Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud

Objetivo: Determinar las relaciones entre los factores de riesgo existentes en las madres gestantes, a través de las técnicas de minería de datos. Materiales y Métodos: Se recolectó una muestra de 15265 registros de mujeres con edades comprendidas entre los 10 y 48 años, datos que pertenecen al perí...

Full description

Autores:
Gallego, Julián Andrés
Navarro, Luisa Fernanda
Castillo, Luis Fernando
Tipo de recurso:
Article of journal
Fecha de publicación:
2015
Institución:
Universidad de Caldas
Repositorio:
Repositorio U. de Caldas
Idioma:
spa
OAI Identifier:
oai:repositorio.ucaldas.edu.co:ucaldas/16050
Acceso en línea:
https://doi.org/10.17151/biosa.2015.14.2.7
https://repositorio.ucaldas.edu.co/handle/ucaldas/16050
Palabra clave:
pregnant women
induced labor
abortion
data mining
PHC
mujeres gestantes
parto prematuro
aborto
minería de datos
APS
Rights
openAccess
License
Derechos de autor 2015 Biosalud
id UCALDAS2_e34c1750dd93ca27e92cd1f2693bc557
oai_identifier_str oai:repositorio.ucaldas.edu.co:ucaldas/16050
network_acronym_str UCALDAS2
network_name_str Repositorio U. de Caldas
repository_id_str
dc.title.spa.fl_str_mv Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud
dc.title.translated.eng.fl_str_mv Application of data mining techniques in primary health care (phc) for risk analysis in pregnant women in the population of Manizales attended by assbasalud
title Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud
spellingShingle Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud
pregnant women
induced labor
abortion
data mining
PHC
mujeres gestantes
parto prematuro
aborto
minería de datos
APS
title_short Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud
title_full Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud
title_fullStr Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud
title_full_unstemmed Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud
title_sort Aplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por Assbasalud
dc.creator.fl_str_mv Gallego, Julián Andrés
Navarro, Luisa Fernanda
Castillo, Luis Fernando
dc.contributor.author.spa.fl_str_mv Gallego, Julián Andrés
Navarro, Luisa Fernanda
Castillo, Luis Fernando
dc.subject.eng.fl_str_mv pregnant women
induced labor
abortion
data mining
PHC
topic pregnant women
induced labor
abortion
data mining
PHC
mujeres gestantes
parto prematuro
aborto
minería de datos
APS
dc.subject.spa.fl_str_mv mujeres gestantes
parto prematuro
aborto
minería de datos
APS
description Objetivo: Determinar las relaciones entre los factores de riesgo existentes en las madres gestantes, a través de las técnicas de minería de datos. Materiales y Métodos: Se recolectó una muestra de 15265 registros de mujeres con edades comprendidas entre los 10 y 48 años, datos que pertenecen al período comprendido entre los años 2010 y 2012, incluyéndolos. Los datos se procesaron mediante Microsoft SQL Server 2008 R2 y Microsoft Excel 2007, teniendo en cuenta el proceso KDD y la metodología CRISP DM para la minería de datos usando los algoritmos de k-Means para Clústers, Reglas de Asociación y Métodos de Correlación. Resultados: Mediante los algoritmos de clústers se evidenció que las mujeres con antecedentes de aborto componen el 5% de la población estudiada; las mujeres con partos prematuros tienen mayor presencia en edades anormales, siendo este del 2%, mientras que en edades aptas para la gestación la cifra solo es del 1%; el 1% de las mujeres, sin importar la edad, refiere haber tomado licor durante su embarazo; las mujeres que tuvieron abortos y consumieron alcohol fueron el 20%; las mujeres con partos prematuros con consumo de alcohol fueron el 8%. Las mujeres que aceptaron haber consumido drogas fueron el 2% en edad apta para la gestación y el 3% en edades no aptas, ubicándolas en el clúster que tiene la máxima probabilidad de aborto.
