Modelo inteligente fundamentado en aprendizaje supervisado para la estimación funcional del síndrome metabólico

Mendoza Torrado, Gerzon Miguel

Tutor: Chacón Rangel, José Gerardo

Resumen

El síndrome metabólico es un conglomerado de factores interrelacionados conformado por obesidad abdominal, hipertensión, hiperglicemia, altos niveles de triglicéridos y bajos niveles de colesterol HDL, los cuales aumentan el riesgo de desarrollar enfermedades cardiovasculares y metabólicas. Por otra parte, la minería de datos se encarga de obtener modelos a partir de información recopilada y validada, con el propósito de decidir si estos son útiles y permiten generar predicciones exactas y precisas. De acuerdo con las premisas anteriores, en esta investigación se desarrolló un modelo inteligente fundamentado en aprendizaje supervisado para estimación funcional del síndrome metabólico como apoyo al diagnóstico de individuos por parte de especialistas de la salud. La connotación de inteligente la da el uso de dos técnicas de redes neurales y se propuso aquella que arrojo los mejores resultados para el caso de estudio. La metodología utilizada fue la de descubrimiento de conocimiento en bases de datos definida en cinco fases. Los datos utilizados fueron 74 variables de 2321 individuos de la base de datos del estudio de prevalencia de síndrome metabólico de la ciudad de Maracaibo llevado a cabo por el Centro de Investigaciones Endocrino-Metabólicas. Los resultados se validaron comparando el valor predicho del síndrome metabólico por cada herramienta inteligente con el valor real. En esta investigación se propone el modelo red NNBP con una configuración [27 5 2 1] en Matlab por haber obtenido los mejores resultados que generó los mínimos valores de los errores para las métricas estadísticas consideradas. Como métricas se utilizaron mediciones como las del error cuadrático medio, error porcentual medio, error absoluto porcentual medio; entre otros. Además, se emplearon técnicas de validación tales Correlación Spearman Brown, Correlación de Pearson y herramientas gráficas.

Palabras clave

Documento

MII 2102 M.pdf

Ficha original en el repositorio institucional de la UNET

Trabajos relacionados

Análisis de variabilidad de los grupos de factores que determinan el síndrome metabólico usando ciencia de los datosBayona Gómez, Alexander · 2021
Caracterizar desde la teoría de conjuntos difusos la información del síndrome metabólico contenida en la base de datos NHANESBotello Dugarte, Bladimir · 2021
Modelo de verificación de patrones individuales a partir de la rapidez y precisión en el trazado de una figura de desbloqueoParedes Pineda, Milagros Consolación · 2016
Modelo de conocimiento de suscripción de pólizas de automóvil individual en Seguros Los Andes C.AGómez Chia, Jhonny Javier · 2023
Entrenamiento de un red neuronal utilizando algoritmos evolutivos para la clasificación de señales ECGZambrano Quintero, Carlos Alejandro · 2019
Diseño de un sistema predictivo para determinar escenarios operacionales en yacimientos de crudo livianoJesús Javier Carvajal García · 2019

Este sitio no es el repositorio oficial. Los documentos pertenecen a sus autores y a la Universidad Nacional Experimental del Táchira, y se publican en su repositorio bajo licencia Creative Commons; los archivos se sirven desde una copia del repositorio y cada página enlaza a la ficha original. Los datos descriptivos (título, autor, resumen y palabras clave) provienen de la ficha del repositorio.