Técnicas de big data a datos clínicos
- Format
- MasterThesis
- Status
- publishedVersion
- Description
El presente trabajo de investigación desarrolla modelos matemáticos descriptivos y predictivos a partir de una data que contiene los resultados de exámenes clínicos de pacientes, la cual fue suministrada por un laboratorio de la ciudad de Quito. Este estudio se centró en el análisis de las variables que constituyen el denominado Síndrome Metabólico (Índice de Masa Corporal, Colesterol, Triglicéridos, Glucosa y Presión Arterial); además, se consideran las variables Edad, Sedentarismo y Tabaquismo. Las variables antes citadas se analizan bajo dos enfoques: el primero es la determinación de un Índice de Salud, que se basa en la categorización y posterior evaluación de las variables cuantitativas de los resultados de exámenes clínicos, de acuerdo al nivel de gravedad que es proporcionada por la literatura médica. Este índice permitirá ubicar a los pacientes en las categorías de salud Baja, Normal, Sobre y Crítica. El segundo enfoque es la determinación de factores de riesgo. En este enfoque se transforma las variables numéricas en categóricas dicotómicas de acuerdo al límite de normalidad de cada variable, es decir, dependiendo si la variable constituye o no un riesgo a la salud del paciente, para luego clasificar a la población según el número de factores de riesgo; esta clasificación permite determinar grupos poblacionales con diferentes niveles de riesgo. Adicionalmente, se aplica la técnica del escalado multidimensional, la cual permite visualizar la influencia de los diversos factores de riesgo en la salud del paciente.
- Publication Year
- 2019
- Language
- spa
- Topic
- BIG DATA
ANÁLISIS MULTIVARIANTE
SÍNDROME METABÓLICO
ESCALADO MULTIDIMENSIONAL
- Repository
- Repositorio Universidad de las Fuerzas Armadas
- Get full text
- http://repositorio.espe.edu.ec/handle/21000/20510
- Rights
- openAccess
- License