Modelo de clasificación basado en minería de datos para la identificación de factores que influyen en las infecciones respiratorias agudas graves de pacientes

• Autor: Quijano Nayhua, Rossmery Jackeline
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/83519
• Enlace del recurso: https://hdl.handle.net/20.500.12692/83519
• Nivel de acceso: acceso abierto
• Materia: Comunicación; Informática; Ingeniería de sistemas; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente tesis permitió, determinar el mejor algoritmo de acuerdo a las técnicas que ofrece la minería de datos para predecir el diagnóstico, a partir de la población de pacientes en un periodo determinado y que hayan sido diagnosticados con algún tipo de infección respiratoria en el Policlinico Cruz Verde. El diseño de la investigación fue“pre-experimental, “la técnica de recolección de datos” fue la observación de las historias clínicas y el instrumento fue la ficha de registro de los datos físicos, los cuales fueron validados por los médicos a cargo del diagnóstico del paciente. La metodología que se empleó para la construcción del modelo de clasificación, fue CRISP-DM y para el análisis de los datos, se usó la herramienta Anaconda, Editor de códigos SPYDER con lenguaje de programación Python. Finalmente, realizando una evaluación de los algoritmos empleados, el árbol de decisión tipo CART y clustering tipo K-MEANS, permitiendo una clasificación correcta de datos con una asertividad de 0.97 y 0.6, en el que permitió llegar a la conclusión que el mejor algoritmo es el árbol de decisión, ya que permite clasificar los datos en falso o verdadero para saber que sentencias se cumplen y de cuanto es su entropía.