• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería de Sistemas
    • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/10149
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorMéndez Flórez, Juan Camilo.-
    dc.date.accessioned2025-09-29T14:47:13Z-
    dc.date.available2021-
    dc.date.available2025-09-29T14:47:13Z-
    dc.date.issued2021-
    dc.identifier.citationMéndez Flórez, J. C. (2021) Implementación de la metodología kdd para el análisis descriptivo y predictivo sobre enfermedades crónicas (hipertensión arterial y diabetes mellitus) presentes en pacientes de la ese hospital san juan de dios de Pamplona [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona.http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/10149es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/10149-
    dc.descriptionEste proyecto está basado en la implementación de la metodología KDD cuyo principal objetivo es encontrar conocimiento en un conjunto de datos no procesados. Por medio de este procedimiento KDD se busca identificar patrones válidos, novedosos, potencialmente útiles y principalmente entendibles, seleccionando, limpiando, transformando y aplicando técnicas de data Mining a los datos suministrados de enfermedades crónicas (hipertensión arterial y la diabetes mellitus) desde el año 2018 al 2020 de pacientes de la ESE Hospital San Juan de Dios de Pamplona, para un análisis descriptivo y predictivo. Descriptivo permitiendo visualizar el comportamiento de los datos de pacientes a estudiar y un análisis predictivo para hallar información útil y con ella la toma de decisiones pertinentes, siguiendo y cumpliendo las diferentes etapas en el proceso general de esta metodologíaes_CO
    dc.description.abstractEl autor no proporciona la información sobre este ítem.es_CO
    dc.format.extent85es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona - Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectKCD.es_CO
    dc.subjectMineria de datos.es_CO
    dc.subjectAnalisis descriptivo.es_CO
    dc.subjectAnalisis predictivo.es_CO
    dc.subjectEnfermedades cronicas.es_CO
    dc.titleImplementación de la metodología kdd para el análisis descriptivo y predictivo sobre enfermedades crónicas (hipertensión arterial y diabetes mellitus) presentes en pacientes de la ese hospital san juan de dios de Pamplonaes_CO
    dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
    dc.date.accepted2021-
    dc.relation.referencesAguilar, J. S. (2017). Minería de datos para el descubrimiento de patrones en enfermedades respiratorias en Bogotá, Colombia. Trabajo de Grado. Universidad Católica de Colombia. . Bogotá, Colombia: Facultad de Ingeniería. Programa de Ingeniería de Sistemases_CO
    dc.relation.referencesAvendaño, A. A. (2016). Tecnicas de minetia de datos para prediccion del diagnostico de hipertension arterial. Chiclayo, Perú: Universidad Señor de Sipán.es_CO
    dc.relation.referencesBarrientos Martínez, R. E., Cruz Ramírez, N., Acosta Mesa, H. G., Rabatte Suárez, I., Gogeascoechea Trejo, M. d., & Blázquez Morales, S. (2019). Árboles de decisión como herramienta en el diagnóstico médico. Universidad Veracruzana.es_CO
    dc.relation.referencesBetancourt, D. F. (Marzo de 2016). Medición del error en pronósticos de demanda. Obtenido de https://www.ingenioempresa.com/medicion-error-pronosticoes_CO
    dc.relation.referencesBetancurt, G. A. (s.f.). LAS MÁQUINAS DE SOPORTE VECTORIAL. Scientia Et Technica. Obtenido de https://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895es_CO
    dc.relation.referencesDiabetes, F. M. (2016). ¿Que es la diabetes?es_CO
    dc.relation.referencesEspinoza, E. N. (2016). Clasificación del estado nutricional basada en perfiles antropométricos del personal silvoagropecuario femenino de un sector del centro-sur de Chile.es_CO
    dc.relation.referencesFayyad, U., Piatetsky-Shapiro, G., & Padhra. (s.f.). Advances in Knowledge Discovery and Data Mining.es_CO
    dc.relation.referencesGarcía Cambronero, C., & Gómez Moreno, I. (s.f.). ALGORITMOS DE APRENDIZAJE: KNN&KMEANS. Madrid, España: Universidad Carlos III.es_CO
    dc.relation.referencesGuillén, S. I. (5 de Julio de 2019). Enfermedades crónicas no transmisibles como amenaza. Pamplona, España.es_CO
    dc.relation.referencesHam, K. (2013). OpenRefine (version 2.5).Free, open-source tool for cleaning and transforming data. JMLA.es_CO
    dc.relation.referencesHuizen, J. (2019). ¿Cuáles son los niveles ideales de azúcar en la sangre?es_CO
    dc.relation.referencesIbáñez, A. S. (2016). Prevención y progresión de la nefropatía diabética I: epidemiología, patogenia, diagnóstico.es_CO
    dc.relation.referencesInstituto de ingenieria del conocimiento. (s.f.). Obtenido de https://www.iic.uam.es/big-data/es_CO
    dc.relation.referencesJosé C. Riquelme, R. R. (2016). Minería de Datos: Conceptos y Tendencias . Valencia, España.es_CO
    dc.relation.referencesL., M. G. (2016). Valores Normales de Colesterol y Triglicéridos.es_CO
