A review of system implementations for diabetes trend identification
Descripción del Articulo
Diabetes mellitus is a chronic disease that appears when the pancreas does not secrete enough insulin or the body does not properly use the insulin it produces. Insulin is a hormone that regulates glucose concentration in the blood: one of the most common effects of uncontrolled diabetes is hypergly...
| Autores: | , |
|---|---|
| Formato: | artículo |
| Fecha de Publicación: | 2022 |
| Institución: | Universidad de Lima |
| Repositorio: | Revistas - Universidad de Lima |
| Lenguaje: | español |
| OAI Identifier: | oai:revistas.ulima.edu.pe:article/5957 |
| Enlace del recurso: | https://revistas.ulima.edu.pe/index.php/Interfases/article/view/5957 |
| Nivel de acceso: | acceso abierto |
| Materia: | diabetes mellitus trend identification preventive software construction methods logistic regression artificial neural networks identificación de tendencias software preventivo métodos de construcción regresión logística redes neuronales artificiales |
| id |
REVULIMA_91b1bfdfa41c490416df569b472c6aa7 |
|---|---|
| oai_identifier_str |
oai:revistas.ulima.edu.pe:article/5957 |
| network_acronym_str |
REVULIMA |
| network_name_str |
Revistas - Universidad de Lima |
| repository_id_str |
|
| spelling |
A review of system implementations for diabetes trend identificationUna revisión de las implementaciones de sistemas para la identificación de tendencias de la diabetesBenites Loja, Rocio IsabelCoral Ygnacio, Marco Antoniodiabetes mellitustrend identificationpreventive softwareconstruction methodslogistic regressionartificial neural networksdiabetes mellitusidentificación de tendenciassoftware preventivométodos de construcciónregresión logísticaredes neuronales artificialesDiabetes mellitus is a chronic disease that appears when the pancreas does not secrete enough insulin or the body does not properly use the insulin it produces. Insulin is a hormone that regulates glucose concentration in the blood: one of the most common effects of uncontrolled diabetes is hyperglycemia, which seriously damages many organs and body systems over time. In this sense, the development of predictive software, the diagnosis, and subsequent treatment of diabetes, especially of type 1 and 2, which are the most frequent, deserve attention. This paper presents a systematic review of the literature to determine the methods and problems in constructing diabetes-oriented trend identification systems. The results show 16 construction methods used in these systems, the most efficient being logistic regression and artificial neural networks.La diabetes mellitus es una enfermedad crónica que aparece cuando el páncreas no secreta suficiente insulina o cuando el organismo no utiliza apropiadamente la insulina que produce. Dado que la insulina es una hormona que regula la concentración de glucosa en la sangre, uno de los efectos más comunes de la diabetes no controlada es la hiperglucemia, que con el tiempo daña gravemente muchos órganos y sistemas del cuerpo. Por ello, es importante el desarrollo de software predictivo para el diagnóstico y posterior tratamiento de esta enfermedad, en particular para la diabetes tipo 1 y 2, que concentran la mayoría de los casos. El presente trabajo realiza una revisión sistemática de literatura a fin de determinar los métodos y la problemática en la construcción de sistemas de identificación de tendencias orientados a la diabetes. Los resultados muestran 16 métodos diferentes de construcción utilizados en estos sistemas, de los cuales los más eficientes son la regresión logística y las redes neuronales artificiales.Universidad de Lima2022-12-23info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdftext/htmlhttps://revistas.ulima.edu.pe/index.php/Interfases/article/view/595710.26439/interfases2022.n016.5957Interfases; No. 016 (2022); 231-251Interfases; Núm. 016 (2022); 231-251Interfases; n. 016 (2022); 231-2511993-491210.26439/interfases2022.n016reponame:Revistas - Universidad de Limainstname:Universidad de Limainstacron:ULIMAspahttps://revistas.ulima.edu.pe/index.php/Interfases/article/view/5957/6047https://revistas.ulima.edu.pe/index.php/Interfases/article/view/5957/6056Derechos de autor 2022 Interfaseshttps://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:revistas.ulima.edu.pe:article/59572023-07-24T13:33:28Z |
| dc.title.none.fl_str_mv |
