Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión

Autores
Griva, Lucas; Basualdo, Marta
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los pacientes con Diabetes Melitus tipo 1 (DMT1) presentan problemas de regulación de glucosa en sangre (glucemia). Por ello es de gran importancia generar modelos matemáticos capaces de predecir con exactitud su evolución temporal para mejorar la precisión la dosis de insulina a inyectarse y mantenerse dentro de valores saludables. En este trabajo se propone el desarrollo de un modelo global que incluye submodelos de largo y corto alcance que trabajan en modo combinado. Además se le anexan dos árboles de decisión que van supervisando las predicciones y seleccionando cuál de los submodelos presenta mayor grado de exactitud en sus estimaciones. Se realizaron pruebas con 7 pacientes diabéticos que permiten realizar comparaciones rigurosas. La implementación computacional de este tipo de modelo permite realizar pruebas para el ajuste de los algoritmos de control capaces de calcular con mayor precisión las dosis de insulina a aplicarse.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Diabetes
Modelos matemáticos
Glucemia
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/140847
Acceder
id SEDICI_bbfa6e98eb6727edacef6efcda6960fa
oai_identifier_str oai:sedici.unlp.edu.ar:10915/140847
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisiónGriva, LucasBasualdo, MartaCiencias InformáticasDiabetesModelos matemáticosGlucemiaLos pacientes con Diabetes Melitus tipo 1 (DMT1) presentan problemas de regulación de glucosa en sangre (glucemia). Por ello es de gran importancia generar modelos matemáticos capaces de predecir con exactitud su evolución temporal para mejorar la precisión la dosis de insulina a inyectarse y mantenerse dentro de valores saludables. En este trabajo se propone el desarrollo de un modelo global que incluye submodelos de largo y corto alcance que trabajan en modo combinado. Además se le anexan dos árboles de decisión que van supervisando las predicciones y seleccionando cuál de los submodelos presenta mayor grado de exactitud en sus estimaciones. Se realizaron pruebas con 7 pacientes diabéticos que permiten realizar comparaciones rigurosas. La implementación computacional de este tipo de modelo permite realizar pruebas para el ajuste de los algoritmos de control capaces de calcular con mayor precisión las dosis de insulina a aplicarse.Sociedad Argentina de Informática e Investigación Operativa2021-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf180-193http://sedici.unlp.edu.ar/handle/10915/140847spainfo:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/cais/CAIS-16.pdfinfo:eu-repo/semantics/altIdentifier/issn/2451-7607info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:07:52Zoai:sedici.unlp.edu.ar:10915/140847Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:07:52.223SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
spellingShingle Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
Griva, Lucas
Ciencias Informáticas
Diabetes
Modelos matemáticos
Glucemia
title_short Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_full Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_fullStr Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_full_unstemmed Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_sort Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles 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
Diabetes
Modelos matemáticos
Glucemia
topic Ciencias Informáticas
Diabetes
Modelos matemáticos
Glucemia
dc.description.none.fl_txt_mv Los pacientes con Diabetes Melitus tipo 1 (DMT1) presentan problemas de regulación de glucosa en sangre (glucemia). Por ello es de gran importancia generar modelos matemáticos capaces de predecir con exactitud su evolución temporal para mejorar la precisión la dosis de insulina a inyectarse y mantenerse dentro de valores saludables. En este trabajo se propone el desarrollo de un modelo global que incluye submodelos de largo y corto alcance que trabajan en modo combinado. Además se le anexan dos árboles de decisión que van supervisando las predicciones y seleccionando cuál de los submodelos presenta mayor grado de exactitud en sus estimaciones. Se realizaron pruebas con 7 pacientes diabéticos que permiten realizar comparaciones rigurosas. La implementación computacional de este tipo de modelo permite realizar pruebas para el ajuste de los algoritmos de control capaces de calcular con mayor precisión las dosis de insulina a aplicarse.
Sociedad Argentina de Informática e Investigación Operativa
description Los pacientes con Diabetes Melitus tipo 1 (DMT1) presentan problemas de regulación de glucosa en sangre (glucemia). Por ello es de gran importancia generar modelos matemáticos capaces de predecir con exactitud su evolución temporal para mejorar la precisión la dosis de insulina a inyectarse y mantenerse dentro de valores saludables. En este trabajo se propone el desarrollo de un modelo global que incluye submodelos de largo y corto alcance que trabajan en modo combinado. Además se le anexan dos árboles de decisión que van supervisando las predicciones y seleccionando cuál de los submodelos presenta mayor grado de exactitud en sus estimaciones. Se realizaron pruebas con 7 pacientes diabéticos que permiten realizar comparaciones rigurosas. La implementación computacional de este tipo de modelo permite realizar pruebas para el ajuste de los algoritmos de control capaces de calcular con mayor precisión las dosis de insulina a aplicarse.
publishDate 2021
dc.date.none.fl_str_mv 2021-10
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/10915/140847
url http://sedici.unlp.edu.ar/handle/10915/140847
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/cais/CAIS-16.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-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
dc.format.none.fl_str_mv application/pdf
180-193
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_ 1842260582124748800
score 13.13397

Publicaciones similares