Primeras experiencias en la identificación de personas con riesgo de diabetes en la población argentina utilizando técnicas de aprendizaje automático

Detalles Bibliográficos
Autor Principal: Rucci, Enzo
Otros autores o Colaboradores: Tittarelli, Gonzalo, Ronchetti, Franco, Elgart, Jorge F., Lanzarini, Laura Cristina, Gagliardino, Juan J.
Formato: Capítulo de libro
Lengua:español
Temas:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/164889
Consultar en el Cátalogo
Resumen:La detección de Diabetes Tipo 2 (DT2) y prediabetes (PDM) representa un verdadero desafío para la medicina debido a la ausencia de síntomas patogenómicos y a la falta de conocimiento de los factores de riesgo asociados. Si bien existen algunas propuestas de modelos de aprendizaje automático que permiten identificar a personas en riesgo, las características de esta enfermedad hacen que uno que resulte adecuado para una población, no necesariamente lo sea para otra. Este artículo propone desarrollar y evaluar modelos predictivos que permitan identificar personas con riesgo de DT2 y PDM específicos para la población argentina. Partiendo de un cuidadoso preprocesamiento de la base de datos, se generaron dos datasets particulares considerando el compromiso entre cantidad de registros y de variables disponibles. Luego de aplicar 5 diferentes modelos de clasificación, los resultados obtenidos muestran que algunos de ellos obtuvieron muy buenos rendimientos para ambos datasets. En particular, RF, DT y ANN demostraron gran poder de clasificación, con altos valores en las métricas consideradas. Considerando la vacancia de herramientas de este tipo para la población argentina, este trabajo representa el primer paso hacia modelos más sofisticados.
Notas:Formato de archivo PDF. -- Este documento es producción intelectual de la Facultad de Informática - UNLP (Colección BIPA/Biblioteca)
Descripción Física:1 archivo (725,0 kB)

MARC

LEADER 00000naa a2200000 a 4500
003 AR-LpUFIB
005 20250311170529.0
008 230201s2023 xx o 000 0 spa d
024 8 |a DIF-M8827  |b 9053  |z DIF008090 
040 |a AR-LpUFIB  |b spa  |c AR-LpUFIB 
100 1 |a Rucci, Enzo 
245 1 0 |a Primeras experiencias en la identificación de personas con riesgo de diabetes en la población argentina utilizando técnicas de aprendizaje automático 
300 |a 1 archivo (725,0 kB) 
500 |a Formato de archivo PDF. -- Este documento es producción intelectual de la Facultad de Informática - UNLP (Colección BIPA/Biblioteca) 
520 |a La detección de Diabetes Tipo 2 (DT2) y prediabetes (PDM) representa un verdadero desafío para la medicina debido a la ausencia de síntomas patogenómicos y a la falta de conocimiento de los factores de riesgo asociados. Si bien existen algunas propuestas de modelos de aprendizaje automático que permiten identificar a personas en riesgo, las características de esta enfermedad hacen que uno que resulte adecuado para una población, no necesariamente lo sea para otra. Este artículo propone desarrollar y evaluar modelos predictivos que permitan identificar personas con riesgo de DT2 y PDM específicos para la población argentina. Partiendo de un cuidadoso preprocesamiento de la base de datos, se generaron dos datasets particulares considerando el compromiso entre cantidad de registros y de variables disponibles. Luego de aplicar 5 diferentes modelos de clasificación, los resultados obtenidos muestran que algunos de ellos obtuvieron muy buenos rendimientos para ambos datasets. En particular, RF, DT y ANN demostraron gran poder de clasificación, con altos valores en las métricas consideradas. Considerando la vacancia de herramientas de este tipo para la población argentina, este trabajo representa el primer paso hacia modelos más sofisticados. 
534 |a Congreso Argentino de Ciencias de la Computación (29no : 2023 : Luján, Argentina) 
650 4 |a APRENDIZAJE AUTOMÁTICO 
650 4 |a MODELOS 
653 |a salud pública 
700 1 |a Tittarelli, Gonzalo 
700 1 |a Ronchetti, Franco 
700 1 |a Elgart, Jorge F. 
700 1 |a Lanzarini, Laura Cristina 
700 1 |a Gagliardino, Juan J. 
856 4 0 |u http://sedici.unlp.edu.ar/handle/10915/164889 
942 |c CP 
952 |0 0  |1 0  |4 0  |6 A1328  |7 3  |8 BD  |9 84263  |a DIF  |b DIF  |d 2025-03-11  |l 0  |o A1328   |r 2025-03-11 17:05:29  |u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2721  |w 2025-03-11  |y CP 
999 |c 57862  |d 57862