A review of system implementations for diabetes trend identification Una revisión de las implementaciones de sistemas para la identificación de tendencias de la diabetes |
| title |
A review of system implementations for diabetes trend identification |
| spellingShingle |
A review of system implementations for diabetes trend identification Benites Loja, Rocio Isabel diabetes mellitus trend identification preventive software construction methods logistic regression artificial neural networks diabetes mellitus identificación de tendencias software preventivo métodos de construcción regresión logística redes neuronales artificiales |
| title_short |
A review of system implementations for diabetes trend identification |
| title_full |
A review of system implementations for diabetes trend identification |
| title_fullStr |
A review of system implementations for diabetes trend identification |
| title_full_unstemmed |
A review of system implementations for diabetes trend identification |
| title_sort |
A review of system implementations for diabetes trend identification |
| dc.creator.none.fl_str_mv |
Benites Loja, Rocio Isabel Coral Ygnacio, Marco Antonio |
| author |
Benites Loja, Rocio Isabel |
| author_facet |
Benites Loja, Rocio Isabel Coral Ygnacio, Marco Antonio |
| author_role |
author |
| author2 |
Coral Ygnacio, Marco Antonio |
| author2_role |
author |
| dc.subject.none.fl_str_mv |
diabetes mellitus trend identification preventive software construction methods logistic regression artificial neural networks diabetes mellitus identificación de tendencias software preventivo métodos de construcción regresión logística redes neuronales artificiales |
| topic |
diabetes mellitus trend identification preventive software construction methods logistic regression artificial neural networks diabetes mellitus identificación de tendencias software preventivo métodos de construcción regresión logística redes neuronales artificiales |
| description |
Diabetes mellitus is a chronic disease that appears when the pancreas does not secrete enough insulin or the body does not properly use the insulin it produces. Insulin is a hormone that regulates glucose concentration in the blood: one of the most common effects of uncontrolled diabetes is hyperglycemia, which seriously damages many organs and body systems over time. In this sense, the development of predictive software, the diagnosis, and subsequent treatment of diabetes, especially of type 1 and 2, which are the most frequent, deserve attention. This paper presents a systematic review of the literature to determine the methods and problems in constructing diabetes-oriented trend identification systems. The results show 16 construction methods used in these systems, the most efficient being logistic regression and artificial neural networks. |
| publishDate |
2022 |
| dc.date.none.fl_str_mv |
2022-12-23 |
| 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://revistas.ulima.edu.pe/index.php/Interfases/article/view/5957 10.26439/interfases2022.n016.5957 |
| url |
https://revistas.ulima.edu.pe/index.php/Interfases/article/view/5957 |
| identifier_str_mv |
10.26439/interfases2022.n016.5957 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
https://revistas.ulima.edu.pe/index.php/Interfases/article/view/5957/6047 https://revistas.ulima.edu.pe/index.php/Interfases/article/view/5957/6056 |
| dc.rights.none.fl_str_mv |
Derechos de autor 2022 Interfases https://creativecommons.org/licenses/by/4.0 info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Derechos de autor 2022 Interfases https://creativecommons.org/licenses/by/4.0 |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf text/html |
| dc.publisher.none.fl_str_mv |
Universidad de Lima |
| publisher.none.fl_str_mv |
Universidad de Lima |
| dc.source.none.fl_str_mv |
Interfases; No. 016 (2022); 231-251 Interfases; Núm. 016 (2022); 231-251 Interfases; n. 016 (2022); 231-251 1993-4912 10.26439/interfases2022.n016 reponame:Revistas - Universidad de Lima instname:Universidad de Lima instacron:ULIMA |
| instname_str |
Universidad de Lima |
| instacron_str |
ULIMA |
| institution |
ULIMA |
| reponame_str |
Revistas - Universidad de Lima |
| collection |
Revistas - Universidad de Lima |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1844893192169717760 |
| score |
13.088951 |
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).
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).
