Show simple item record

dc.contributor.advisorRomero Álvarez, Fran Ernesto
dc.coverage.spatialColombiaspa
dc.creatorRodriguez Barrios, Rafael Humberto
dc.date.accessioned2021-02-23T00:53:04Z
dc.date.available2021-02-23T00:53:04Z
dc.date.created2020
dc.identifier.urihttp://hdl.handle.net/20.500.12010/17638
dc.description.abstractLa Enfermedad Renal Crónica (ERC) es un problema de salud global con una alta tasa de morbilidad y mortalidad, que induce a padecer otras enfermedades. Dado que no hay síntomas visibles durante las primeras etapas de la ERC, los pacientes a menudo no notan la enfermedad. La detección temprana de la ERC permite a los pacientes recibir un tratamiento oportuno para mejorar la progresión de esta enfermedad. Los modelos de Aprendizaje Automático pueden ayudar eficazmente a los médicos a lograr este objetivo debido a su rendimiento de reconocimiento rápido y preciso. En este estudio, proponemos una metodología de Aprendizaje Automático para el diagnóstico de ERC. El conjunto de datos que se utilizó fue otorgado por la Clínica Renal Colombiana, gracias a la colaboración de la nefróloga Sandra Castelo. Estos datos en su totalidad fueron anonimizados. Como guía de referencia se usó el modelo CRISP-DM® [1]. Los datos se trabajaron en su totalidad en la nube en la plataforma de Azure desde ahí se le realizaron los procesos para la exploración y el análisis, donde se encontró que los datos de las muestras estaban desbalanceados. Por lo que se utilizó la técnica SMOTE para balancear los datos. Después de completar de manera efectiva el balanceo de datos, se utilizaron cuatros algoritmos de Aprendizaje Automático (Regresión Logística, Bosque de Decisión, Red Neuronal, y Jungla de Decisiones). Entre estos modelos de Aprendizaje Automático, el de Bosque de Decisión logró el mejor rendimiento con un 92%, que soporta una buena línea base para soluciones en producción en el enfoque empleado en esta investigación.spa
dc.format.extent60 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad de Bogotá Jorge Tadeo Lozanospa
dc.sourceinstname:Universidad de Bogotá Jorge Tadeo Lozanospa
dc.sourcereponame:Expeditio Repositorio Institucional UJTLspa
dc.subjectModelos De Aprendizajespa
dc.subjectEnfermedades renalesspa
dc.titleImplementación de modelos de aprendizaje automático para la prevención de enfermedades renales (ERC) o sus derivadasspa
dc.type.localTrabajo de grado de maestríaspa
dc.subject.lembAprendizaje--Modelosspa
dc.subject.lembMétodos de enseñanza--Programas para computadorspa
dc.subject.lembEnfermedades renalesspa
dc.subject.lembEnfermedades renales--Prevenciónspa
dc.subject.lembAprendizaje automático (Inteligencia artificial)spa
dc.rights.accessrightsinfo:eu-repo/semantics/restrictedAccessspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.rights.localAbierto (Texto Completo)spa
dc.identifier.repourlhttp://expeditio.utadeo.edu.cospa
dc.creator.degreeMagíster en Ingeniería y Analítica de Datosspa
dc.publisher.programMaestría en Ingeniería y Analítica de Datosspa
dc.relation.referencesJ. V. Román, «Sngula,» 02 Agosto 2016. [En línea]. Available: https://www.sngular.com/es/data-science-crisp-dm-metodologia/. [Último acceso: 15 08 2020].spa
dc.relation.referencesInstitute for Health Metrics and Evaluation, «Institute for Health Metrics and Evaluation. Global Burden of Disease (GBD),» 2019. [En línea]. Available: http://www.healthdata.org/gbd. [Último acceso: 08 2020].spa
dc.relation.referencesCuenta de Alto Costo/ Situación de la Enfermedad Renal Crónica en Colombia, «MINISTERIO DE SALUD COLOMBIA,» 2019. [En línea]. Available: https://acortar.link/B7iXG. [Último acceso: 09 2020].spa
dc.relation.referencesFresenius Medical Care Colombia S.A., «Enfermedad Renal: causas y prevención - Fresenius Medical Care,» 2019. [En línea]. Available: https://acortar.link/Z2gKf. [Último acceso: 09 2020].spa
dc.relation.referencesAlan S. Go, MD, Glenn M. Chertow, MD, MPH, Fan de Dongjie, MSPH, Charles E. McCulloch, Ph.D., y Chi-yuan Hsu, MD, «Chronic Kidney Disease and the Risks of Death, Cardiovascular Events, and Hospitalization,» The new England Journal of Medicine, vol. 1, pp. 1296-1305, 2004.spa
dc.relation.referencesSITUACIÓN DE LA ERC EN COLOMBIA, «FONDO COLOMBIANO DE ENFERMEDADES DE ALTO COSTO,» 2019. [En línea]. Available: https://cuentadealtocosto.org/site/erc/. [Último acceso: 09 2020].spa
