La Dirección Ejecutiva de Epidemiología de la DIRESA Junín requiere de la implementación de modelos de predicción que contribuyan con la toma de decisiones clínicas, es así que habiéndose identificado que entre los años 2010 y julio del 2019 el 91.75% de las muertes perinatales estuvieron asociadas a “ciertas afecciones originadas en el periodo perinatal”, el objetivo de esta investigación fue en primer lugar desarrollar modelos de predicción de mortalidad perinatal y luego determinar la diferencia entre el rendimiento de los modelos de aprendizaje automático basados en técnicas supervisadas, ello con la finalidad de poder tomar decisiones preventivas para evitar estos eventos no deseados. El tipo de investigación fue de enfoque cuantitativo y el diseño correspondió al no experimental retrospectivo porque se trabajó con datos históricos de casos de muerte perinatal ...

La presente tesis surge de la necesidad de contar con un sistema de administración del conocimiento que contenga un modelo eficiente de predicción del comportamiento de enfermedades y eventos de salud de mayor prevalencia en la Dirección Regional de Salud de Junín; para lo cual se formuló la pregunta de investigación ¿Cuál es el sistema de administración del conocimiento que permite obtener con mayor precisión la predicción de la prevalencia de enfermedades en la Dirección Regional de Salud de Junín?. El objetivo propuesto es determinar el sistema de administración del conocimiento que permite obtener con mayor precisión la predicción de la prevalencia de enfermedades en la Dirección Regional de Salud de Junín, para lo cual se planteó la hipótesis: El sistema de administración del conocimiento basado en la técnica de redes neuronales artificiales permite obtener con...