Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión

Autores
Griva, Lucas; Basualdo, Marta
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El presente trabajo propone analizar los datos provenientes de 50 pacientes con Diabetes Mellitus Tipo1 (DMT1) con el objetivo de cuantificar su capacidad de regular adecuadamente sus niveles de glucosa en sangre (glucemia) mediante las dosis de insulina, calculadas empleando un algoritmo de control predictivo funcional (PFC). La clasificación de los pacientes se realiza empleando técnicas de árbol de decisión teniendo en cuenta las características de las variaciones temporales de la glucemia que se capturan mediante la modelización matemática de las mismas. Para ello se obtienen modelos tipo ARX y funciones de transferencia. Los rangos de los parámetros de dichas funciones constituyen la principal fuente de información empleada en los árboles de decisión. Como resultado se mostrará el estudio de las variables que presentan mayor incidencia para la determinación a priori de la capacidad de regulación que presentan los pacientes diabéticos. Por lo tanto la contribución de este trabajo radica en la definición de las variables que hemos considerado más relevantes y su tratamiento mediante árboles decisión. Los resultados de las pruebas realizadas sobre datos de 50 pacientes dan soporte a las conclusiones que se presentan al final del trabajo.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
árbol de decisión
Diabetes Mellitus Tipo 1
Análisis de Datos
glucosa en sangre
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/71206
Acceder
id SEDICI_80989af58eed6a662870313d22289434
oai_identifier_str oai:sedici.unlp.edu.ar:10915/71206
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisiónGriva, LucasBasualdo, MartaCiencias Informáticasárbol de decisiónDiabetes Mellitus Tipo 1Análisis de Datosglucosa en sangreEl presente trabajo propone analizar los datos provenientes de 50 pacientes con Diabetes Mellitus Tipo1 (DMT1) con el objetivo de cuantificar su capacidad de regular adecuadamente sus niveles de glucosa en sangre (glucemia) mediante las dosis de insulina, calculadas empleando un algoritmo de control predictivo funcional (PFC). La clasificación de los pacientes se realiza empleando técnicas de árbol de decisión teniendo en cuenta las características de las variaciones temporales de la glucemia que se capturan mediante la modelización matemática de las mismas. Para ello se obtienen modelos tipo ARX y funciones de transferencia. Los rangos de los parámetros de dichas funciones constituyen la principal fuente de información empleada en los árboles de decisión. Como resultado se mostrará el estudio de las variables que presentan mayor incidencia para la determinación a priori de la capacidad de regulación que presentan los pacientes diabéticos. Por lo tanto la contribución de este trabajo radica en la definición de las variables que hemos considerado más relevantes y su tratamiento mediante árboles decisión. Los resultados de las pruebas realizadas sobre datos de 50 pacientes dan soporte a las conclusiones que se presentan al final del trabajo.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf49-62http://sedici.unlp.edu.ar/handle/10915/71206spainfo:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/cais-8.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7607info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:52:26Zoai:sedici.unlp.edu.ar:10915/71206Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:52:26.984SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión
title Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión
spellingShingle Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión
Griva, Lucas
Ciencias Informáticas
árbol de decisión
Diabetes Mellitus Tipo 1
Análisis de Datos
glucosa en sangre
title_short Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión
title_full Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión
title_fullStr Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión
title_full_unstemmed Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión
title_sort Clasificación de pacientes con diabetes mellitus tipo 1 mediante técnicas de árbol de decisión
dc.creator.none.fl_str_mv Griva, Lucas
Basualdo, Marta
author Griva, Lucas
author_facet Griva, Lucas
Basualdo, Marta
author_role author
author2 Basualdo, Marta
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
árbol de decisión
Diabetes Mellitus Tipo 1
Análisis de Datos
glucosa en sangre
topic Ciencias Informáticas
árbol de decisión
Diabetes Mellitus Tipo 1
Análisis de Datos
glucosa en sangre
dc.description.none.fl_txt_mv El presente trabajo propone analizar los datos provenientes de 50 pacientes con Diabetes Mellitus Tipo1 (DMT1) con el objetivo de cuantificar su capacidad de regular adecuadamente sus niveles de glucosa en sangre (glucemia) mediante las dosis de insulina, calculadas empleando un algoritmo de control predictivo funcional (PFC). La clasificación de los pacientes se realiza empleando técnicas de árbol de decisión teniendo en cuenta las características de las variaciones temporales de la glucemia que se capturan mediante la modelización matemática de las mismas. Para ello se obtienen modelos tipo ARX y funciones de transferencia. Los rangos de los parámetros de dichas funciones constituyen la principal fuente de información empleada en los árboles de decisión. Como resultado se mostrará el estudio de las variables que presentan mayor incidencia para la determinación a priori de la capacidad de regulación que presentan los pacientes diabéticos. Por lo tanto la contribución de este trabajo radica en la definición de las variables que hemos considerado más relevantes y su tratamiento mediante árboles decisión. Los resultados de las pruebas realizadas sobre datos de 50 pacientes dan soporte a las conclusiones que se presentan al final del trabajo.
Sociedad Argentina de Informática e Investigación Operativa
description El presente trabajo propone analizar los datos provenientes de 50 pacientes con Diabetes Mellitus Tipo1 (DMT1) con el objetivo de cuantificar su capacidad de regular adecuadamente sus niveles de glucosa en sangre (glucemia) mediante las dosis de insulina, calculadas empleando un algoritmo de control predictivo funcional (PFC). La clasificación de los pacientes se realiza empleando técnicas de árbol de decisión teniendo en cuenta las características de las variaciones temporales de la glucemia que se capturan mediante la modelización matemática de las mismas. Para ello se obtienen modelos tipo ARX y funciones de transferencia. Los rangos de los parámetros de dichas funciones constituyen la principal fuente de información empleada en los árboles de decisión. Como resultado se mostrará el estudio de las variables que presentan mayor incidencia para la determinación a priori de la capacidad de regulación que presentan los pacientes diabéticos. Por lo tanto la contribución de este trabajo radica en la definición de las variables que hemos considerado más relevantes y su tratamiento mediante árboles decisión. Los resultados de las pruebas realizadas sobre datos de 50 pacientes dan soporte a las conclusiones que se presentan al final del trabajo.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
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/10915/71206
url http://sedici.unlp.edu.ar/handle/10915/71206
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/cais-8.pdf
info:eu-repo/semantics/altIdentifier/issn/2451-7607
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
49-62
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_ 1846783094348054528
score 12.982451

Publicaciones similares