dc.relation.referencesGlassock, R. J. , Warnock, D. G. & Delanaye, P., «The global burden of chronic kidney disease: estimates, variability and pitfalls. Nature Reviews Nephrology, 13(2), 104–114. doi: 10.1038/nrneph.2016.163.,» 12 diciembre 2016. [En línea]. Available: https://pubmed.ncbi.nlm.nih.gov/27941934/. [Último acceso: 07 2020].spa
dc.relation.referencesJuan Ignacio Bagnato, «Crea un Arbol de Decisión en Python | Aprende Machine Learning,» 13 04 2018. [En línea]. Available: https://cutt.ly/Lg2EB9V. [Último acceso: 07 2020].spa
dc.relation.referencesJuan Ignacio Bagnato, «Crea un Arbol de Decisión en Python | Aprende Machine Learning,» 27 08 2017. [En línea]. Available: https://cutt.ly/pg2Riwx. [Último acceso: 07 2020].spa
dc.relation.referencesJeff Hawkins, «“Machine Learning”: definición, tipos y aplicaciones prácticas - Iberdrola,» 2004. [En línea]. Available: https://cutt.ly/jg2ROWJ. [Último acceso: 07 2020].spa
dc.relation.referencesJonathan H. Chen, M.D., Ph.D. and Steven M. Asch, M.D., M.P.H, «Machine Learning and Prediction in Medicine — Beyond the Peak of Inflated Expectations,» 16 mayo 2018. [En línea]. Available: https://cutt.ly/ng2RZQ4. [Último acceso: 07 2020].spa
dc.relation.referencesA. Niknejad , D. Petrovic., «Introduction to computational intelligence techniques and areas of their applications in medicine. Med Appl Artif Intell, 51,» 2013. [En línea]. Available: https://cutt.ly/7g2R8Jo. [Último acceso: 08 2020].spa
dc.relation.referencesFondo Nacional de Enfermedades de alto costo, Cuenta de Alto Costo[CAC], «Situación de la enfermedad renal crónica, la hipertensión arterial y la diabetes mellitus en Colombia.,» 2016. [En línea]. Available: https://cuentadealtocosto.org/site/general/cuenta-de-alto-costonuestra-linea-del-tiempo/. [Último acceso: 06 2020].spa
dc.relation.referencesMicrosoft, «Azure,» 11 04 2020. [En línea]. Available: https://docs.microsoft.com/enus/azure/machine-learning/overview-what-is-azure-ml. [Último acceso: 20 09 2020].spa
dc.relation.referencesMICROSOFT, «POWERBI,» Gartner , 2020. [En línea]. Available: https://powerbi.microsoft.com/es-es/what-is-power-bi/. [Último acceso: 18 09 2020].spa
dc.relation.referencesXiao, J., Ding, R., Xu, X. et al, «Comparison and development of machine learning tools in the prediction of chronic kidney disease progression,» Revista de Medicina Traslacional volumen, vol. 17, nº 119, 2019.spa
dc.relation.referencesPolat, H., Danaei Mehr, H. & Cetin, «A. Diagnosis of Chronic Kidney Disease Based on Support Vector Machine by Feature Selection Methods. J Med Syst 41, 55,» Revista de sistemas médicos volumen, nº 55, 2017.spa
dc.relation.referencesAPA Li, Qi1; Fan, Qiu-Ling2; Han, Qiu-Xia1; Geng, Wen-Jia3; Zhao, Huan-Huan1; Ding, Xiao-Nan1; Yan, Jing-Yao1; Zhu, Han-Yu1, «Machine learning in nephrology: scratching the surface, Chinese Medical Journal: March 20, 2020 - Volume - Issue 6 - p 687-698,» Chinese Medical Journal, vol. 1, nº 6, pp. 687-698, 2020.spa
dc.relation.referencesD. K. ,. R. ,. E. ,. E. ,. M. ,. L. ,. T. ,. K. y. K. Zvi Segal, «Algoritmo de aprendizaje automático para la detección temprana de la enfermedad renal en etapa terminal,» Nefrología BMC, vol. 21, nº 518, 2020 .spa
dc.relation.referencesL. C. Y. L. C. F. y. B. C. J. Qin, Una metologia de aprendizaje automatico para diagnosticar la enfermedad renal cronica, vol. 8, China: Instituto de Ingenieros Electricos y Electronicos, 2020, pp. 20991-21002.spa
dc.relation.referencesA. G. L. U. A. N. K. A.-C. L. S.-A. Erik Dovgan, Uso de modelos de aprendizaje automático para predecir el inicio de la terapia de reemplazo renal en pacientes con enfermedad renal crónica, U. d. S. M. G. d. C. Giuseppe Coppolino, Ed., ITALIA: Dovgan et al, 2020.spa
dc.relation.referencesLi, Qi1; Fan, Qiu-Ling2; Han, Qiu-Xia1; Geng, Wen-Jia3; Zhao, Huan-Huan1; Ding, XiaoNan1; Yan, Jing-Yao1; Zhu, Han-Yu1, «Machine learning in nephrology: scratching the surface, Chinese Medical Journal:,» Chinese Medical Journal, nº 6, pp. 687-698, 2020.spa
dc.relation.referencesTim Newman, «MEDICAL NEWS TODAY,» San francisco/ Estados Unidos, 2017.spa
dc.description.hashtag#ImplementaciónModelos AprendizajeAutomáticoPrevenciónEnfermedadesRenales(ERC)spa
dc.description.hashtag#ImplementaciónModelos AprendizajeAutomáticoPrevenciónEnfermedadesRenales(ERC)SusDerivadasspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record