Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú
Descripción del Articulo
El dengue es una amenaza creciente en Perú, mostrando un patrón de incidencia en aumento. Este trabajo de investigación busca desarrollar modelos avanzados de Machine Learning que puedan predecir el número de casos de dengue en distintas ubicaciones. Se adoptó un enfoque cuantitativo, empleando dive...
| Autor: | |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2025 |
| Institución: | Universidad de Ingeniería y tecnología |
| Repositorio: | UTEC-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.utec.edu.pe:20.500.12815/441 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12815/441 |
| Nivel de acceso: | acceso abierto |
| Materia: | Dengue Machine Learning Prediction Aedes aegypti Peru Mosquitoes https://purl.org/pe-repo/ocde/ford#1.06.02 |
| id |
UTEC_9199b4ebf3bff478175564eaeb548d31 |
|---|---|
| oai_identifier_str |
oai:repositorio.utec.edu.pe:20.500.12815/441 |
| network_acronym_str |
UTEC |
| network_name_str |
UTEC-Institucional |
| repository_id_str |
4822 |
| dc.title.es_PE.fl_str_mv |
Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú |
| dc.title.alternative.es_PE.fl_str_mv |
Development and evaluation of machine learning models for the prediction of dengue cases in Peru |
| title |
Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú |
| spellingShingle |
Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú Chu Peramás, Sebastian Alejandro Dengue Machine Learning Prediction Aedes aegypti Peru Mosquitoes https://purl.org/pe-repo/ocde/ford#1.06.02 |
| title_short |
Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú |
| title_full |
Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú |
| title_fullStr |
Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú |
| title_full_unstemmed |
Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú |
| title_sort |
Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú |
| author |
Chu Peramás, Sebastian Alejandro |
| author_facet |
Chu Peramás, Sebastian Alejandro |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Crisóstomo Romero, Pedro Moisés Saavedra Espinoza, Harry Gustavo |
| dc.contributor.author.fl_str_mv |
Chu Peramás, Sebastian Alejandro |
| dc.subject.es_PE.fl_str_mv |
Dengue Machine Learning Prediction Aedes aegypti Peru Mosquitoes |
| topic |
Dengue Machine Learning Prediction Aedes aegypti Peru Mosquitoes https://purl.org/pe-repo/ocde/ford#1.06.02 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#1.06.02 |
| description |
El dengue es una amenaza creciente en Perú, mostrando un patrón de incidencia en aumento. Este trabajo de investigación busca desarrollar modelos avanzados de Machine Learning que puedan predecir el número de casos de dengue en distintas ubicaciones. Se adoptó un enfoque cuantitativo, empleando diversos modelos de Machine Learning. Los modelos se alimentaron con datos históricos obtenidos de bases nacionales. El estudio evalúa la eficacia de estos modelos para predecir el número de casos del virus para localizar zonas de alto riesgo. Los modelos de Machine Learning, incluyendo Random Forest y Support Vector Machine demuestran una mejora significativa en la precisión de las predicciones del número de casos de dengue comparados con los métodos estadísticos tradicionales. Además, la integración de datos históricos diversos en los modelos proporciona predicciones más detalladas y adaptadas a las especificidades regionales de Perú. Los resultados indican que el uso de modelos de Machine Learning integrando variables climáticas y epidemiológicas es prometedor para mejorar la predicción del número de casos de dengue en Perú. Estos hallazgos sugieren que la implementación de tales modelos podría optimizar la distribución de recursos y fortalecer las estrategias de prevención y respuesta. Se recomienda una mayor investigación para validar y expandir estos modelos en la práctica de salud pública. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-06-23T19:13:14Z |
| dc.date.available.none.fl_str_mv |
2025-06-23T19:13:14Z |
| dc.date.issued.fl_str_mv |
2025 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
bachelorThesis |
| dc.identifier.citation.es_PE.fl_str_mv |
Chu Peramás, S.A. (2025). Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú. [Tesis de Título Profesional, Universidad de Ingeniería y Tecnología]. Repositorio Institucional UTEC. https://hdl.handle.net/20.500.12815/441 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12815/441 |
| identifier_str_mv |
Chu Peramás, S.A. (2025). Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú. [Tesis de Título Profesional, Universidad de Ingeniería y Tecnología]. Repositorio Institucional UTEC. https://hdl.handle.net/20.500.12815/441 |
| url |
https://hdl.handle.net/20.500.12815/441 |
| 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.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad de Ingeniería y Tecnología |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.es_PE.fl_str_mv |
