Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo
Descripción del Articulo
Según el informe epidemiológico nacional de marzo del 2021, la Región Junín ocupa los primeros lugares en mortalidad perinatal con un 4,61 % (47 decesos). El hospital Regional Docente Materno Infantil El Carmen tiene un total de 21 decesos al mes de marzo y un total de 49 muertes perinatales al mes...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Fecha de Publicación: | 2021 |
| Institución: | Universidad Nacional del Centro del Perú |
| Repositorio: | UNCP - Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.uncp.edu.pe:20.500.12894/8276 |
| Enlace del recurso: | http://hdl.handle.net/20.500.12894/8276 |
| Nivel de acceso: | acceso abierto |
| Materia: | Mortalidad perinatal Sistema Informático Perinatal Aprendizaje automático Servicio web https://purl.org/pe-repo/ocde/ford#2.02.04 |
| id |
UNCP_48b54206aa4ad477237e55c40f9b41a8 |
|---|---|
| oai_identifier_str |
oai:repositorio.uncp.edu.pe:20.500.12894/8276 |
| network_acronym_str |
UNCP |
| network_name_str |
UNCP - Institucional |
| repository_id_str |
4457 |
| dc.title.es_PE.fl_str_mv |
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo |
| title |
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo |
| spellingShingle |
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo Cerrón Pérez, José Luis Mortalidad perinatal Sistema Informático Perinatal Aprendizaje automático Servicio web https://purl.org/pe-repo/ocde/ford#2.02.04 |
| title_short |
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo |
| title_full |
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo |
| title_fullStr |
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo |
| title_full_unstemmed |
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo |
| title_sort |
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo |
| author |
Cerrón Pérez, José Luis |
| author_facet |
Cerrón Pérez, José Luis |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Ulloa NInahuaman, Jesús |
| dc.contributor.author.fl_str_mv |
Cerrón Pérez, José Luis |
| dc.subject.es_PE.fl_str_mv |
Mortalidad perinatal Sistema Informático Perinatal Aprendizaje automático Servicio web |
| topic |
Mortalidad perinatal Sistema Informático Perinatal Aprendizaje automático Servicio web https://purl.org/pe-repo/ocde/ford#2.02.04 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.04 |
| description |
Según el informe epidemiológico nacional de marzo del 2021, la Región Junín ocupa los primeros lugares en mortalidad perinatal con un 4,61 % (47 decesos). El hospital Regional Docente Materno Infantil El Carmen tiene un total de 21 decesos al mes de marzo y un total de 49 muertes perinatales al mes de julio, siendo éste un indicador preocupante por el aumento en comparación a periodos anteriores. La presente investigación tiene como objetivo determinar un modelo prospectivo de aprendizaje automático que permita detectar cuales son los factores obstétricos inmediatos, subyacentes y básicos que influyen en una muerte perinatal, así mismo, diseñar un modelo para predecir el riesgo de muerte. Con este propósito, se ha realizado una investigación descriptiva, usando un diseño transeccional correlacional-causal; adicionalmente se emplearon técnicas de análisis e inducción en el procesamiento de datos con Machine Learning, implementando un sistema con estructura de servicio web y extensión a uso de hojas de cálculo para determinar la probabilidad de ocurrencia de una complicación fatal. En los resultados se tiene que el modelo de regresión por red neuronal es el más confiable por su capacidad de predicción con error mínimo a partir de los factores obstétricos. También resulta que dichos factores en sus tres dimensiones son fundamentales para el diagnóstico de mortalidad. Finalmente, se propone la implementación del modelo prospectivo generado como apoyo del personal médico para una predicción más acertada y una mejora en la sistematización de la base de datos del Hospital Regional Docente Materno Infantil El Carmen. |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2022-11-15T15:37:59Z |
| dc.date.available.none.fl_str_mv |
2022-11-15T15:37:59Z |
| dc.date.issued.fl_str_mv |
2021 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| format |
doctoralThesis |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12894/8276 |
| url |