publishDate 2015
dc.date.accessioned.none.fl_str_mv 2015-07-01 00:00:00
2021-02-14T10:01:31Z
dc.date.available.none.fl_str_mv 2015-07-01 00:00:00
2021-02-14T10:01:31Z
dc.date.issued.none.fl_str_mv 2015-07-01
dc.type.spa.fl_str_mv Artículo de revista
Sección Artículos Originales
dc.type.eng.fl_str_mv Journal Article
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ART
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.issn.none.fl_str_mv 1657-9550
dc.identifier.uri.none.fl_str_mv https://doi.org/10.17151/biosa.2015.14.2.7
https://repositorio.ucaldas.edu.co/handle/ucaldas/16050
dc.identifier.doi.none.fl_str_mv 10.17151/biosa.2015.14.2.7
dc.identifier.eissn.none.fl_str_mv 2462-960X
identifier_str_mv 1657-9550
10.17151/biosa.2015.14.2.7
2462-960X
url https://doi.org/10.17151/biosa.2015.14.2.7
https://repositorio.ucaldas.edu.co/handle/ucaldas/16050
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.citationendpage.none.fl_str_mv 78
dc.relation.citationissue.spa.fl_str_mv 2
dc.relation.citationstartpage.none.fl_str_mv 71
dc.relation.citationvolume.spa.fl_str_mv 14
dc.relation.ispartofjournal.spa.fl_str_mv Biosalud
dc.relation.references.spa.fl_str_mv Assbasalud E.S.E. Atención primaria en salud en el marco de las redes integradas de servicios de salud; 2012. Disponible en: http://www.assbasalud.gov.co/
Malagón G. (2011.). Editorial. Atención Primaria en Salud (APS): Una estrategia para mejorar lacobertura y la calidad. Revista Academia Nacional de Medicina 2011; 83. Disponible en: http://encolombia.com/medicina/revistas-medicas/academedicina/vola-83/atencion-primaria-en-salud/
Fescina RH, De Mucio B, Díaz JL, Martínez G, Serruya, S. (2010). Guías para el continuo de la atención de la mujer y el recién nacido focalizadas en APS. Montevideo: Publicación Científica CLAP/SMR No 1573; 2010. Disponible en: https://docs.google.com/file/d/0B3o7GPnDqjGEUWtuV2hYVzdSM2VHWWktRWZidHo2QQ/edit?usp=drive_web&pli=1
Cárdenas V. Introducción al Análisis Service de SQL Server 2008 R2 [audio podcast]; 2011. Disponible en: http://www.youtube.com/watch?v=4-FxpeOFhHU
Organización Mundial de la Salud. Conferencia Internacional sobre Atención Primaria de Salud patrocinada por la OMS y el UNICEF; párrafo 10; 1978. Disponible en: http://www.who.int/topics/primary_health_care/es/
Castaño JJ, Esquivel VM, Ocampo P, Páez ML, Rico LM, Santacoloma V, et al. Características de madres gestantes y sus recién nacidos en relación con la edad de las madres en el departamento de Caldas (Colombia), 2003-2008. Archivos de Medicina (Col) 2011; 11(1):23-38. Disponible en: http://www.redalyc.org/articulo.oa?id=273819434002
Tercero I. Minería de datos (data mining) [blog]; 2010 24 de febrero. Disponible en: http://coevolucion. net/index.php?option=com_content&view=article&id=143:mineria-de-datos-data-mining
Sánchez R, Rosete A, Rodríguez A, Brito R. Empleo de minería de datos en la predicción de diabetes. Informática en salud 2009. Disponible en: http://www.informatica2009.sld.cu/Members/ardguez/empleo-de-mineria-de-datos-en-la-rediccion-de-diabetes-reprocesado-de-datos/
Vallejos SJ. Minería de Datos. Universidad Nacional del Nordeste, Corrientes, Argentina; 2006. Disponible en: http://exa.unne.edu.ar/depar/areas/informatica/SistemasOperativos/Mineria_Datos_Vallejos.pdf
Msdn. Algoritmos de minería de datos (Analysis Services: Minería de datos); 2013. Disponible en: http://msdn.microsoft.com/es-es/library/ms175595.aspx
Msdn. Complementos de minería de datos de Microsoft® SQL Server® 2012 para Microsoft® Office® 2010; 2014. Disponible en: http://www.microsoft.com/es-es/download/details.aspx?id=29061 12. Msdn. Microsoft Algoritmo de clústeres; 2014. Disponible en: http://msdn.microsoft.com/en-us/library/ms174879.aspx
Msdn. Referencia técnica del algoritmo de asociación de Microsoft; 2008. Disponible en: http://msdn.microsoft.com/es-es/library/cc280428(v=sql.100).asp
dc.relation.citationedition.spa.fl_str_mv Núm. 2 , Año 2015 : Julio - Diciembre
dc.relation.bitstream.none.fl_str_mv https://revistasojs.ucaldas.edu.co/index.php/biosalud/article/download/3787/3498
dc.rights.spa.fl_str_mv Derechos de autor 2015 Biosalud
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Derechos de autor 2015 Biosalud
https://creativecommons.org/licenses/by/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad de Caldas
dc.source.spa.fl_str_mv https://revistasojs.ucaldas.edu.co/index.php/biosalud/article/view/3787
institution Universidad de Caldas
bitstream.url.fl_str_mv https://repositorio.ucaldas.edu.co/bitstream/ucaldas/16050/1/ORE.xml
bitstream.checksum.fl_str_mv 7d18d7543b76ee912c6fec502ba0d820
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositorio Digital de la Universidad de Caldas
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1800543184284024832
spelling Gallego, Julián Andrés00f93160b1ec303f8ef03d9147239bf8300Navarro, Luisa Fernanda0147e99d8184915b0b8191ba441fc4e4300Castillo, Luis Fernando7bcf431ec0885495685a1df4fe5d18373002015-07-01 00:00:002021-02-14T10:01:31Z2015-07-01 00:00:002021-02-14T10:01:31Z2015-07-011657-9550https://doi.org/10.17151/biosa.2015.14.2.7https://repositorio.ucaldas.edu.co/handle/ucaldas/1605010.17151/biosa.2015.14.2.72462-960XObjetivo: Determinar las relaciones entre los factores de riesgo existentes en las madres gestantes, a través de las técnicas de minería de datos. Materiales y Métodos: Se recolectó una muestra de 15265 registros de mujeres con edades comprendidas entre los 10 y 48 años, datos que pertenecen al período comprendido entre los años 2010 y 2012, incluyéndolos. Los datos se procesaron mediante Microsoft SQL Server 2008 R2 y Microsoft Excel 2007, teniendo en cuenta el proceso KDD y la metodología CRISP DM para la minería de datos usando los algoritmos de k-Means para Clústers, Reglas de Asociación y Métodos de Correlación. Resultados: Mediante los algoritmos de clústers se evidenció que las mujeres con antecedentes de aborto componen el 5% de la población estudiada; las mujeres con partos prematuros tienen mayor presencia en edades anormales, siendo este del 2%, mientras que en edades aptas para la gestación la cifra solo es del 1%; el 1% de las mujeres, sin importar la edad, refiere haber tomado licor durante su embarazo; las mujeres que tuvieron abortos y consumieron alcohol fueron el 20%; las mujeres con partos prematuros con consumo de alcohol fueron el 8%. Las mujeres que aceptaron haber consumido drogas fueron el 2% en edad apta para la gestación y el 3% en edades no aptas, ubicándolas en el clúster que tiene la máxima probabilidad de aborto.Objective: To determine the relationship between existing risk factors in pregnant mothers through data mining techniques. Materials and Methods: A sample of 15,265 women aged between 10 and 48 years, data pertaining to the period between 2010 and 2012, was collected. Data was processed using Microsoft SQL Server 2008 R2 and Microsoft Excel 2007, taking into account the KDD process and CRISP-DM methodology for data mining using k-Means algorithms for Clusters, Association Rules and Correlation Methods. Results: Using Clustering algorithms it was evident that women with a history of abortion form 5% of the study population; women with premature births have a greater presence in abnormal ages being 2% of the population, while suitable age for gestation is only 1%; 1% of women, regardless of age, reported having consumed liquor during pregnancy; women who had abortions and consumed alcohol were 20%; women with induced labor showed 8% alcohol consumption. Women who admitted having used drugs were 2% in ages suitable for gestation and 3% in ages non suitable for conception, placing them in the cluster having the highest probability of