Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2
La Inteligencia Artificial y su aplicación en el campo de la medicina han generado gran revolución en los últimos tiempos, pues la creación de métodos de aprendizaje supervisado y no supervisado permiten avances significativos en cuanto a la predicción y clasificación de personas con posibles enferm...
- Autores:
-
Benavides Rodríguez, Arnaldo
Escolar Gaviria, Donny Brian
Medina Meza, Víctor Raúl
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/11247
- Acceso en línea:
- http://hdl.handle.net/10584/11247
- Palabra clave:
- Inteligencia artificial, diabetes, machine learning, algoritmo, aplicación, medicina
Artificial intelligence, diabetes, machine learning, algorithm, application, medicine
- Rights
- License
- Universidad del Norte
id |
REPOUNORT2_a5811db43240d5a355d6289feb8a1a68 |
---|---|
oai_identifier_str |
oai:manglar.uninorte.edu.co:10584/11247 |
network_acronym_str |
REPOUNORT2 |
network_name_str |
Repositorio Uninorte |
repository_id_str |
|
dc.title.es_ES.fl_str_mv |
Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2 |
dc.title.en_US.fl_str_mv |
Design and implementation of an application for medical decision support in patients at risk of type 2 diabetes. |
title |
Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2 |
spellingShingle |
Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2 Inteligencia artificial, diabetes, machine learning, algoritmo, aplicación, medicina Artificial intelligence, diabetes, machine learning, algorithm, application, medicine |
title_short |
Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2 |
title_full |
Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2 |
title_fullStr |
Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2 |
title_full_unstemmed |
Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2 |
title_sort |
Diseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2 |
dc.creator.fl_str_mv |
Benavides Rodríguez, Arnaldo Escolar Gaviria, Donny Brian Medina Meza, Víctor Raúl |
dc.contributor.advisor.none.fl_str_mv |
Zurek Varela, Eduardo Enrique |
dc.contributor.author.none.fl_str_mv |
Benavides Rodríguez, Arnaldo Escolar Gaviria, Donny Brian Medina Meza, Víctor Raúl |
dc.subject.es_ES.fl_str_mv |
Inteligencia artificial, diabetes, machine learning, algoritmo, aplicación, medicina Artificial intelligence, diabetes, machine learning, algorithm, application, medicine |
topic |
Inteligencia artificial, diabetes, machine learning, algoritmo, aplicación, medicina Artificial intelligence, diabetes, machine learning, algorithm, application, medicine |
description |
La Inteligencia Artificial y su aplicación en el campo de la medicina han generado gran revolución en los últimos tiempos, pues la creación de métodos de aprendizaje supervisado y no supervisado permiten avances significativos en cuanto a la predicción y clasificación de personas con posibles enfermedades tales como la diabetes. Para la identificación de los distintos métodos de Machine Learning que existen, se realizó una revisión sistemática de la literatura y se extrajo información relevante sobre ellos con el fin de tomarlos como referencia en este proyecto. Luego, se eligió y desarrolló un modelo basado en arboles de decisión que obtuvo métricas del 75% usando la metodología ágil del desarrollo Scrum con esprints semanales encaminados a la implementación de cada funcionalidad. Por último, se obtuvieron graficas relevantes que describen el conjunto de datos utilizado (Pima Indians Diabetes Database) y se desplegó un prototipo tipo dashboard que permite obtener la probabilidad de que a un paciente sea diagnosticado con diabetes tipo 2. El presente trabajo tiene como propósito diseñar, modelar e implementar un aplicativo que brinde soporte al profesional de la salud a la hora de tomar decisiones respecto a pacientes en riesgo de diabetes tipo 2. |
publishDate |
2022 |
dc.date.accessioned.none.fl_str_mv |
2022-12-07T22:19:09Z |
dc.date.available.none.fl_str_mv |
2022-12-07T22:19:09Z |
dc.date.issued.none.fl_str_mv |
2022-11-27 |
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/10584/11247 |
url |
http://hdl.handle.net/10584/11247 |
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, 2022 |
institution |
