Por favor, use este identificador para citar o enlazar este ítem:
https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/10149Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Méndez Flórez, Juan Camilo. | - |
| dc.date.accessioned | 2025-09-29T14:47:13Z | - |
| dc.date.available | 2021 | - |
| dc.date.available | 2025-09-29T14:47:13Z | - |
| dc.date.issued | 2021 | - |
| dc.identifier.citation | Méndez 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/20.500.12744/10149 | es_CO |
| dc.identifier.uri | http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/10149 | - |
| dc.description | Este 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 metodología | es_CO |
| dc.description.abstract | El autor no proporciona la información sobre este ítem. | es_CO |
| dc.format.extent | 85 | es_CO |
| dc.format.mimetype | application/pdf | es_CO |
| dc.language.iso | es | es_CO |
| dc.publisher | Universidad de Pamplona - Facultad de Ingenierías y Arquitectura. | es_CO |
| dc.subject | KCD. | es_CO |
| dc.subject | Mineria de datos. | es_CO |
| dc.subject | Analisis descriptivo. | es_CO |
| dc.subject | Analisis predictivo. | es_CO |
| dc.subject | Enfermedades cronicas. | es_CO |
| dc.title | 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 | es_CO |
| dc.type | http://purl.org/coar/resource_type/c_7a1f | es_CO |
| dc.date.accepted | 2021 | - |
| dc.relation.references | Aguilar, 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 Sistemas | es_CO |
| dc.relation.references | Avendaño, 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.references | Barrientos 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.references | Betancourt, D. F. (Marzo de 2016). Medición del error en pronósticos de demanda. Obtenido de https://www.ingenioempresa.com/medicion-error-pronostico | es_CO |
| dc.relation.references | Betancurt, G. A. (s.f.). LAS MÁQUINAS DE SOPORTE VECTORIAL. Scientia Et Technica. Obtenido de https://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895 | es_CO |
| dc.relation.references | Diabetes, F. M. (2016). ¿Que es la diabetes? | es_CO |
| dc.relation.references | Espinoza, 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.references | Fayyad, U., Piatetsky-Shapiro, G., & Padhra. (s.f.). Advances in Knowledge Discovery and Data Mining. | es_CO |
| dc.relation.references | García Cambronero, C., & Gómez Moreno, I. (s.f.). ALGORITMOS DE APRENDIZAJE: KNN&KMEANS. Madrid, España: Universidad Carlos III. | es_CO |
| dc.relation.references | Guillén, S. I. (5 de Julio de 2019). Enfermedades crónicas no transmisibles como amenaza. Pamplona, España. | es_CO |
| dc.relation.references | Ham, K. (2013). OpenRefine (version 2.5).Free, open-source tool for cleaning and transforming data. JMLA. | es_CO |
| dc.relation.references | Huizen, J. (2019). ¿Cuáles son los niveles ideales de azúcar en la sangre? | es_CO |
| dc.relation.references | Ibáñez, A. S. (2016). Prevención y progresión de la nefropatía diabética I: epidemiología, patogenia, diagnóstico. | es_CO |
| dc.relation.references | Instituto de ingenieria del conocimiento. (s.f.). Obtenido de https://www.iic.uam.es/big-data/ | es_CO |
| dc.relation.references | José C. Riquelme, R. R. (2016). Minería de Datos: Conceptos y Tendencias . Valencia, España. | es_CO |
| dc.relation.references | L., M. G. (2016). Valores Normales de Colesterol y Triglicéridos. | es_CO |
| dc.relation.references | Landa, 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.references | Larrañaga, P., Inza, I., & Moujahid, A. (s.f.). Redes Neuronales. España: Universidad del País Vasco. | es_CO |
| dc.relation.references | Liendo, M. G. (2018). Tasa de Filtración Glomerular (TFG renal). | es_CO |
| dc.relation.references | López, C. P. (s.f.). Minería de datos. Técnicas y herramientas. Thomson. | es_CO |
| dc.relation.references | López, J. F. (Octubre de 2017). Coeficiente de determinación (R cuadrado). Economipedia.com. | es_CO |
| dc.relation.references | Lozano, A. P. (2017). Cómo introducirse en el universo Big Data | UNIR open class. Madrid, España | es_CO |
| dc.relation.references | Marcelo E. Andía, C. A. (2019). A conceptual guide to use and understand Big Data in clinical research. | es_CO |
| dc.relation.references | MARLON 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 metropolitana | es_CO |
| dc.relation.references | Martínez, C. G. (Febrero de 2020). REGLAS DE ASOCIACIÓN. Obtenido de https://rpubs.com/Cristina_Gil/Reglas_Asociacion | es_CO |
| dc.relation.references | Mercado 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.references | Microsoft. (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-allversions | es_CO |
| dc.relation.references | Mierswa, I., Wurst, M., Klinkenberg, R., Scholz, M., & Euler, T. (2006). YALE: Rapid Prototyping for Complex Data Mining Tasks. Dortmund. | es_CO |
| dc.relation.references | Ministerio de Salud, C. (2017). Dia Mundial de la Hipertension Arterial. | es_CO |
| dc.relation.references | OpenRefine. (s.f.). OpenRefine. Obtenido de https://openrefine.org/ | es_CO |
| dc.relation.references | Organización Mundial de la Salud. (13 de Septiembre de 2019). Obtenido de https://www.who.int/es/news-room/fact-sheets/detail/hypertension | es_CO |
| dc.relation.references | Python. (s.f.). Python. Obtenido de https://www.python.org/doc/essays/blurb/ | es_CO |
| dc.relation.references | Rodrigo, J. A. (2016). Correlación lineal y Regresión lineal simple. Obtenido de https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_lineal | es_CO |
| dc.relation.references | Rodrigo, J. A. (Junio de 2018). Reglas de asociación y algoritmo Apriori con R. Obtenido de https://www.cienciadedatos.net/documentos/43_reglas_de_asociacion | es_CO |
| dc.relation.references | Rodríguez 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.references | Rueda, G. G. (2020). Minado de reglas de asociación aplicado al análisis de riesgo sísmico(Tesis de Grado). Toluca, México. | es_CO |
| dc.relation.references | Salazar 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.references | Salud, 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.references | Sampedro, S. A. (2013). El colesterol y los triglicéridos. | es_CO |
| dc.relation.references | Sterckx, 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.references | Suárez, R. (21 de Agosto de 2018). El 'big data' en salud: presente y futuro de la atención. | es_CO |
| dc.relation.references | Universia. (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.html | es_CO |
| dc.relation.references | Vivas, 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.references | Viviana Cañón, A. C. (1 de Noviembre de 2017). datapopalliance. Obtenido de http://datapopalliance.org/wp-content/uploads/2018/09/Documento1_VersionFinal_DNP.pdf | es_CO |
| dc.relation.references | Zambrano, J. (2018). ¿Aprendizaje supervisado o no supervisado? Conoce sus diferencias dentro del machine learning y la automatización inteligente. | es_CO |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | es_CO |
| dc.type.coarversion | http://purl.org/coar/resource_type/c_2df8fbb1 | es_CO |
| Aparece en las colecciones: | Ingeniería de Sistemas | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Méndez_2021_TG.pdf | Méndez_2021_TG | 1,45 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.