Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020

Descripción del Articulo

Las medidas de contención, mitigación y prevención que los gobiernos han aplicado en todo el mundo no parecen ser suficientes para evitar la propagación del Covid-19. El número de infectados y muertos sigue aumentando cada día, lo que pone a prueba la capacidad y la infraestructura de los hospitales...

Descripción completa

Detalles Bibliográficos
Autor: Becerra Suarez, Fray Luis
Formato: tesis de maestría
Fecha de Publicación:2021
Institución:Universidad Privada Antenor Orrego
Repositorio:UPAO-Tesis
Lenguaje:español
OAI Identifier:oai:repositorio.upao.edu.pe:20.500.12759/8166
Enlace del recurso:https://hdl.handle.net/20.500.12759/8166
Nivel de acceso:acceso abierto
Materia:Covid -19
Coronavirus
https://purl.org/pe-repo/ocde/ford#2.02.04
id UPAO_5edc9ab90928954fba8c912f4bf63d5c
oai_identifier_str oai:repositorio.upao.edu.pe:20.500.12759/8166
network_acronym_str UPAO
network_name_str UPAO-Tesis
repository_id_str 3230
dc.title.es_PE.fl_str_mv Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
title Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
spellingShingle Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
Becerra Suarez, Fray Luis
Covid -19
Coronavirus
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
title_full Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
title_fullStr Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
title_full_unstemmed Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
title_sort Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
dc.creator.none.fl_str_mv Becerra Suarez, Fray Luis
author Becerra Suarez, Fray Luis
author_facet Becerra Suarez, Fray Luis
author_role author
dc.contributor.advisor.fl_str_mv Valencia Castillo, Edwin Alberto
dc.contributor.author.fl_str_mv Becerra Suarez, Fray Luis
dc.subject.es_PE.fl_str_mv Covid -19
Coronavirus
topic Covid -19
Coronavirus
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 Las medidas de contención, mitigación y prevención que los gobiernos han aplicado en todo el mundo no parecen ser suficientes para evitar la propagación del Covid-19. El número de infectados y muertos sigue aumentando cada día, lo que pone a prueba la capacidad y la infraestructura de los hospitales y centros médicos. Por ello, es necesario desarrollar nuevos métodos de diagnóstico basados en los síntomas de los pacientes que permitan generar alertas tempranas para un tratamiento adecuado. Este trabajo presenta un nuevo método en desarrollo para el diagnóstico del Covid-19, basado en los síntomas de los pacientes y en el uso de clasificadores difusos. Se fuzzificaron once (11) variables: malestar general, contacto externo, edad, sexo, fiebre, tos, disnea, producción de flema, mialgia, dolor de cabeza y diarrea. Con estas variables seleccionadas, se establecieron 4096 reglas de conocimiento y, finalmente, se utilizó el método del centro de masa para generar los resultados del diagnóstico. El método se probó con una base de datos de registros clínicos de pacientes sintomáticos y asintomáticos de Covid-19. Al probar el modelo propuesto con datos de pacientes sintomáticos, obtuvimos un 100% de precisión y un 100% de especificidad. Los pacientes según sus síntomas se clasifican en dos clases, lo que permite detectar a los pacientes que requieren atención inmediata de los que tienen síntomas más leves.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-10-27T01:02:03Z
dc.date.available.none.fl_str_mv 2021-10-27T01:02:03Z
dc.date.issued.fl_str_mv 2021
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12759/8166
url https://hdl.handle.net/20.500.12759/8166
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.relation.ispartofseries.none.fl_str_mv M_INGE_143
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 Privada Antenor Orrego
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Privada Antenor Orrego
Repositorio Institucional - UPAO
dc.source.none.fl_str_mv reponame:UPAO-Tesis
instname:Universidad Privada Antenor Orrego
instacron:UPAO
instname_str Universidad Privada Antenor Orrego
instacron_str UPAO
institution UPAO
reponame_str UPAO-Tesis
collection UPAO-Tesis
bitstream.url.fl_str_mv https://repositorio.upao.edu.pe/backend/api/core/bitstreams/8daa36ec-16e8-40c9-9bec-f44bf72f2277/content
https://repositorio.upao.edu.pe/backend/api/core/bitstreams/85d03ca2-6491-4bf3-a9a4-23936c4734fc/content
https://repositorio.upao.edu.pe/backend/api/core/bitstreams/32255c95-ecd9-4316-bd97-c00530012229/content
bitstream.checksum.fl_str_mv 0260069e76e0d599e85c6ff59c12ec91
22ba873f1683d89c76c930f82de82eea
0444e2562976e02a984bb012aca90cf1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad Privada Antenor Orrego
repository.mail.fl_str_mv dspace-help@myu.edu
_version_ 1846069123380936704