abortion.application/pdfspaUniversidad de CaldasDerechos de autor 2015 Biosaludhttps://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://revistasojs.ucaldas.edu.co/index.php/biosalud/article/view/3787pregnant womeninduced laborabortiondata miningPHCmujeres gestantesparto prematuroabortominería de datosAPSAplicación de técnicas de minería de datos en atención primaria en salud (APS) para el análisis de riesgos en mujeres gestantes de la población manizaleña atendida por AssbasaludApplication of data mining techniques in primary health care (phc) for risk analysis in pregnant women in the population of Manizales attended by assbasaludArtículo de revistaSección Artículos OriginalesJournal Articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a857827114BiosaludAssbasalud E.S.E. Atención primaria en salud en el marco de las redes integradas de servicios de salud; 2012. Disponible en: http://www.assbasalud.gov.co/Malagón G. (2011.). Editorial. Atención Primaria en Salud (APS): Una estrategia para mejorar lacobertura y la calidad. Revista Academia Nacional de Medicina 2011; 83. Disponible en: http://encolombia.com/medicina/revistas-medicas/academedicina/vola-83/atencion-primaria-en-salud/Fescina RH, De Mucio B, Díaz JL, Martínez G, Serruya, S. (2010). Guías para el continuo de la atención de la mujer y el recién nacido focalizadas en APS. Montevideo: Publicación Científica CLAP/SMR No 1573; 2010. Disponible en: https://docs.google.com/file/d/0B3o7GPnDqjGEUWtuV2hYVzdSM2VHWWktRWZidHo2QQ/edit?usp=drive_web&pli=1Cárdenas V. Introducción al Análisis Service de SQL Server 2008 R2 [audio podcast]; 2011. Disponible en: http://www.youtube.com/watch?v=4-FxpeOFhHUOrganización Mundial de la Salud. Conferencia Internacional sobre Atención Primaria de Salud patrocinada por la OMS y el UNICEF; párrafo 10; 1978. Disponible en: http://www.who.int/topics/primary_health_care/es/Castaño JJ, Esquivel VM, Ocampo P, Páez ML, Rico LM, Santacoloma V, et al. Características de madres gestantes y sus recién nacidos en relación con la edad de las madres en el departamento de Caldas (Colombia), 2003-2008. Archivos de Medicina (Col) 2011; 11(1):23-38. Disponible en: http://www.redalyc.org/articulo.oa?id=273819434002Tercero I. Minería de datos (data mining) [blog]; 2010 24 de febrero. Disponible en: http://coevolucion. net/index.php?option=com_content&view=article&id=143:mineria-de-datos-data-miningSánchez R, Rosete A, Rodríguez A, Brito R. Empleo de minería de datos en la predicción de diabetes. Informática en salud 2009. Disponible en: http://www.informatica2009.sld.cu/Members/ardguez/empleo-de-mineria-de-datos-en-la-rediccion-de-diabetes-reprocesado-de-datos/Vallejos SJ. Minería de Datos. Universidad Nacional del Nordeste, Corrientes, Argentina; 2006. Disponible en: http://exa.unne.edu.ar/depar/areas/informatica/SistemasOperativos/Mineria_Datos_Vallejos.pdfMsdn. Algoritmos de minería de datos (Analysis Services: Minería de datos); 2013. Disponible en: http://msdn.microsoft.com/es-es/library/ms175595.aspxMsdn. Complementos de minería de datos de Microsoft® SQL Server® 2012 para Microsoft® Office® 2010; 2014. Disponible en: http://www.microsoft.com/es-es/download/details.aspx?id=29061 12. Msdn. Microsoft Algoritmo de clústeres; 2014. Disponible en: http://msdn.microsoft.com/en-us/library/ms174879.aspxMsdn. Referencia técnica del algoritmo de asociación de Microsoft; 2008. Disponible en: http://msdn.microsoft.com/es-es/library/cc280428(v=sql.100).aspNúm. 2 , Año 2015 : Julio - Diciembrehttps://revistasojs.ucaldas.edu.co/index.php/biosalud/article/download/3787/3498OREORE.xmltext/xml2785https://repositorio.ucaldas.edu.co/bitstream/ucaldas/16050/1/ORE.xml7d18d7543b76ee912c6fec502ba0d820MD51ucaldas/16050oai:repositorio.ucaldas.edu.co:ucaldas/160502021-02-14 10:01:31.516Repositorio Digital de la Universidad de Caldasbdigital@metabiblioteca.com