones de muertes cada año. Su impacto en los sistemas de salud pública es significativo, ya que suelen estar asociadas a factores prevenibles como el sedentarism...
- Autores:
-
Rans, Nathalia de la
Gamez, Juan
Linero, Diego
- Tipo de recurso:
- Fecha de publicación:
- 2025
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/13385
- Acceso en línea:
- http://hdl.handle.net/10584/13385
- Palabra clave:
- Enfermedades cardiovasculares, Machine Learning, Predicción, BRFSS, Salud pública, Predicción de riesgo, Random Forest, Plataforma web
Cardiovascular diseases, Machine Learning, Prediction, BRFSS, Public health, Risk prediction, Random Forest, Web platform
- Rights
- License
- Universidad del Norte
| id |
REPOUNORT2_8570002c38f1601850aa4e2cf23a0421 |
|---|---|
| oai_identifier_str |
oai:manglar.uninorte.edu.co:10584/13385 |
| network_acronym_str |
REPOUNORT2 |
| network_name_str |
Repositorio Uninorte |
| repository_id_str |
|
| dc.title.es_ES.fl_str_mv |
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares |
| dc.title.en_US.fl_str_mv |
Design of an Application Based on Machine Learning Techniques for the Early Detection of Cardiovascular Events |
| title |
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares |
| spellingShingle |
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares Enfermedades cardiovasculares, Machine Learning, Predicción, BRFSS, Salud pública, Predicción de riesgo, Random Forest, Plataforma web Cardiovascular diseases, Machine Learning, Prediction, BRFSS, Public health, Risk prediction, Random Forest, Web platform |
| title_short |
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares |
| title_full |
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares |
| title_fullStr |
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares |
| title_full_unstemmed |
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares |
| title_sort |
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares |
| dc.creator.fl_str_mv |
Rans, Nathalia de la Gamez, Juan Linero, Diego |
| dc.contributor.advisor.none.fl_str_mv |
Niño, Elías |
| dc.contributor.author.none.fl_str_mv |
Rans, Nathalia de la Gamez, Juan Linero, Diego |
| dc.subject.es_ES.fl_str_mv |
Enfermedades cardiovasculares, Machine Learning, Predicción, BRFSS, Salud pública, Predicción de riesgo, Random Forest, Plataforma web |
| topic |
Enfermedades cardiovasculares, Machine Learning, Predicción, BRFSS, Salud pública, Predicción de riesgo, Random Forest, Plataforma web Cardiovascular diseases, Machine Learning, Prediction, BRFSS, Public health, Risk prediction, Random Forest, Web platform |
| dc.subject.en_US.fl_str_mv |
Cardiovascular diseases, Machine Learning, Prediction, BRFSS, Public health, Risk prediction, Random Forest, Web platform |
| description |
Las enfermedades cardiovasculares (ECV) representan una de las principales causas de mortalidad a nivel mundial, siendo responsables de millones de muertes cada año. Su impacto en los sistemas de salud pública es significativo, ya que suelen estar asociadas a factores prevenibles como el sedentarismo, el tabaquismo, la mala alimentación y condiciones crónicas como la hipertensión o la diabetes. Ante este escenario, la presente investigación propone el diseño y desarrollo de un modelo predictivo basado en técnicas de aprendizaje automático (Machine Learning, ML) para estimar de manera precisa el riesgo de padecer ECV en adultos. Utilizando el conjunto de datos del Behavioral Risk Factor Surveillance System (BRFSS), que contiene información detallada sobre más de 400,000 individuos, se entrenará el modelo con variables clave relacionadas con el estado de salud y los hábitos de vida. El objetivo principal es crear una herramienta personalizada que permita detectar a tiempo a personas con alto riesgo y facilitar intervenciones preventivas. Este modelo será implementado en una plataforma web interactiva, en la que los usuarios podrán ingresar sus datos y obtener una predicción del riesgo en tiempo real. Se espera que esta aplicación contribuya significativamente a mejorar las estrategias de prevención, detección temprana y gestión de las ECV mediante el uso de tecnologías avanzadas de analítica y ciencia de datos. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-06-04T20:14:07Z |
| dc.date.available.none.fl_str_mv |
2025-06-04T20:14:07Z |
| dc.date.issued.none.fl_str_mv |
2025-06-30 |
| dc.type.es_ES.fl_str_mv |
article |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10584/13385 |
| url |
http://hdl.handle.net/10584/13385 |
| dc.language.iso.es_ES.fl_str_mv |
spa |
| language |
spa |
| dc.rights.es_ES.fl_str_mv |
Universidad del Norte |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Universidad del Norte http://purl.org/coar/access_right/c_abf2 |
| dc.publisher.es_ES.fl_str_mv |
Barranquilla, Universidad del Norte, 2025 |
| institution |
Universidad del Norte |
| bitstream.url.fl_str_mv |
https://manglar.uninorte.edu.co/bitstream/10584/13385/1/Proyecto_Final_DeLaRans_Gamez_Linero_20251%201.pdf https://manglar.uninorte.edu.co/bitstream/10584/13385/2/Poster%20Final.pdf https://manglar.uninorte.edu.co/bitstream/10584/13385/3/Poster%20Final.jpg https://manglar.uninorte.edu.co/bitstream/10584/13385/4/Plataforma.jpg https://manglar.uninorte.edu.co/bitstream/10584/13385/5/license.txt |
