Predicción de readmisiones clínicas en pacientes con diabetes

RESUMEN : La monografía aborda el problema de readmisiones clínicas en pacientes con diabetes mellitus. Este tipo de problema, en el contexto de EE. UU y que se encuentra mayormente en la literatura, comprende tres diferentes categorías (readmisión mayor a 30 días, readmisión menor a 30 días, sin re...

Full description

Autores:
Arbeláez Giraldo, Carlos Alberto
Velásquez Hernández, Santiago
Tipo de recurso:
Tesis
Fecha de publicación:
2021
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/24592
Acceso en línea:
http://hdl.handle.net/10495/24592
Palabra clave:
Readmisión del paciente
Patient readmission
Diabetes Mellitus
Técnicas de predicción
Forecasting
XGBoost
http://aims.fao.org/aos/agrovoc/c_3041
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/2.5/co/
id UDEA2_05947a3a986bf09bf6330d79047203c3
oai_identifier_str oai:bibliotecadigital.udea.edu.co:10495/24592
network_acronym_str UDEA2
network_name_str Repositorio UdeA
repository_id_str
dc.title.spa.fl_str_mv Predicción de readmisiones clínicas en pacientes con diabetes
title Predicción de readmisiones clínicas en pacientes con diabetes
spellingShingle Predicción de readmisiones clínicas en pacientes con diabetes
Readmisión del paciente
Patient readmission
Diabetes Mellitus
Técnicas de predicción
Forecasting
XGBoost
http://aims.fao.org/aos/agrovoc/c_3041
title_short Predicción de readmisiones clínicas en pacientes con diabetes
title_full Predicción de readmisiones clínicas en pacientes con diabetes
title_fullStr Predicción de readmisiones clínicas en pacientes con diabetes
title_full_unstemmed Predicción de readmisiones clínicas en pacientes con diabetes
title_sort Predicción de readmisiones clínicas en pacientes con diabetes
dc.creator.fl_str_mv Arbeláez Giraldo, Carlos Alberto
Velásquez Hernández, Santiago
dc.contributor.advisor.none.fl_str_mv Duitama Muñoz, John Freddy
dc.contributor.author.none.fl_str_mv Arbeláez Giraldo, Carlos Alberto
Velásquez Hernández, Santiago
dc.subject.decs.none.fl_str_mv Readmisión del paciente
Patient readmission
Diabetes Mellitus
topic Readmisión del paciente
Patient readmission
Diabetes Mellitus
Técnicas de predicción
Forecasting
XGBoost
http://aims.fao.org/aos/agrovoc/c_3041
dc.subject.agrovoc.none.fl_str_mv Técnicas de predicción
Forecasting
dc.subject.proposal.spa.fl_str_mv XGBoost
dc.subject.agrovocuri.none.fl_str_mv http://aims.fao.org/aos/agrovoc/c_3041
description RESUMEN : La monografía aborda el problema de readmisiones clínicas en pacientes con diabetes mellitus. Este tipo de problema, en el contexto de EE. UU y que se encuentra mayormente en la literatura, comprende tres diferentes categorías (readmisión mayor a 30 días, readmisión menor a 30 días, sin readmisión). Actualmente, las predicciones de readmisiones clínicas u hospitalarias tienen como finalidad mejorar los tratamientos sobre los pacientes y reducir los costos asociados a la readmisión de estos. La mayoría de los registros y características de los conjuntos de datos de readmisiones médicas coinciden en la información demográfica de las personas como lo son raza, sexo, edad, etc. También se presentan datos asociados a los diagnósticos hechos por los médicos tratantes y la medicación suministrada durante su estancia en el centro clínico o unidad de cuidados intensivos. El caso particular de la información usada en la monografía no dista de esto. Es válido mencionar que la información usada es multicentro, lo cual implica que no se posee el sesgo de una región u hospital especifico que es uno de los retos actuales de este dominio. Las iteraciones para la obtención del modelo se abordaron en dos instancias. La primera de ellas tenía como propósito generar un modelo que sirviera de línea base para comprender que tan acertada puede ser la clasificación vista desde una perspectiva binaria, es decir paciente readmitido o no. En un segundo momento se extendió el problema a una clasificación multiclase en la cual pretendió darle especificidad al problema según como está en la literatura encontrada, además se usaron nuevos algoritmos para explorar que tan buenas son las predicciones (para este tipo de problemas) cuando se usan algoritmos más potentes a los normalmente conocidos. Los resultados obtenidos en las dos fases de modelado fueron alentadores, todos los modelos obtenidos entregaron una precisión superior al 70%, siendo el XGboost el mejor modelo obtenido y el seleccionado con un 72% de precisión en el problema multiclase.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-12-06T16:48:26Z
dc.date.available.none.fl_str_mv 2021-12-06T16:48:26Z
dc.date.issued.none.fl_str_mv 2021
dc.type.spa.fl_str_mv info:eu-repo/semantics/other
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversion.spa.fl_str_mv info:eu-repo/semantics/draft
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_46ec