    dc.relation.referencesLanda, J. (19 de Febrero de 2016). http://fcojlanda.me/. Obtenido de http://fcojlanda.me/es/ciencia-de-los-datos/kdd-y-mineria-de-datos-espanol/es_CO
    dc.relation.referencesLarrañaga, P., Inza, I., & Moujahid, A. (s.f.). Redes Neuronales. España: Universidad del País Vasco.es_CO
    dc.relation.referencesLiendo, M. G. (2018). Tasa de Filtración Glomerular (TFG renal).es_CO
    dc.relation.referencesLópez, C. P. (s.f.). Minería de datos. Técnicas y herramientas. Thomson.es_CO
    dc.relation.referencesLópez, J. F. (Octubre de 2017). Coeficiente de determinación (R cuadrado). Economipedia.com.es_CO
    dc.relation.referencesLozano, A. P. (2017). Cómo introducirse en el universo Big Data | UNIR open class. Madrid, Españaes_CO
    dc.relation.referencesMarcelo E. Andía, C. A. (2019). A conceptual guide to use and understand Big Data in clinical research.es_CO
    dc.relation.referencesMARLON BORJA PUERTA, V. C. (2017). • Minería de datos de salud: estudio de los factores personales, familiares y vivienda que influyen en las enfermedades de diabetes e hipertensión a partir de la encuesta de atención primaria en salud del area metropolitanaes_CO
    dc.relation.referencesMartínez, C. G. (Febrero de 2020). REGLAS DE ASOCIACIÓN. Obtenido de https://rpubs.com/Cristina_Gil/Reglas_Asociaciones_CO
    dc.relation.referencesMercado Polo, D., Pedraza Caballero, L., & Martínez Gómez, E. (2015). Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo (Master en Sistemas informaticos). Barranquilla, Colombia: Universidad de la Costa.es_CO
    dc.relation.referencesMicrosoft. (08 de 05 de 2018). Algoritmo de regresión lineal de Microsoft. Obtenido de https://docs.microsoft.com/es-es/analysis-services/data-mining/microsoft-linear-regression-algorithm?view=asallproducts-allversionses_CO
    dc.relation.referencesMierswa, I., Wurst, M., Klinkenberg, R., Scholz, M., & Euler, T. (2006). YALE: Rapid Prototyping for Complex Data Mining Tasks. Dortmund.es_CO
    dc.relation.referencesMinisterio de Salud, C. (2017). Dia Mundial de la Hipertension Arterial.es_CO
    dc.relation.referencesOpenRefine. (s.f.). OpenRefine. Obtenido de https://openrefine.org/es_CO
    dc.relation.referencesOrganización Mundial de la Salud. (13 de Septiembre de 2019). Obtenido de https://www.who.int/es/news-room/fact-sheets/detail/hypertensiones_CO
    dc.relation.referencesPython. (s.f.). Python. Obtenido de https://www.python.org/doc/essays/blurb/es_CO
    dc.relation.referencesRodrigo, J. A. (2016). Correlación lineal y Regresión lineal simple. Obtenido de https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_lineales_CO
    dc.relation.referencesRodrigo, J. A. (Junio de 2018). Reglas de asociación y algoritmo Apriori con R. Obtenido de https://www.cienciadedatos.net/documentos/43_reglas_de_asociaciones_CO
    dc.relation.referencesRodríguez Rodríguez, J. E., Rojas Blanco, E. A., & Franco Camacho, R. O. (s.f.). Clasificación de datos usando el método k-nn. Revista Universidad Distrital.es_CO
    dc.relation.referencesRueda, G. G. (2020). Minado de reglas de asociación aplicado al análisis de riesgo sísmico(Tesis de Grado). Toluca, México.es_CO
    dc.relation.referencesSalazar GA, G. H. (s.f.). Evaluación de los Niveles de Creatinina Sérica en Pacientes del Hospital de San José de Bogotá. Bogotá, Colombia.es_CO
    dc.relation.referencesSalud, O. M. (8 de Junio de 2020). https://www.who.int. Obtenido de https://www.who.int/es/news-room/fact-sheets/detail/diabetes#:~:text=Se%20estima%20que%20en%202016,los%2070%20a%C3%B1os%20de%20edad.es_CO
    dc.relation.referencesSampedro, S. A. (2013). El colesterol y los triglicéridos.es_CO
    dc.relation.referencesSterckx, S. D. (2018). Presuming the promotion of the common good by large-scale health research: the cases of care. data 2.0 and the 100,000 Genomes Project in the UK. In Personalised medicine, individual choice and the common good. Cambridge University Press.es_CO
    dc.relation.referencesSuárez, R. (21 de Agosto de 2018). El 'big data' en salud: presente y futuro de la atención.es_CO
    dc.relation.referencesUniversia. (Diciembre de 2020). Para qué sirve Python: qué es y usos. Obtenido de https://www.universia.net/es/actualidad/orientacion-academica/para-que-sirve-phyton-que-es-y-usos-1154393.htmles_CO
    dc.relation.referencesVivas, M. (19 de Mayo de 2020). https://consultorsalud.com. Obtenido de https://consultorsalud.com/panorama-de-la-hipertension-arterial-en-colombia/es_CO
    dc.relation.referencesViviana Cañón, A. C. (1 de Noviembre de 2017). datapopalliance. Obtenido de http://datapopalliance.org/wp-content/uploads/2018/09/Documento1_VersionFinal_DNP.pdfes_CO
    dc.relation.referencesZambrano, J. (2018). ¿Aprendizaje supervisado o no supervisado? Conoce sus diferencias dentro del machine learning y la automatización inteligente.es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Ingeniería de Sistemas

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Méndez_2021_TG.pdfMéndez_2021_TG1,45 MBAdobe PDFVisualizar/Abrir
    Mostrar el registro sencillo del ítem


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.