http://hdl.handle.net/20.500.12894/8276 |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.es_PE.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad Nacional del Centro del Perú |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.none.fl_str_mv |
reponame:UNCP - Institucional instname:Universidad Nacional del Centro del Perú instacron:UNCP |
| instname_str |
Universidad Nacional del Centro del Perú |
| instacron_str |
UNCP |
| institution |
UNCP |
| reponame_str |
UNCP - Institucional |
| collection |
UNCP - Institucional |
| bitstream.url.fl_str_mv |
http://repositorio.uncp.edu.pe/bitstream/20.500.12894/8276/1/T010_20054016_D.pdf http://repositorio.uncp.edu.pe/bitstream/20.500.12894/8276/2/license.txt http://repositorio.uncp.edu.pe/bitstream/20.500.12894/8276/3/T010_20054016_D.pdf.jpg |
| bitstream.checksum.fl_str_mv |
3571fcad4e52dac5387d97a4f742381f c52066b9c50a8f86be96c82978636682 8b113936c4ed5e05f6e336209a37a4dd |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
DSpace |
| repository.mail.fl_str_mv |
repositorio@uncp.edu.pe |
| _version_ |
1846794633728753664 |
| spelling |
Ulloa NInahuaman, JesúsCerrón Pérez, José Luis2022-11-15T15:37:59Z2022-11-15T15:37:59Z2021http://hdl.handle.net/20.500.12894/8276Según el informe epidemiológico nacional de marzo del 2021, la Región Junín ocupa los primeros lugares en mortalidad perinatal con un 4,61 % (47 decesos). El hospital Regional Docente Materno Infantil El Carmen tiene un total de 21 decesos al mes de marzo y un total de 49 muertes perinatales al mes de julio, siendo éste un indicador preocupante por el aumento en comparación a periodos anteriores. La presente investigación tiene como objetivo determinar un modelo prospectivo de aprendizaje automático que permita detectar cuales son los factores obstétricos inmediatos, subyacentes y básicos que influyen en una muerte perinatal, así mismo, diseñar un modelo para predecir el riesgo de muerte. Con este propósito, se ha realizado una investigación descriptiva, usando un diseño transeccional correlacional-causal; adicionalmente se emplearon técnicas de análisis e inducción en el procesamiento de datos con Machine Learning, implementando un sistema con estructura de servicio web y extensión a uso de hojas de cálculo para determinar la probabilidad de ocurrencia de una complicación fatal. En los resultados se tiene que el modelo de regresión por red neuronal es el más confiable por su capacidad de predicción con error mínimo a partir de los factores obstétricos. También resulta que dichos factores en sus tres dimensiones son fundamentales para el diagnóstico de mortalidad. Finalmente, se propone la implementación del modelo prospectivo generado como apoyo del personal médico para una predicción más acertada y una mejora en la sistematización de la base de datos del Hospital Regional Docente Materno Infantil El Carmen.application/pdfspaUniversidad Nacional del Centro del PerúPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Mortalidad perinatalSistema Informático PerinatalAprendizaje automáticoServicio webhttps://purl.org/pe-repo/ocde/ford#2.02.04Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayoinfo:eu-repo/semantics/doctoralThesisreponame:UNCP - Institucionalinstname:Universidad Nacional del Centro del Perúinstacron:UNCP SUNEDUDoctorado en ingeniería de sistemasUniversidad Nacional del Centro del Perú.Facultad de Ingeniería de SistemasDoctor en ingeniería de sistemashttps://orcid.org/0000-0002-0086-597421061159612076Peña Rojas, Anieval CiriloMaquera Quispe, Henry GeorgeHuaman Samaniego, HectorUlloa Ninahuaman, JesusMercado Rivas, Richard Yurihttp://purl.org/pe-repo/renati/type#tesishttp://purl.org/pe-repo/renati/level#doctor20054016ORIGINALT010_20054016_D.pdfT010_20054016_D.pdfapplication/pdf2075862http://repositorio.uncp.edu.pe/bitstream/20.500.12894/8276/1/T010_20054016_D.pdf3571fcad4e52dac5387d97a4f742381fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81327http://repositorio.uncp.edu.pe/bitstream/20.500.12894/8276/2/license.txtc52066b9c50a8f86be96c82978636682MD52THUMBNAILT010_20054016_D.pdf.jpgT010_20054016_D.pdf.jpgIM Thumbnailimage/jpeg7300http://repositorio.uncp.edu.pe/bitstream/20.500.12894/8276/3/T010_20054016_D.pdf.jpg8b113936c4ed5e05f6e336209a37a4ddMD5320.500.12894/8276oai:repositorio.uncp.edu.pe:20.500.12894/82762022-11-16 03:01:01.693DSpacerepositorio@uncp.edu.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 |
| score |
12.646191 |
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).