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/COther
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Especialización
format http://purl.org/coar/resource_type/c_46ec
status_str draft
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10495/24592
url http://hdl.handle.net/10495/24592
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.rights.accessrights.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
http://purl.org/coar/access_right/c_abf2
https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.extent.spa.fl_str_mv 33
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.place.spa.fl_str_mv Medellín
institution Universidad de Antioquia
bitstream.url.fl_str_mv http://bibliotecadigital.udea.edu.co/bitstream/10495/24592/6/ArbelaezCarlos_2021_PrediccionReadmisionDiabetes.pdf
http://bibliotecadigital.udea.edu.co/bitstream/10495/24592/7/license.txt
http://bibliotecadigital.udea.edu.co/bitstream/10495/24592/4/license_rdf
bitstream.checksum.fl_str_mv ee37191bcbe82f3d7be624b703489dc0
8a4605be74aa9ea9d79846c1fba20a33
e2060682c9c70d4d30c83c51448f4eed
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Antioquia
repository.mail.fl_str_mv andres.perez@udea.edu.co
_version_ 1812173082340622336
spelling Duitama Muñoz, John FreddyArbeláez Giraldo, Carlos AlbertoVelásquez Hernández, Santiago2021-12-06T16:48:26Z2021-12-06T16:48:26Z2021http://hdl.handle.net/10495/24592RESUMEN : La monografía aborda el problema de readmisiones clínicas en pacientes con diabetes mellitus. Este tipo de problema, en el contexto de EE. UU y que se encuentra mayormente en la literatura, comprende tres diferentes categorías (readmisión mayor a 30 días, readmisión menor a 30 días, sin readmisión). Actualmente, las predicciones de readmisiones clínicas u hospitalarias tienen como finalidad mejorar los tratamientos sobre los pacientes y reducir los costos asociados a la readmisión de estos. La mayoría de los registros y características de los conjuntos de datos de readmisiones médicas coinciden en la información demográfica de las personas como lo son raza, sexo, edad, etc. También se presentan datos asociados a los diagnósticos hechos por los médicos tratantes y la medicación suministrada durante su estancia en el centro clínico o unidad de cuidados intensivos. El caso particular de la información usada en la monografía no dista de esto. Es válido mencionar que la información usada es multicentro, lo cual implica que no se posee el sesgo de una región u hospital especifico que es uno de los retos actuales de este dominio. Las iteraciones para la obtención del modelo se abordaron en dos instancias. La primera de ellas tenía como propósito generar un modelo que sirviera de línea base para comprender que tan acertada puede ser la clasificación vista desde una perspectiva binaria, es decir paciente readmitido o no. En un segundo momento se extendió el problema a una clasificación multiclase en la cual pretendió darle especificidad al problema según como está en la literatura encontrada, además se usaron nuevos algoritmos para explorar que tan buenas son las predicciones (para este tipo de problemas) cuando se usan algoritmos más potentes a los normalmente conocidos. Los resultados obtenidos en las dos fases de modelado fueron alentadores, todos los modelos obtenidos entregaron una precisión superior al 70%, siendo el XGboost el mejor modelo obtenido y el seleccionado con un 72% de precisión en el problema multiclase.33application/pdfspainfo:eu-repo/semantics/draftinfo:eu-repo/semantics/otherhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/co/http://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-sa/4.0/Predicción de readmisiones clínicas en pacientes con diabetesMedellínReadmisión del pacientePatient readmissionDiabetes MellitusTécnicas de predicciónForecastingXGBoosthttp://aims.fao.org/aos/agrovoc/c_3041Especialista en Analítica y Ciencia de DatosEspecializaciónFacultad de Ingeniería. Especialización en Analítica y Ciencia de DatosUniversidad de AntioquiaORIGINALArbelaezCarlos_2021_PrediccionReadmisionDiabetes.pdfArbelaezCarlos_2021_PrediccionReadmisionDiabetes.pdfTrabajo de grado de especializaciónapplication/pdf1522832http://bibliotecadigital.udea.edu.co/bitstream/10495/24592/6/ArbelaezCarlos_2021_PrediccionReadmisionDiabetes.pdfee37191bcbe82f3d7be624b703489dc0MD56LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bibliotecadigital.udea.edu.co/bitstream/10495/24592/7/license.txt8a4605be74aa9ea9d79846c1fba20a33MD57CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81051http://bibliotecadigital.udea.edu.co/bitstream/10495/24592/4/license_rdfe2060682c9c70d4d30c83c51448f4eedMD5410495/24592oai:bibliotecadigital.udea.edu.co:10495/245922021-12-06 11:49:29.105Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.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