Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de so...

Autores
Silva Layes, María Elizabeth; Benedetto, Marcelo Gabriel; Benítez Duval, Horacio; Costen, Elio Darío; Diez, Joaquín; Aguirre, Juan José; Falappa, Marcelo Alejandro; Frola, Jesús Fabián
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El sector sanitario, sin lugar a dudas es uno de los ámbitos en el que se administran grandes volúmenes de datos; principalmente en el área clínica.Esto conduce a identificar una importante necesidad de encontrar maneras deadministrar, integrar, analizar e interpretar ese gran conjunto de datos; procurando identificar patrones de comportamiento que sean de utilidad en latoma de decisiones médicas. El proyecto de investigación1 en el que se enmarca este artículo plantea como principal objetivo desarrollar un componente de software capaz de generar, con aprendizaje automatizado, un modelo con capacidades predictivas sobre enfermedades cardiológicas; que permita un mejor soporte a decisiones de diagnóstico clínico y un avance significativo en la medicina preventiva. Este artículo presenta una revisión exhaustiva de las herramientas de preprocesamiento de datos para analizar datos sanitarios masivos, en términos de la imputación de valores perdidos, detección de valores atípicos, reducción, escalado, transformación y partición de datos. Además, se proponen herramientas de ciencia de datos en el campo sanitario. Se ha presentado un análisis en profundidad para describir los pros y los contras de las herramientas existentes para abordar los desafíos prácticos. Los resultados obtenidos son útiles para el desarrollo de investigaciones basadas en predicción de enfermedades en el campo sanitario.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Herramientas de Preprocesamiento
Inteligencia Artificial
Machine Learning
Sistemas de Soporte a Decisiones Clínicas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/151664
Acceder
id SEDICI_3e3bdd9c81ede8d9d6cc0c517232159a
oai_identifier_str oai:sedici.unlp.edu.ar:10915/151664
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicasSilva Layes, María ElizabethBenedetto, Marcelo GabrielBenítez Duval, HoracioCosten, Elio DaríoDiez, JoaquínAguirre, Juan JoséFalappa, Marcelo AlejandroFrola, Jesús FabiánCiencias InformáticasHerramientas de PreprocesamientoInteligencia ArtificialMachine LearningSistemas de Soporte a Decisiones ClínicasEl sector sanitario, sin lugar a dudas es uno de los ámbitos en el que se administran grandes volúmenes de datos; principalmente en el área clínica.Esto conduce a identificar una importante necesidad de encontrar maneras deadministrar, integrar, analizar e interpretar ese gran conjunto de datos; procurando identificar patrones de comportamiento que sean de utilidad en latoma de decisiones médicas. El proyecto de investigación1 en el que se enmarca este artículo plantea como principal objetivo desarrollar un componente de software capaz de generar, con aprendizaje automatizado, un modelo con capacidades predictivas sobre enfermedades cardiológicas; que permita un mejor soporte a decisiones de diagnóstico clínico y un avance significativo en la medicina preventiva. Este artículo presenta una revisión exhaustiva de las herramientas de preprocesamiento de datos para analizar datos sanitarios masivos, en términos de la imputación de valores perdidos, detección de valores atípicos, reducción, escalado, transformación y partición de datos. Además, se proponen herramientas de ciencia de datos en el campo sanitario. Se ha presentado un análisis en profundidad para describir los pros y los contras de las herramientas existentes para abordar los desafíos prácticos. Los resultados obtenidos son útiles para el desarrollo de investigaciones basadas en predicción de enfermedades en el campo sanitario.Sociedad Argentina de Informática e Investigación Operativa2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf84-101http://sedici.unlp.edu.ar/handle/10915/151664spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/375/313info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:39:06Zoai:sedici.unlp.edu.ar:10915/151664Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:39:06.816SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicas
title Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicas
spellingShingle Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicas
Silva Layes, María Elizabeth
Ciencias Informáticas
Herramientas de Preprocesamiento
Inteligencia Artificial
Machine Learning
Sistemas de Soporte a Decisiones Clínicas
title_short Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicas
title_full Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicas
title_fullStr Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicas
title_full_unstemmed Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicas
title_sort Selección de algoritmos de preprocesamiento de datos del Hospital Delicia Concepción Masvernat (Concordia, provincia de Entre Ríos) que permita el desarrollo de un componente de software para predicción de enfermedades cardiológicas
dc.creator.none.fl_str_mv Silva Layes, María Elizabeth
Benedetto, Marcelo Gabriel
Benítez Duval, Horacio
Costen, Elio Darío
Diez, Joaquín
Aguirre, Juan José
Falappa, Marcelo Alejandro
Frola, Jesús Fabián
author Silva Layes, María Elizabeth
author_facet Silva Layes, María Elizabeth
Benedetto, Marcelo Gabriel
Benítez Duval, Horacio
Costen, Elio Darío
Diez, Joaquín
Aguirre, Juan José
Falappa, Marcelo Alejandro
Frola, Jesús Fabián
author_role author
author2 Benedetto, Marcelo Gabriel
Benítez Duval, Horacio
Costen, Elio Darío
Diez, Joaquín
Aguirre, Juan José
Falappa, Marcelo Alejandro
Frola, Jesús Fabián
author2_role author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Herramientas de Preprocesamiento
Inteligencia Artificial
Machine Learning
Sistemas de Soporte a Decisiones Clínicas
topic Ciencias Informáticas
Herramientas de Preprocesamiento
Inteligencia Artificial
Machine Learning
Sistemas de Soporte a Decisiones Clínicas
dc.description.none.fl_txt_mv El sector sanitario, sin lugar a dudas es uno de los ámbitos en el que se administran grandes volúmenes de datos; principalmente en el área clínica.Esto conduce a identificar una importante necesidad de encontrar maneras deadministrar, integrar, analizar e interpretar ese gran conjunto de datos; procurando identificar patrones de comportamiento que sean de utilidad en latoma de decisiones médicas. El proyecto de investigación1 en el que se enmarca este artículo plantea como principal objetivo desarrollar un componente de software capaz de generar, con aprendizaje automatizado, un modelo con capacidades predictivas sobre enfermedades cardiológicas; que permita un mejor soporte a decisiones de diagnóstico clínico y un avance significativo en la medicina preventiva. Este artículo presenta una revisión exhaustiva de las herramientas de preprocesamiento de datos para analizar datos sanitarios masivos, en términos de la imputación de valores perdidos, detección de valores atípicos, reducción, escalado, transformación y partición de datos. Además, se proponen herramientas de ciencia de datos en el campo sanitario. Se ha presentado un análisis en profundidad para describir los pros y los contras de las herramientas existentes para abordar los desafíos prácticos. Los resultados obtenidos son útiles para el desarrollo de investigaciones basadas en predicción de enfermedades en el campo sanitario.
Sociedad Argentina de Informática e Investigación Operativa
description El sector sanitario, sin lugar a dudas es uno de los ámbitos en el que se administran grandes volúmenes de datos; principalmente en el área clínica.Esto conduce a identificar una importante necesidad de encontrar maneras deadministrar, integrar, analizar e interpretar ese gran conjunto de datos; procurando identificar patrones de comportamiento que sean de utilidad en latoma de decisiones médicas. El proyecto de investigación1 en el que se enmarca este artículo plantea como principal objetivo desarrollar un componente de software capaz de generar, con aprendizaje automatizado, un modelo con capacidades predictivas sobre enfermedades cardiológicas; que permita un mejor soporte a decisiones de diagnóstico clínico y un avance significativo en la medicina preventiva. Este artículo presenta una revisión exhaustiva de las herramientas de preprocesamiento de datos para analizar datos sanitarios masivos, en términos de la imputación de valores perdidos, detección de valores atípicos, reducción, escalado, transformación y partición de datos. Además, se proponen herramientas de ciencia de datos en el campo sanitario. Se ha presentado un análisis en profundidad para describir los pros y los contras de las herramientas existentes para abordar los desafíos prácticos. Los resultados obtenidos son útiles para el desarrollo de investigaciones basadas en predicción de enfermedades en el campo sanitario.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/151664
url http://sedici.unlp.edu.ar/handle/10915/151664
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/375/313
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
84-101
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616265368338432
score 13.069144

Publicaciones similares