Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/30077| Title: | Diseño de una aplicación web con integración a Big data y Machine Learning para el análisis predictivo de emergencias en pacientes con enfermedades crónicas de la unidad Hospitalaria clínica San Francisco |
| Authors: | Miranda Vera, Francisco Javier |
| Keywords: | Programas integrados para computador Diseño de páginas web Aplicación Ingeniero informático Tesis y disertaciones académicas |
| metadata.dc.date.available: | 2022-03-29T02:18:23Z |
| Issue Date: | 2022 |
| Citation: | Miranda Vera, Francisco Javier.(2022). Diseño de una aplicación web con integración a Big data y Machine Learning para el análisis predictivo de emergencias en pacientes con enfermedades crónicas de la unidad Hospitalaria clínica San Francisco . Universidad Técnica Particular de Loja |
| Description: | Resumen: El presente trabajo de investigación demuestra las ventajas del uso de las tecnologías en el tratamiento de datos, con la finalidad de obtener resultados útiles para la toma de decisiones, para este caso se aplicaron herramientas como Hadoop, Rstudio y Weka para procesar y predecir información relacionada a enfermedades crónicas, dando más énfasis a la diabetes siendo una enfermedad crónica en aumento según la OMS. El desarrollo de este trabajo engloba los capítulos referentes al sustento teórico de las tecnologías a usar, la metodología de investigación, la aplicación de Hadoop como Big Data que dio resultados positivos ya que permitió observar las ventajas de poder aplicar un modelo pseudo-distributivo ahorrando costos, sin la necesidad de invertir en muchos equipos. El uso de Machine Learning con Weka, hizo posible observar que el modelo de árbol de decisión como el bayesiano aplicado a los datos de personas diabéticas y no diabéticas dieron los mismos resultados, obteniendo un retorno de veracidad predictiva del 86.88%, esto implica que, de 10 datos procesados, aproximadamente 8 son correctos. Por último, se desarrolló una herramienta web siguiendo una metodología básica SCRUM que integra los resultados obtenidos con la Big Data y Machine Learning, brindando resultados positivos para el manejo y control de la información hospitalaria, como acceso a los pacientes para reportar incidencias o emergencias que permitan ser atendidos de forma rápida. |
| metadata.dc.identifier.other: | 1352753 |
| URI: | http://dspace.utpl.edu.ec/handle/20.500.11962/30077 |
| metadata.dc.type: | bachelorThesis |
| Appears in Collections: | Titulación de Informática |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.