Modelo de Predicción para alerta temprana de Eventos Cardiovasculares mediante técnicas de Supervised Machine Learning en el Instituto de Previsión Social (IPS) de Coronel Oviedo, 2024

Simple item page
dc.contributor.authorEspinoza Franco, José Antonio
dc.contributor.authorVázquez Cáceres, Luz Melina
dc.contributor.authorMelgarejo Riveros, Víctor Manuel
dc.date.accessioned2024-12-16T10:48:19Z
dc.date.available2024-12-16T10:48:19Z
dc.date.issued2024-12
dc.descriptionDemo del sistema: https://youtu.be/5QChe9hdniY
dc.description.abstractLas enfermedades cardiovasculares están relacionadas con problemas del corazón y los vasos sanguíneos, siendo la principal causa de muerte en el mundo. Según el Ministerio de Salud Pública y Bienestar Social, estas enfermedades son responsables del 30% de las muertes globales y del 27% a nivel nacional. En el Instituto de Previsión Social de Coronel Oviedo se registraron 82.991 consultas entre 2021 y 2024, muchas asociadas a factores de riesgo como la hipertensión esencial. Para abordar esta problemática, se desarrollaron modelos utilizando técnicas de Machine Learning supervisado, entre ellos Regresión Logística, Árboles de Decisión y Random Forest, seleccionándose este último como modelo de alerta temprana para la interfaz de predicción de eventos cardiovasculares, debido a su 73% de exactitud y baja tasa de errores. Además, se planteó la creación de una base de datos para almacenar información de pacientes, consultas médicas e historiales clínicos, contribuyendo a mejorar la gestión y el seguimiento de la salud cardiovascular.
dc.identifier.urihttps://publicaciones.fctunca.edu.py/handle/123456789/136
dc.language.isoes
dc.publisherFCyT UNCA
dc.subjectCiencia de Datos
dc.subjectIngeniería de Software.
dc.subjectODS 3 - Salud y bienestar
dc.subjectODS 9 - Industria innovación e infraestructura
dc.titleModelo de Predicción para alerta temprana de Eventos Cardiovasculares mediante técnicas de Supervised Machine Learning en el Instituto de Previsión Social (IPS) de Coronel Oviedo, 2024
dc.typeThesis

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
PFG LuzMe y Jose dic24_compressed.pdf
Size:
1.19 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download

Collections

PROYECTOS FINALES DE GRADO