Please use this identifier to cite or link to this item:
http://cimat.repositorioinstitucional.mx/jspui/handle/1008/1013
ÁRBOLES DE DECISIÓN Y SU APLICACIÓN EN EL SÍNDROME METABÓLICO | |
ARNULFO GONZALEZ CANTU | |
Acceso Abierto | |
Atribución-NoComercial | |
COMPUTO ESTADÍSTICO | |
El síndrome metabólico es una entidad patológica en la que la obesidad, alteraciones en el metabolismo de los carbohidratos 2 y alteraciones en el metabolismo de las grasas se presentan de forma simultánea. En México recientemente se ha documentado una prevalencia del 72.9%. La persistencia de la fisiopatología del síndrome, produce un incremento en la incidencia de sus complicaciones como pueden ser la diabetes mellitus tipo 2, el hígado graso no alcohólico y la presencia de retinopatía diabética. Estas complicaciones producen desenlaces adversos como muerte por enfermedad cardiovascular, cirrosis ó cáncer de hígado y ceguera, respectivamente. Aunque ya se han descrito algoritmos de clasificación basados en aprendizaje maquina, estos necesitan variables que no se utilizan en la práctica diaria; limitando así su utilización. Por otro lado, existe la necesidad de obtener un diagnostico (clasificación) temprano de la diabetes mellitus tipo 2 y de la retinopatía. En la actualidad existen múltiples algoritmos de clasificación supervisados, unos de ellos son los referentes a árboles de decisión (C4.5, C5.0, árboles de decisión con mirada adelante y sensibles a costo). La justificación de este trabajo nace de la necesidad de tener herramientas que demuestren ser efectivas en solucionar los problemas en la investigación médica y que puedan ser llevadas a la práctica diaria. Uno de estos objetivos, es clasificar las complicaciones del síndrome metabólico mediante el uso de árboles de decisión con variables bioquímicas y metabolómicas. Los distintos algoritmos de árboles de decisión tienen una exactitud de alrededor del 90% para las diferentes complicaciones del síndrome metabólico. Se concluye que las complicaciones del síndrome metabólico pueden ser clasificados correctamente mediante estos algoritmos y que las variables metabolómicas son suficientes para la correcta clasificación de diabetes. | |
29-01-2019 | |
Tesis de maestría | |
INFORMÁTICA | |
Versión aceptada | |
acceptedVersion - Versión aceptada | |
Appears in Collections: | Tesis del CIMAT |
Upload archives
File | Description | Size | Format | |
---|---|---|---|---|
MTY TE 3.pdf | 3.77 MB | Adobe PDF | View/Open |