spelling Valencia Castillo, Edwin AlbertoBecerra Suarez, Fray LuisBecerra Suarez, Fray Luis2021-10-27T01:02:03Z2021-10-27T01:02:03Z2021https://hdl.handle.net/20.500.12759/8166Las medidas de contención, mitigación y prevención que los gobiernos han aplicado en todo el mundo no parecen ser suficientes para evitar la propagación del Covid-19. El número de infectados y muertos sigue aumentando cada día, lo que pone a prueba la capacidad y la infraestructura de los hospitales y centros médicos. Por ello, es necesario desarrollar nuevos métodos de diagnóstico basados en los síntomas de los pacientes que permitan generar alertas tempranas para un tratamiento adecuado. Este trabajo presenta un nuevo método en desarrollo para el diagnóstico del Covid-19, basado en los síntomas de los pacientes y en el uso de clasificadores difusos. Se fuzzificaron once (11) variables: malestar general, contacto externo, edad, sexo, fiebre, tos, disnea, producción de flema, mialgia, dolor de cabeza y diarrea. Con estas variables seleccionadas, se establecieron 4096 reglas de conocimiento y, finalmente, se utilizó el método del centro de masa para generar los resultados del diagnóstico. El método se probó con una base de datos de registros clínicos de pacientes sintomáticos y asintomáticos de Covid-19. Al probar el modelo propuesto con datos de pacientes sintomáticos, obtuvimos un 100% de precisión y un 100% de especificidad. Los pacientes según sus síntomas se clasifican en dos clases, lo que permite detectar a los pacientes que requieren atención inmediata de los que tienen síntomas más leves.The containment, mitigation and prevention measures that governments have implemented worldwide do not appear to be sufficient to prevent the spread of Covid-19. The number of infected and dead continues to increase every day, straining the capacity and infrastructure of hospitals and medical centers. Therefore, there is a need to develop new diagnostic methods based on patients' symptoms to generate early alerts for appropriate treatment. This paper presents a new method under development for the diagnosis of Covid-19, based on patient symptoms and the use of fuzzy classifiers. Eleven (11) variables were fuzzified: general malaise, external contact, age, sex, fever, cough, dyspnea, phlegm production, myalgia, headache and diarrhea. With these selected variables, 4096 knowledge rules were established and, finally, the center of mass method was used to generate the diagnostic results. The method was tested with a database of clinical records of symptomatic and asymptomatic patients from Covid-19. By testing the proposed model with symptomatic patient data, we obtained 100% precisión and 100% specificity. Patients according to their symptoms are classified into two classes, which allows us to detect patients requiring immediate attention from those with milder symptomsTesisapplication/pdfspaUniversidad Privada Antenor OrregoPEM_INGE_143SUNEDUinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Universidad Privada Antenor OrregoRepositorio Institucional - UPAOreponame:UPAO-Tesisinstname:Universidad Privada Antenor Orregoinstacron:UPAOCovid -19Coronavirushttps://purl.org/pe-repo/ocde/ford#2.02.04Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020info:eu-repo/semantics/masterThesisMaestríaUniversidad Privada Antenor Orrego. Escuela de PostgradoMaestro en Ingeniería de Sistemas con Mención en Sistemas de InformaciónMaestría en Ingenieríahttps://orcid.org/ 0000-0002-5898-30762669685874034210https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#maestro612997Urrelo Huiman, Luis VladimirLazo Aguirre, Walter AurelioCalderón Sedano, José AntonioORIGINALREP_FRAY.BECERRA_MODELO.BASADO.EN.CLASIFICADORES.pdfREP_FRAY.BECERRA_MODELO.BASADO.EN.CLASIFICADORES.pdfapplication/pdf1656128https://repositorio.upao.edu.pe/backend/api/core/bitstreams/8daa36ec-16e8-40c9-9bec-f44bf72f2277/content0260069e76e0d599e85c6ff59c12ec91MD51TEXTREP_FRAY.BECERRA_MODELO.BASADO.EN.CLASIFICADORES.pdf.txtREP_FRAY.BECERRA_MODELO.BASADO.EN.CLASIFICADORES.pdf.txtExtracted texttext/plain860683https://repositorio.upao.edu.pe/backend/api/core/bitstreams/85d03ca2-6491-4bf3-a9a4-23936c4734fc/content22ba873f1683d89c76c930f82de82eeaMD52THUMBNAILREP_FRAY.BECERRA_MODELO.BASADO.EN.CLASIFICADORES.pdf.jpgREP_FRAY.BECERRA_MODELO.BASADO.EN.CLASIFICADORES.pdf.jpgGenerated Thumbnailimage/jpeg4529https://repositorio.upao.edu.pe/backend/api/core/bitstreams/32255c95-ecd9-4316-bd97-c00530012229/content0444e2562976e02a984bb012aca90cf1MD5320.500.12759/8166oai:repositorio.upao.edu.pe:20.500.12759/81662023-10-21 03:59:14.524https://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.upao.edu.peRepositorio de la Universidad Privada Antenor Orregodspace-help@myu.edu
score 12.837637
Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020
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).

Ejemplares Similares