Please use this identifier to cite or link to this item: https://repository.unad.edu.co/handle/10596/82407
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAnillo Arrieta, Luis Angel
dc.coverage.spatialcead_-_Tunja
dc.creatorCoronado Lopez, Javier David
dc.date.accessioned2026-06-22T13:27:01Z-
dc.date.available2026-06-22T13:27:01Z-
dc.date.created2024-12-02
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/82407-
dc.descriptionLista de Tablas Tabla 1 . Matriz de análisis sistemático de antecedentes y aportes a la investigación Tabla 2. Predicción de prevalencia para 2024 mediante regresión lineal. Tabla 3. Métricas de desempeño del modelo clasificador Tabla 4. Comparación de predicciones para 2024 mediante modelos supervisados. Tabla 5. Métricas de desempeño de los modelos supervisados. Lista de Figuras Figura 1. Diagrama de flujo metodológico Figura 2. Framework SALSA Figura 3. Diagrama de flujo del proceso de análisis predictivo y entrenamiento de modelos en HCE. Figura 4. Evolución temporal de la prevalencia por municipio. Figura 5. Mapa de calor de correlación temporal Figura 6. Distribución simulada por intervalos etarios. Figura 7.Representacion del modelo de regresión línea sobre la prevalencia de diabetes 2022.
dc.description.abstractEn el presente proyecto investigativo se busca analizar la posibilidad de implementar las funciones de análisis de datos en una herramienta innovadora empleada en el área de la salud, el historial clínico electrónico, con el fin de analizar el comportamiento de la diabetes mediante modelos predictivos y observar la veracidad de los resultados a partir de evaluaciones posteriores a su ejecución. Esto se desarrollará mediante un enfoque teórico y metodológico, dando conceptos y bases necesarias para llegar a ser implementadas a futuro. Se ha observado que los historiales clínicos usualmente son utilizados para la gestión de la información médica, pero también pueden ser implementados para un análisis estadístico en la predicción de enfermedades hereditarias, al tener los antecedentes familiares, podrían saber la tasa de probabilidad de obtenerla (Borges, 2021). La enfermedad hereditaria del tipo crónico en la cual nos centramos es en la diabetes, esta representa una de las condiciones más relevantes, debido a su carácter progresivo y hereditario (Gonzales et al., 2023). Como resultado, el trabajo aporta un análisis metodológico que contribuye como bases conceptuales para futuras investigaciones orientadas a la detección temprana y el seguimiento analítico de enfermedades hereditarias.
dc.formatpdf
dc.titlePrincipios metodológicos para la aplicación de modelos predictivos en historiales clínicos electrónicos orientados al estudio de la diabetes hereditaria
dc.typeProyecto de investigación
dc.subject.keywordsEnfermedades crónicas
dc.subject.keywordsModelos predictivos
dc.subject.keywordsHistorial Clinico Electronico
dc.subject.keywordsPrevension
dc.subject.keywordsDiabetes
dc.description.abstractenglishThis research project seeks to analyze the possibility of implementing data analysis functions in an innovative tool used in the health sector, the electronic health record, to analyze diabetes behavior using predictive models and observe the accuracy of the results based on evaluations after their implementation. This will be developed through a theoretical and methodological approach, providing the concepts and foundations necessary for future implementation. It has been observed that medical records are usually used for medical information management, but they can also be implemented for statistical analysis to predict hereditary diseases. By having family history, it would be possible to know the probability of developing a disease (Borges, 2021). The chronic hereditary disease we focus on is diabetes, which represents one of the most relevant conditions due to its progressive and hereditary nature (Gonzales et al., 2023). As a result, the work provides a methodological analysis that contributes as a conceptual basis for future research aimed at the early detection and analytical monitoring of hereditary diseases.
dc.subject.categoryIngenería de sistemas
dc.subject.categorySalud
dc.subject.categoryGestion de datos
Appears in Collections:Maestría en Ciencia de Datos y Analítica

Files in This Item:
File Description SizeFormat 
jdcoronadol.pdf1.03 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.