Sistema de análisis automático para la evaluación de factores determinantes en la prevalencia de obesidad

Vista sencilla de ítem
dc.contributor.advisorGiachetti, Giovanni
dc.contributor.advisorPérez-Leighton, Claudio
dc.contributor.authorMolina Espinoza, Javier Antonio
dc.contributor.editorFacultad de Ingeniería
dc.date.accessioned2020-10-14T19:15:04Z
dc.date.available2020-10-14T19:15:04Z
dc.date.issued2018
dc.descriptionTesis (Ingeniero Civil Informático)es
dc.description.abstractObjetivo: Automatizar el análisis de las relaciones que existen entre factores determinantes en la prevalencia de obesidad en Chile. Contexto: Un análisis consolidado de diversos factores que influencian la prevalencia de obesidad en Chile podría ser base para futuras políticas preventivas. Cada una de ellas enfocadas en aumentar la calidad y esperanza de vida de las personas junto con disminuir los altos costos para el sistema de salud público en tratamientos reactivos. Problema: La fuerte alza en los índices de obesidad en el mundo, y en Chile, dan cuenta de una falencia en las actuales políticas preventivas. Luego, es necesario el trabajo conjunto de diversas áreas del conocimiento para entender la relación entre las múltiples causas de esta enfermedad. Hipótesis: Es posible automatizar el análisis de riesgo para determinar la prevalencia asociada a obesidad a partir de variables demográficas, geográficas y conductuales. Diseño: Construir el cuerpo del conocimiento a partir de literatura científica publicada por expertos médicos hasta la fecha. Caracterizar los supuestos en un modelo multidimensional basado en estándares internacionales. Aplicar un algoritmo de Machine Learning para identificar automáticamente correlaciones a partir de datos clínicos de población local. Disponibilizar los resultados estratégicamente. Resultado: Se modeló una regresión logística consiguiendo valores para las métricas AUC = 0,607 y un F1-Score = 55,5%. Conclusión: No se han conseguido valores significativos para las métricas utilizadas en la evaluación del modelo de predicción. Dada la naturaleza de los datos de entrada cargados en el modelo multidimensional, un nuevo trabajo investigativo debe comenzar con la gestión de datos clínicos dispersos y con una extensión temporal superior a la utilizada. Se espera con esto, mejorar el rendimiento y asegurar relaciones que complementen los supuestos extraídos de la literatura publicada hasta la fecha.es
dc.identifier.urihttp://repositorio.unab.cl/xmlui/handle/ria/15902
dc.language.isoeses
dc.publisherUniversidad Andrés Belloes
dc.subjectSoftware Computacionales
dc.subjectDesarrolloes
dc.subjectObesidades
dc.subjectProcesamiento de Datoses
dc.titleSistema de análisis automático para la evaluación de factores determinantes en la prevalencia de obesidades
dc.typeTesises
Archivos
Bloque original
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
a122002_Molina_J_Sistema_de_análisis_automático_2018_Tesis.pdf
Tamaño:
3.58 MB
Formato:
Adobe Portable Document Format
Descripción:
TEXTO COMPLETO EN ESPAÑOL
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
FIng - Trabajos de Titulación Pre-Grado