| bitstream.checksum.fl_str_mv |
f272cbcc10fd147167a2409fafbfd127 dfb5cacdd134391a0007600d8b605832 18d0bf7c9d2d4b4e1ca2b9346f706073 9438d48b13d0551ea8df146dcb7f4b74 8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Digital de la Universidad del Norte |
| repository.mail.fl_str_mv |
mauribe@uninorte.edu.co |
| _version_ |
1836754027682988032 |
| spelling |
Niño, ElíasRans, Nathalia de laGamez, JuanLinero, Diego2025-06-04T20:14:07Z2025-06-04T20:14:07Z2025-06-30http://hdl.handle.net/10584/13385Las enfermedades cardiovasculares (ECV) representan una de las principales causas de mortalidad a nivel mundial, siendo responsables de millones de muertes cada año. Su impacto en los sistemas de salud pública es significativo, ya que suelen estar asociadas a factores prevenibles como el sedentarismo, el tabaquismo, la mala alimentación y condiciones crónicas como la hipertensión o la diabetes. Ante este escenario, la presente investigación propone el diseño y desarrollo de un modelo predictivo basado en técnicas de aprendizaje automático (Machine Learning, ML) para estimar de manera precisa el riesgo de padecer ECV en adultos. Utilizando el conjunto de datos del Behavioral Risk Factor Surveillance System (BRFSS), que contiene información detallada sobre más de 400,000 individuos, se entrenará el modelo con variables clave relacionadas con el estado de salud y los hábitos de vida. El objetivo principal es crear una herramienta personalizada que permita detectar a tiempo a personas con alto riesgo y facilitar intervenciones preventivas. Este modelo será implementado en una plataforma web interactiva, en la que los usuarios podrán ingresar sus datos y obtener una predicción del riesgo en tiempo real. Se espera que esta aplicación contribuya significativamente a mejorar las estrategias de prevención, detección temprana y gestión de las ECV mediante el uso de tecnologías avanzadas de analítica y ciencia de datos.Cardiovascular diseases (CVDs) are one of the leading causes of death globally, responsible for millions of fatalities each year. Their impact on public health systems is considerable, as they are often linked to preventable risk factors such as physical inactivity, smoking, poor diet, and chronic conditions like hypertension or diabetes. In light of this situation, the present research proposes the design and development of a predictive model based on Machine Learning (ML) techniques to accurately estimate the risk of developing CVDs in adults. Using the Behavioral Risk Factor Surveillance System (BRFSS) dataset, which includes detailed health and lifestyle data from over 400,000 individuals, the model will be trained on key variables related to health status and daily habits. The primary objective is to build a personalized tool that enables the early detection of high-risk individuals and facilitates timely preventive interventions. The model will be deployed through an interactive web platform, where users can enter their information and receive real-time risk predictions. This application is expected to significantly enhance prevention, early detection, and management strategies for CVDs through the integration of advanced analytics and data science technologies.spaBarranquilla, Universidad del Norte, 2025Universidad del Nortehttp://purl.org/coar/access_right/c_abf2Enfermedades cardiovasculares, Machine Learning, Predicción, BRFSS, Salud pública, Predicción de riesgo, Random Forest, Plataforma webCardiovascular diseases, Machine Learning, Prediction, BRFSS, Public health, Risk prediction, Random Forest, Web platformDiseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovascularesDesign of an Application Based on Machine Learning Techniques for the Early Detection of Cardiovascular Eventsarticlehttp://purl.org/coar/resource_type/c_6501Nieto, WilsonORIGINALProyecto_Final_DeLaRans_Gamez_Linero_20251 1.pdfProyecto_Final_DeLaRans_Gamez_Linero_20251 1.pdfInforme Finalapplication/pdf2329258https://manglar.uninorte.edu.co/bitstream/10584/13385/1/Proyecto_Final_DeLaRans_Gamez_Linero_20251%201.pdff272cbcc10fd147167a2409fafbfd127MD51Poster Final.pdfPoster Final.pdfPoster (pdf)application/pdf6566141https://manglar.uninorte.edu.co/bitstream/10584/13385/2/Poster%20Final.pdfdfb5cacdd134391a0007600d8b605832MD52Poster Final.jpgPoster Final.jpgPoster (jpg)image/jpeg2457615https://manglar.uninorte.edu.co/bitstream/10584/13385/3/Poster%20Final.jpg18d0bf7c9d2d4b4e1ca2b9346f706073MD53Plataforma.jpgPlataforma.jpgPlataformaimage/jpeg119444https://manglar.uninorte.edu.co/bitstream/10584/13385/4/Plataforma.jpg9438d48b13d0551ea8df146dcb7f4b74MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://manglar.uninorte.edu.co/bitstream/10584/13385/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5510584/13385oai:manglar.uninorte.edu.co:10584/133852025-06-04 15:14:08.176Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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 |