Repositorio Institucional UTEC Universidad de Ingeniería y Tecnología - UTEC |
| dc.source.none.fl_str_mv |
reponame:UTEC-Institucional instname:Universidad de Ingeniería y tecnología instacron:UTEC |
| instname_str |
Universidad de Ingeniería y tecnología |
| instacron_str |
UTEC |
| institution |
UTEC |
| reponame_str |
UTEC-Institucional |
| collection |
UTEC-Institucional |
| bitstream.url.fl_str_mv |
http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/9/Chu%20Peram%c3%a1s_Tesis.pdf http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/6/Chu%20Param%c3%a1s_Acta%20sustentacion.pdf http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/7/Chu%20Peram%c3%a1s_Autorizacion.pdf http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/8/Chu%20Param%c3%a1s_Reporte%20similitud.pdf http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/5/license.txt http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/10/Chu%20Peram%c3%a1s_Tesis.pdf.txt http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/12/Chu%20Param%c3%a1s_Acta%20sustentacion.pdf.txt http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/14/Chu%20Peram%c3%a1s_Autorizacion.pdf.txt http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/16/Chu%20Param%c3%a1s_Reporte%20similitud.pdf.txt http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/11/Chu%20Peram%c3%a1s_Tesis.pdf.jpg http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/13/Chu%20Param%c3%a1s_Acta%20sustentacion.pdf.jpg http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/15/Chu%20Peram%c3%a1s_Autorizacion.pdf.jpg http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/17/Chu%20Param%c3%a1s_Reporte%20similitud.pdf.jpg |
| bitstream.checksum.fl_str_mv |
e79f5217b1eac74838a0b8e917dd8992 a606b416407339429fa5a4c404ecda73 87a15f707103cf5f27dc994912a64221 aa47648c916198dde6102e2129682636 8a4605be74aa9ea9d79846c1fba20a33 e6204f3502161ade8a905602da4ab3b1 008c8f4b708c025aa0797b82ee6ef7de 2228e977ebea8966e27929f43e39cb67 4616172f090032d193b30cef2316c8b0 637ee37589cab03076943bf4f59d36d0 8093e1d787900bd748f7997b0509269b 701c1d72e9e515c1759e4b895b279d91 6d40e3887deddbcbe303d12abef4bf49 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UTEC |
| repository.mail.fl_str_mv |
repositorio@utec.edu.pe |
| _version_ |
1848239807878135808 |
| spelling |
Crisóstomo Romero, Pedro MoisésSaavedra Espinoza, Harry GustavoChu Peramás, Sebastian Alejandro2025-06-23T19:13:14Z2025-06-23T19:13:14Z2025Chu Peramás, S.A. (2025). Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en Perú. [Tesis de Título Profesional, Universidad de Ingeniería y Tecnología]. Repositorio Institucional UTEC. https://hdl.handle.net/20.500.12815/441https://hdl.handle.net/20.500.12815/441El dengue es una amenaza creciente en Perú, mostrando un patrón de incidencia en aumento. Este trabajo de investigación busca desarrollar modelos avanzados de Machine Learning que puedan predecir el número de casos de dengue en distintas ubicaciones. Se adoptó un enfoque cuantitativo, empleando diversos modelos de Machine Learning. Los modelos se alimentaron con datos históricos obtenidos de bases nacionales. El estudio evalúa la eficacia de estos modelos para predecir el número de casos del virus para localizar zonas de alto riesgo. Los modelos de Machine Learning, incluyendo Random Forest y Support Vector Machine demuestran una mejora significativa en la precisión de las predicciones del número de casos de dengue comparados con los métodos estadísticos tradicionales. Además, la integración de datos históricos diversos en los modelos proporciona predicciones más detalladas y adaptadas a las especificidades regionales de Perú. Los resultados indican que el uso de modelos de Machine Learning integrando variables climáticas y epidemiológicas es prometedor para mejorar la predicción del número de casos de dengue en Perú. Estos hallazgos sugieren que la implementación de tales modelos podría optimizar la distribución de recursos y fortalecer las estrategias de prevención y respuesta. Se recomienda una mayor investigación para validar y expandir estos modelos en la práctica de salud pública.Dengue is a growing threat in Peru, showing an increasing incidence pattern. This research work seeks to develop advanced Machine Learning models that can predict the number of dengue cases in different locations. A quantitative approach was adopted, employing several Machine Learning models. The models were fed with historical data obtained from national databases. The study evaluates the effectiveness of these models in predicting the number of cases of the virus to locate high-risk areas. Machine Learning models, including Random Forest and Support Vector Machine demonstrate a significant improvement in the accuracy of predictions of the number of dengue cases compared to traditional statistical methods. In addition, the