Modelo de clasificación machine learning para pronosticar secuelas físicas en pacientes postcovid.
dc.contributor.advisor | González Veloza, José John Fredy | |
dc.contributor.author | Figueroa Arias, José Julián | |
dc.coverage.spatial | Bogotá - Colombia | spa |
dc.creator.email | jjfigueroaa@libertadores.edu.co | spa |
dc.date.accessioned | 2023-04-26T02:02:31Z | |
dc.date.available | 2023-04-26T02:02:31Z | |
dc.date.created | 2023 | |
dc.description | El Covid 19 es un virus infeccioso que produce un síndrome respiratorio agudo severo, y entre los síntomas más frecuentes son los síntomas respiratorios, la fiebre y también síntomas gastrointestinales. Una de las características de este virus es que luego del periodo de recuperación, en algunos casos se presentan secuelas físicas tales como tos, pérdida de olfato, dolores musculares, dolor de cabeza, etc, secuelas que han ocasionado víctimas fatales en todo el mundo. Por lo tanto, en este estudio se realizó un modelo de clasificación machine learning para pronosticar secuelas físicas en pacientes postcovid, como muestra se utilizó información de 1436 observaciones de pacientes del Hospital Universitario Departamental de Nariño quienes resultaron positivos para covid 19, luego de la recuperación de estos pacientes se obtuvo información sobre la variable de interés para esté estudio que fue la presentación de secuelas físicas post covid. Se obtuvo que el modelo con mejores métricas de desempeño fue el de árboles de clasificación con auc de 0.73. Se concluye que el modelo de clasificación es útil para identificar los posibles casos de individuos con secuelas postcovid y de esa manera gestionar las acciones hospitalarias para disminuir complicaciones y víctimas fatales después del periodo de recuperación causado por el virus Covid – 19 | spa |
dc.description.abstract | Covid 19 is an infectious virus that produces a severe acute respiratory syndrome, and among the most frequent symptoms are respiratory symptoms, fever and also gastrointestinal symptoms. One of the characteristics of this virus is that after the recovery period, in some cases there are physical sequelae such as coughing, loss of smell, muscle pain, headache, etc., sequelae that have caused fatalities throughout the world. Therefore, in this study, a machine learning classification model was carried out to predict physical sequelae in postcovid patients, as a sample, information was obtained from 1436 observations of patients from the Nariño Departmental University Hospital who were positive for covid 19, after recovery. Information was obtained from these patients on the variable of interest for this study, which was the presentation of post-COVID physical sequelae. It was found that the model with the best performance metrics was the classification tree with auc of 0.73. It is concluded that the classification model is useful to identify possible cases of individuals with post-covid sequelae and thus manage hospital actions to reduce complications and fatalities after the recovery period caused by the Covid-19 virus. | spa |
dc.format | spa | |
dc.identifier.uri | http://hdl.handle.net/11371/5741 | |
dc.language.iso | spa | spa |
dc.publisher | Fundación Universitaria Los Libertadores. Sede Bogotá. | spa |
dc.rights.acceso | Abierto (Texto Completo) | spa |
dc.rights.accessrights | RestrictedAccess | spa |
dc.subject.lemb | Medicina clínica | spa |
dc.subject.lemb | Aprendizaje automático | spa |
dc.subject.lemb | Pacientes - Atención | spa |
dc.subject.proposal | Covid 19 | spa |
dc.subject.proposal | Secuelas físicas | spa |
dc.subject.proposal | Machine learning | spa |
dc.subject.proposal | Modelo de clasificación. | spa |
dc.subject.subjectenglish | Covid 19 | spa |
dc.subject.subjectenglish | Physical sequelae | spa |
dc.subject.subjectenglish | Machine learning | spa |
dc.subject.subjectenglish | Classification model | spa |
dc.title | Modelo de clasificación machine learning para pronosticar secuelas físicas en pacientes postcovid. | spa |
dc.title.titleenglish | Machine learning classification model to predict Physical sequels in post-covid patients | spa |
dc.type | info:eu-repo/semantics/bachelorThesis | spa |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- Figueroa_Jose_2023.pdf
- Tamaño:
- 375.19 KB
- Formato:
- Adobe Portable Document Format
- Descripción: