Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia

En la siguiente tesis de maestría se documenta el proceso y las consideraciones tenidas en cuenta para el pronóstico de infección respiratoria aguda en Colombia, como una de las enfermedades frecuentes en la población, y que puede en casos graves conllevar a la muerte. A partir del problema, la estrategia analítica planteada consiste en la identificación de fuentes de datos relacionadas con la IRA, el uso de técnicas de minería de datos para el pronóstico, y análisis de resultados. Las fuentes de datos utilizadas fueron: número de casos de IRA, información climática de temperatura, humedad y precipitación, y frecuencia de búsqueda de palabras en Google. Las técnicas de minería de datos empleadas en el pronóstico fueron: regresión lineal múltiple, LASSO (least absolute shrinkage and selection operator, por sus siglas en inglés) y redes neuronales perceptrón multicapa, también conocidas y mencionadas como MLP. Parte de los resultados indicaron pronósticos entre 6,44% y 19,54% de error, teniendo en cuenta MAPE. Dependiendo del departamento, hubo buen desempeño de los modelos que utilizaron solo la variable histórica de la enfermedad o la combinación entre la variable histórica de IRA, clima y tendencias de Google.

• Autores: Jiménez Manjarrés, Mayra Alejandra
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/43984
• Acceso en línea: http://hdl.handle.net/1992/43984
• Palabra clave: Infección respiratoria aguda - Predicción; Minería de datos; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/