integration of diverse historical data into the models provides more detailed predictions tailored to the regional specificities of Peru. The results indicate that the use of Machine Learning models integrating climatic and epidemiological variables holds promise for improving the prediction of the number of dengue cases in Peru. These findings suggest that the implementation of such models could optimize resource allocation and strengthen prevention and response strategies. Further research is recommended to validate and expand these models in public health practice.Tesisapplication/pdfspaUniversidad de Ingeniería y TecnologíaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Repositorio Institucional UTECUniversidad de Ingeniería y Tecnología - UTECreponame:UTEC-Institucionalinstname:Universidad de Ingeniería y tecnologíainstacron:UTECDengueMachine LearningPredictionAedes aegyptiPeruMosquitoeshttps://purl.org/pe-repo/ocde/ford#1.06.02Desarrollo y evaluación de modelos de machine learning para la predicción del número de casos de dengue en PerúDevelopment and evaluation of machine learning models for the prediction of dengue cases in Peruinfo:eu-repo/semantics/bachelorThesisSUNEDUBioingenieríaUniversidad de Ingeniería y Tecnología. BioingenieríaTítulo ProfesionalBioingeniero1013150215300662https://orcid.org/0000-0002-8810-9005https://orcid.org/0000-0002-8896-502073268050https://orcid.org/0000-0002-4918-3034511016Lezama Calvo, JinmiiQuispe Gutiérrez, Antonio MartySoriano-Vargas, Aureahttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALChu Peramás_Tesis.pdfChu Peramás_Tesis.pdfapplication/pdf3118225http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/9/Chu%20Peram%c3%a1s_Tesis.pdfe79f5217b1eac74838a0b8e917dd8992MD59open accessChu Paramás_Acta sustentacion.pdfChu Paramás_Acta sustentacion.pdfapplication/pdf395972http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/6/Chu%20Param%c3%a1s_Acta%20sustentacion.pdfa606b416407339429fa5a4c404ecda73MD56embargoed access|||2050-12-31Chu Peramás_Autorizacion.pdfChu Peramás_Autorizacion.pdfapplication/pdf327100http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/7/Chu%20Peram%c3%a1s_Autorizacion.pdf87a15f707103cf5f27dc994912a64221MD57embargoed access|||2050-12-31Chu Paramás_Reporte similitud.pdfChu Paramás_Reporte similitud.pdfapplication/pdf2576765http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/8/Chu%20Param%c3%a1s_Reporte%20similitud.pdfaa47648c916198dde6102e2129682636MD58embargoed access|||2050-12-31LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55open accessTEXTChu Peramás_Tesis.pdf.txtChu Peramás_Tesis.pdf.txtExtracted texttext/plain144850http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/10/Chu%20Peram%c3%a1s_Tesis.pdf.txte6204f3502161ade8a905602da4ab3b1MD510open accessChu Paramás_Acta sustentacion.pdf.txtChu Paramás_Acta sustentacion.pdf.txtExtracted texttext/plain1011http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/12/Chu%20Param%c3%a1s_Acta%20sustentacion.pdf.txt008c8f4b708c025aa0797b82ee6ef7deMD512embargoed access|||2050-12-31Chu Peramás_Autorizacion.pdf.txtChu Peramás_Autorizacion.pdf.txtExtracted texttext/plain3http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/14/Chu%20Peram%c3%a1s_Autorizacion.pdf.txt2228e977ebea8966e27929f43e39cb67MD514embargoed access|||2050-12-31Chu Paramás_Reporte similitud.pdf.txtChu Paramás_Reporte similitud.pdf.txtExtracted texttext/plain162699http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/16/Chu%20Param%c3%a1s_Reporte%20similitud.pdf.txt4616172f090032d193b30cef2316c8b0MD516embargoed access|||2050-12-31THUMBNAILChu Peramás_Tesis.pdf.jpgChu Peramás_Tesis.pdf.jpgGenerated Thumbnailimage/jpeg8493http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/11/Chu%20Peram%c3%a1s_Tesis.pdf.jpg637ee37589cab03076943bf4f59d36d0MD511open accessChu Paramás_Acta sustentacion.pdf.jpgChu Paramás_Acta sustentacion.pdf.jpgGenerated Thumbnailimage/jpeg8456http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/13/Chu%20Param%c3%a1s_Acta%20sustentacion.pdf.jpg8093e1d787900bd748f7997b0509269bMD513embargoed access|||2050-12-31Chu Peramás_Autorizacion.pdf.jpgChu Peramás_Autorizacion.pdf.jpgGenerated Thumbnailimage/jpeg8444http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/15/Chu%20Peram%c3%a1s_Autorizacion.pdf.jpg701c1d72e9e515c1759e4b895b279d91MD515embargoed access|||2050-12-31Chu Paramás_Reporte similitud.pdf.jpgChu Paramás_Reporte similitud.pdf.jpgGenerated Thumbnailimage/jpeg5409http://repositorio.utec.edu.pe/bitstream/20.500.12815/441/17/Chu%20Param%c3%a1s_Reporte%20similitud.pdf.jpg6d40e3887deddbcbe303d12abef4bf49MD517embargoed access|||2050-12-3120.500.12815/441oai:repositorio.utec.edu.pe:20.500.12815/4412025-10-30 18:17:54.282open accessRepositorio Institucional UTECrepositorio@utec.edu.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 |
| score |
13.922664 |
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).
