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 estr...
- Autores:
-
Jiménez Manjarrés, Mayra Alejandra
- Tipo de recurso:
- 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/
| id |
UNIANDES2_e17d34e0ae89271c761514878d375587 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/43984 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.es_CO.fl_str_mv |
Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia |
| title |
Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia |
| spellingShingle |
Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia Infección respiratoria aguda - Predicción Minería de datos Ingeniería |
| title_short |
Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia |
| title_full |
Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia |
| title_fullStr |
Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia |
| title_full_unstemmed |
Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia |
| title_sort |
Aplicación de analítica de datos para predicción de infección respiratoria aguda en Colombia |
| dc.creator.fl_str_mv |
Jiménez Manjarrés, Mayra Alejandra |
| dc.contributor.advisor.none.fl_str_mv |
Villamil Giraldo, María del Pilar |
| dc.contributor.author.none.fl_str_mv |
Jiménez Manjarrés, Mayra Alejandra |
| dc.contributor.jury.none.fl_str_mv |
Moreno Barbosa, Andrés Darío Hernández Peñaloza, José Tiberio Malo Sánchez, Diana Carolina |
| dc.subject.armarc.es_CO.fl_str_mv |
Infección respiratoria aguda - Predicción Minería de datos |
| topic |
Infección respiratoria aguda - Predicción Minería de datos Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
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. |
| publishDate |
2019 |
| dc.date.issued.es_CO.fl_str_mv |
2019 |
| dc.date.accessioned.none.fl_str_mv |
2020-09-03T14:19:27Z |
| dc.date.available.none.fl_str_mv |
2020-09-03T14:19:27Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/43984 |
| dc.identifier.pdf.none.fl_str_mv |
u830603.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/43984 |
| identifier_str_mv |
u830603.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/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 |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
175 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Uniandes |
| dc.publisher.program.es_CO.fl_str_mv |
Maestría en Ingeniería de Sistemas y Computación |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería de Sistemas y Computación |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/99f8b3c8-6a44-4eaf-829f-9dea34ec1c55/download https://repositorio.uniandes.edu.co/bitstreams/b1390c63-5135-4beb-ba54-faf041258e8a/download https://repositorio.uniandes.edu.co/bitstreams/7a54b615-7fc5-4d41-8465-dafab6137788/download |
| bitstream.checksum.fl_str_mv |
309b00d4ac5bb62ef38a4ea99c080b4b 8b7bcc16af1789beed4bf9305a47eaab db31567bfdfe0e558304639f45e7b2c7 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812133876446789632 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Villamil Giraldo, María del Pilar3b10ed49-9447-4d81-b06d-b0d80a0256d1400Jiménez Manjarrés, Mayra Alejandra278394e3-c690-4d8f-8547-91af70656f4b500Moreno Barbosa, Andrés DaríoHernández Peñaloza, José TiberioMalo Sánchez, Diana Carolina2020-09-03T14:19:27Z2020-09-03T14:19:27Z2019http://hdl.handle.net/1992/43984u830603.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Acute respiratory infection is one of the most frequent diseases in Colombia, which can even lead to death. This thesis discusses the forecasting of acute respiratory infection. Based on the problem, an analytical strategy was proposed through the identification of data sources related to the IRA, the use of data mining techniques for forecasting and the analysis of results. The data sources were: number of cases of IRA, climatic information of temperature, humidity and modifications, and frequency of word search on Google. The data mining techniques used for the forecasting were: multiple linear regression, Less absolute selection and contraction operator (LASSO) and multilayer perceptron (MLP) neural networks.Results indicated forecasts between 6.44% and 19.54% error, via MAPE. For the most of the Colombian departments, there was a suitable performance of the models that used only historical variable of the disease or the combination between the historical variable of ARI, climate and trends of Google.Magíster en Ingeniería de Sistemas y ComputaciónMaestría175 hojasapplication/pdfspaUniandesMaestría en Ingeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y Computacióninstname:Universidad de los Andesreponame:Repositorio Institucional SénecaAplicación de analítica de datos para predicción de infección respiratoria aguda en ColombiaTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMInfección respiratoria aguda - PredicciónMinería de datosIngenieríaPublicationTEXTu830603.pdf.txtu830603.pdf.txtExtracted texttext/plain279043https://repositorio.uniandes.edu.co/bitstreams/99f8b3c8-6a44-4eaf-829f-9dea34ec1c55/download309b00d4ac5bb62ef38a4ea99c080b4bMD54ORIGINALu830603.pdfapplication/pdf2655606https://repositorio.uniandes.edu.co/bitstreams/b1390c63-5135-4beb-ba54-faf041258e8a/download8b7bcc16af1789beed4bf9305a47eaabMD51THUMBNAILu830603.pdf.jpgu830603.pdf.jpgIM Thumbnailimage/jpeg9744https://repositorio.uniandes.edu.co/bitstreams/7a54b615-7fc5-4d41-8465-dafab6137788/downloaddb31567bfdfe0e558304639f45e7b2c7MD551992/43984oai:repositorio.uniandes.edu.co:1992/439842023-10-10 16:23:23.99http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |