Aplicación Web Basado en Minería de Datos usando la Técnica de Naive Bayes para la Predicción de la obesidad en edad infantil en los Hospitales Públicos de Lima

• Autor: Becerra Romero, Nicole Emily
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/20720
• Enlace del recurso: https://hdl.handle.net/20.500.12672/20720
• Nivel de acceso: acceso abierto
• Materia: Obesidad en niños; Aprendizaje automático (Inteligencia artificial); https://purl.org/pe-repo/ocde/ford#2.11.02; https://purl.org/pe-repo/ocde/ford#3.03.04

Implementa un modelo predictivo utilizando la técnica Naive Bayes para predecir la obesidad infantil en los Hospitales Públicos de Lima y desarrollar una aplicación web que nos permita interactuar con el modelo resultante. La obesidad infantil es una enfermedad que causa preocupación a nivel mundial debido a que es considerada la principal causa de enfermedades crónicas como la diabetes y otras afecciones al sistema respiratorio, además de ser el factor de riesgo más relevante para el COVID-19. Es por esto por lo que se han realizado distintos trabajos de investigación con el fin de predecir la obesidad, estos trabajados abordaron el tema usando distintas técnicas de minería de datos. El trabajo de investigación realizado crea un modelo predictivo usando la técnica Naive Bayes bajo la metodología KDD para definir la probabilidad de que un niño va a padecer la enfermedad en algún momento de su vida, esperando obtener una exactitud mayor a 90%. El conjunto de datos utilizado para la implementación del modelo Naive Bayes está compuesta por 770 historias clínicas y contó con 27 variables; esta información es extraída del aplicativo e-Qhali.