Universidad del Norte |
bitstream.url.fl_str_mv |
https://manglar.uninorte.edu.co/bitstream/10584/11247/1/1.jpg https://manglar.uninorte.edu.co/bitstream/10584/11247/2/1.pdf https://manglar.uninorte.edu.co/bitstream/10584/11247/3/license.txt |
bitstream.checksum.fl_str_mv |
5aec233801a8e8274571667a193e4cb8 34252d1df79170f0d37b440f3a000c97 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
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_ |
1812183118273052672 |
spelling |
Zurek Varela, Eduardo EnriqueBenavides Rodríguez, ArnaldoEscolar Gaviria, Donny BrianMedina Meza, Víctor Raúl2022-12-07T22:19:09Z2022-12-07T22:19:09Z2022-11-27http://hdl.handle.net/10584/11247La Inteligencia Artificial y su aplicación en el campo de la medicina han generado gran revolución en los últimos tiempos, pues la creación de métodos de aprendizaje supervisado y no supervisado permiten avances significativos en cuanto a la predicción y clasificación de personas con posibles enfermedades tales como la diabetes. Para la identificación de los distintos métodos de Machine Learning que existen, se realizó una revisión sistemática de la literatura y se extrajo información relevante sobre ellos con el fin de tomarlos como referencia en este proyecto. Luego, se eligió y desarrolló un modelo basado en arboles de decisión que obtuvo métricas del 75% usando la metodología ágil del desarrollo Scrum con esprints semanales encaminados a la implementación de cada funcionalidad. Por último, se obtuvieron graficas relevantes que describen el conjunto de datos utilizado (Pima Indians Diabetes Database) y se desplegó un prototipo tipo dashboard que permite obtener la probabilidad de que a un paciente sea diagnosticado con diabetes tipo 2. El presente trabajo tiene como propósito diseñar, modelar e implementar un aplicativo que brinde soporte al profesional de la salud a la hora de tomar decisiones respecto a pacientes en riesgo de diabetes tipo 2.Artificial Intelligence and its application in the field of medicine have generated great revolution in recent times since the creation of supervised and unsupervised learning methods allow significant advances in terms of prediction and classification of people with possible diseases such as diabetes. For the identification of the different Machine Learning methods that exist, a systematic review of the literature was carried out and relevant information about them was extracted to take them as a reference in this project. Then, a model based on decision trees was chosen and developed to obtain 75% metrics using the agile methodology of Scrum development with weekly sprints aimed at the implementation of each functionality. Finally, relevant graphs describing the dataset used (Pima Indians Diabetes Database) were obtained and a dashboard prototype was deployed to obtain the probability of a patient being diagnosed with type 2 diabetes. The purpose of this work is to design, model and implement an application that provides support to the health professional when making decisions regarding patients with risk of type 2 diabetes.spaBarranquilla, Universidad del Norte, 2022Universidad del Nortehttp://purl.org/coar/access_right/c_abf2Inteligencia artificial, diabetes, machine learning, algoritmo, aplicación, medicinaArtificial intelligence, diabetes, machine learning, algorithm, application, medicineDiseño e implementación de un aplicativo para soporte de decisiones médicas en pacientes con riesgo de diabetes tipo 2Design and implementation of an application for medical decision support in patients at risk of type 2 diabetes.articlehttp://purl.org/coar/resource_type/c_6501ORIGINAL1.jpg1.jpgPrototipo de la aplicaciónimage/jpeg241623https://manglar.uninorte.edu.co/bitstream/10584/11247/1/1.jpg5aec233801a8e8274571667a193e4cb8MD511.pdf1.pdfPrototipo de la aplicaciónapplication/pdf119749https://manglar.uninorte.edu.co/bitstream/10584/11247/2/1.pdf34252d1df79170f0d37b440f3a000c97MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://manglar.uninorte.edu.co/bitstream/10584/11247/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5310584/11247oai:manglar.uninorte.edu.co:10584/112472022-12-07 17:19:09.718Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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 |