Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura

Descripción del Articulo

El desarrollo de la Inteligencia Artificial (IA), hoy está en su auge, y eso despierta el interés de la comunidad científica para hacer estudios usando Machine Learning (ML) una de sus ramas de la IA, que mediante algoritmos o modelos entrenados se puede predecir fallos cardiacos. Según la búsqueda...

Descripción completa

Detalles Bibliográficos
Autores: Senmache Ly, Jesús Sebastian, Quiñones Nieto, Yamil Alexander
Formato: artículo
Fecha de Publicación:2024
Institución:Universidad Nacional Mayor de San Marcos
Repositorio:Revistas - Universidad Nacional Mayor de San Marcos
Lenguaje:español
OAI Identifier:oai:revistasinvestigacion.unmsm.edu.pe:article/29141
Enlace del recurso:https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/29141
Nivel de acceso:acceso abierto
Materia:Artificial Intelligence
Machine Learning
heart failures
id REVUNMSM_cd263124f4069f0b8817c17b739f40fe
oai_identifier_str oai:revistasinvestigacion.unmsm.edu.pe:article/29141
network_acronym_str REVUNMSM
network_name_str Revistas - Universidad Nacional Mayor de San Marcos
repository_id_str
spelling Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literaturaPrediction of Heart Failures using Machine Learning: A Systematic Literature ReviewSenmache Ly, Jesús SebastianQuiñones Nieto, Yamil AlexanderSenmache Ly, Jesús SebastianQuiñones Nieto, Yamil AlexanderArtificial IntelligenceMachine Learningheart failuresArtificial IntelligenceMachine Learningheart failuresEl desarrollo de la Inteligencia Artificial (IA), hoy está en su auge, y eso despierta el interés de la comunidad científica para hacer estudios usando Machine Learning (ML) una de sus ramas de la IA, que mediante algoritmos o modelos entrenados se puede predecir fallos cardiacos. Según la búsqueda de literatura que se realizó, se encontró que en los estudios se utilizan variables para predecir fallos cardiacos las más utilizadas es la edad, el sexo, la glucosa en ayunas, la presión arterial sistola y el colesterol LDL. Así mismo se realiza un preprocesado de datos, el cual tiene fases y las más usadas son el Reescalamiento, Limpieza de datos, Agrupamiento, Codificación de datos, Detección de valores atípicos. También se ha visto que la mayoría de los estudios proponen sus metodologías y las fases más empleadas son el Preprocesamiento, Aplicación de modelos, Análisis de resultados, Train-test, Clasificación de datos, Selección de modelo o algoritmo.The development of Artificial Intelligence (AI) is currently at its peak, sparking the interest of the scientific community to conduct studies using Machine Learning (ML), a branch of AI. Through trained algorithms or models, ML can predict heart failures. According to the literature review conducted, it was found that the most commonly used variables in studies to predict heart failures are age, sex, fasting glucose, systolic blood pressure, and LDL cholesterol. Additionally, data preprocessing is carried out, which involves various phases, with the most commonly used being Rescaling, Data Cleaning, Clustering, Data Encoding, and Outlier Detection. It was also observed that most studies propose their own methodologies, with the most frequently employed phases being Preprocessing, Model Application, Results Analysis, Train-test, Data Classification, and Model or Algorithm Selection.Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática2024-12-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/2914110.15381/rpcs.v6i2.29141Revista Peruana de Computación y Sistemas; Vol. 6 No. 2 (2024); 111-118Revista peruana de computación y sistemas; Vol. 6 Núm. 2 (2024); 111-1182617-2003reponame:Revistas - Universidad Nacional Mayor de San Marcosinstname:Universidad Nacional Mayor de San Marcosinstacron:UNMSMspahttps://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/29141/21736Derechos de autor 2024 Jesús Sebastian Senmache Ly, Yamil Alexander Quiñones Nietohttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:revistasinvestigacion.unmsm.edu.pe:article/291412025-01-03T20:04:13Z
dc.title.none.fl_str_mv Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
Prediction of Heart Failures using Machine Learning: A Systematic Literature Review
title Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
spellingShingle Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
Senmache Ly, Jesús Sebastian
Artificial Intelligence
Machine Learning
heart failures
Artificial Intelligence
Machine Learning
heart failures
title_short Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
title_full Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
title_fullStr Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
title_full_unstemmed Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
title_sort Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
dc.creator.none.fl_str_mv Senmache Ly, Jesús Sebastian
Quiñones Nieto, Yamil Alexander
Senmache Ly, Jesús Sebastian
Quiñones Nieto, Yamil Alexander
author Senmache Ly, Jesús Sebastian
author_facet Senmache Ly, Jesús Sebastian
Quiñones Nieto, Yamil Alexander
author_role author
author2 Quiñones Nieto, Yamil Alexander
author2_role author
dc.subject.none.fl_str_mv Artificial Intelligence
Machine Learning
heart failures
Artificial Intelligence
Machine Learning
heart failures
topic Artificial Intelligence
Machine Learning
heart failures
Artificial Intelligence
Machine Learning
heart failures
description El desarrollo de la Inteligencia Artificial (IA), hoy está en su auge, y eso despierta el interés de la comunidad científica para hacer estudios usando Machine Learning (ML) una de sus ramas de la IA, que mediante algoritmos o modelos entrenados se puede predecir fallos cardiacos. Según la búsqueda de literatura que se realizó, se encontró que en los estudios se utilizan variables para predecir fallos cardiacos las más utilizadas es la edad, el sexo, la glucosa en ayunas, la presión arterial sistola y el colesterol LDL. Así mismo se realiza un preprocesado de datos, el cual tiene fases y las más usadas son el Reescalamiento, Limpieza de datos, Agrupamiento, Codificación de datos, Detección de valores atípicos. También se ha visto que la mayoría de los estudios proponen sus metodologías y las fases más empleadas son el Preprocesamiento, Aplicación de modelos, Análisis de resultados, Train-test, Clasificación de datos, Selección de modelo o algoritmo.
publishDate 2024
dc.date.none.fl_str_mv 2024-12-30
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/29141
10.15381/rpcs.v6i2.29141
url https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/29141
identifier_str_mv 10.15381/rpcs.v6i2.29141
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/29141/21736
dc.rights.none.fl_str_mv Derechos de autor 2024 Jesús Sebastian Senmache Ly, Yamil Alexander Quiñones Nieto
https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Derechos de autor 2024 Jesús Sebastian Senmache Ly, Yamil Alexander Quiñones Nieto
https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática
publisher.none.fl_str_mv Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e Informática
dc.source.none.fl_str_mv Revista Peruana de Computación y Sistemas; Vol. 6 No. 2 (2024); 111-118
Revista peruana de computación y sistemas; Vol. 6 Núm. 2 (2024); 111-118
2617-2003
reponame:Revistas - Universidad Nacional Mayor de San Marcos
instname:Universidad Nacional Mayor de San Marcos
instacron:UNMSM
instname_str Universidad Nacional Mayor de San Marcos
instacron_str UNMSM
institution UNMSM
reponame_str Revistas - Universidad Nacional Mayor de San Marcos
collection Revistas - Universidad Nacional Mayor de San Marcos
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1848424485889245184
score 13.882695
Predicción de Fallos Cardiacos usando Machine Learning: Una revisión sistemática de la literatura
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares