| |
Abstract |
El presente trabajo de investigación busca mejorar los resultados de un algoritmo de minería de datos dedicado a la atención de pacientes diabéticos por parte del departamento de medicina preventiva en un instituto de salud pública. El modelo que actualmente está en funcionamiento utiliza tres variables que se obtienen de la base de dato de citas a médico general. Con este trabajo se pretende explotar otras características que ya existen en la base de datos con el objetivo agregarlas a las que ya se consideran para describir mejor a los pacientes y poder brindar información más precisa.
La estrategia seguida se basa en la adaptación de la metodología CRISP-MED-DM de Niaksu (2015), la cual consta de seis etapas: 1) análisis del problema, 2) análisis de datos, 3) preparación de datos, 4) modelado, 5) evaluación y 6) despliegue. Dentro de la segunda etapa, análisis de datos, se hace uso de la metodología de Buczak et al. (2012) para asignar importancia a las variables de la base de datos según el objetivo que busca la investigación, en este caso para determinar enfermedades relacionadas a la diabetes.Con la aplicación de esta estrategia se logra presentar un comparativo cuantitativo con métricas que permiten determinar qué tan homogéneos son los clústers de los algoritmos comparados, así como describir de acuerdo con las características seleccionadas a los grupos resultantes.
Al haber trabajado con una base de datos generada a partir de citas con médico general, varias de las enfermedades relacionadas no tuvieron la frecuencia necesaria para impactar en el modelo. Sin embargo, se agregó en la etapa del despliegue un informe que incluyen estos padecimientos para generar conocimiento de su comportamiento en pacientes diabéticos, así como en personas sin el diagnóstico de esta enfermedad. |
|
