Identificación del riesgo de desarrollar diabetes utilizando cómputo suave

Simple item page
dc.audiencegeneralPublic
dc.contributor.advisorGarcía Juárez, Pedro
dc.contributor.authorMorales Márquez, Luis Enrique
dc.contributor.directorCarrillo Ruíz, Maya
dc.coverage.placeBiblioteca Central 3er. piso
dc.date.accessioned2025-11-12T18:34:30Z
dc.date.available2025-11-12T18:34:30Z
dc.date.issued2022
dc.description.abstractSegún la organización mundial de la salud, aproximadamente el 70 porciento de los adultos en México padecen del sobrepeso u obesidad, factores determinantes en el desarrollo de diabetes Mellitus tipo 2. Además, factores determinantes en la diabetes Mellitus tipo 2. Según el Instituto de Nacional de Seguridad Pública 10.3 % de los mayores de 20 años padecen diabetes. Para facilitar las tareas de decisión o clasificación al momento de tratar a un paciente, los expertos desarrollan un sistema basado en la lógica difusa, sin embargo, este diseño no suele ser infalible por lo que es común optimizar para mejorar su rendimiento. El presente trabajo muestra los resultados de una comparación entre la eficiencia en la predicción de riesgo de padecimiento de diabetes tipo 2, establecida por la prueba de FINDRISC de un sistema difuso de diseño propio optimizado por varias técnicas metaheurísticas para 295 pacientes de Acapulco México. El algoritmo que mejores resultados proporciono fue el algoritmo polización de flores y la comparación frente a la prueba de FINDRISC muestra que el sistema difuso tiene un mejor rendimiento con valores superiores de sensibilidad, especificidad y, valores predictivos positivos y negativos con mejoras generales en los intervalos de confianza, concluyendo que utilizar el sistema propuesto como auxiliar en la prevención de diabetes tipo 2. Es variable y arroja resultados apegados a la realidad de los pacientes. Objetivo general. Desarrollar un sistema difuso capaz de predecir el riesgo de padecimiento de diabetes de un paciente con base a datos clínicos como edad, IMC o probabilidad de padecimiento según su historial familiar entre otros, donde algunos de los parámetros, de las funciones de membresía Serán optimizados por técnicas metaheurísticas, buscando obtener resultados comparables a los obtenidos por expertos, definidos en el corpus, utilizado.
dc.identifier.bibrecordMCCO2022 M828
dc.identifier.urihttps://hdl.handle.net/20.500.12371/30375
dc.language.isospa
dc.publisherBenemerita Universidad Autónoma de Puebla
dc.rights.accesrestrictedAccess
dc.subject.lccPredicción del riesgo de deabetes--Mediante tecnicas de computación blanda
dc.subject.lccAnalisís predictivo de deabetes--Machine Learning
dc.subject.lccUso de software computadora--Pronostica deabetes--Estratificación de riesgo de deabetes--Computo suave
dc.thesis.careerMaestría en Ciencias de la Computación
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias de la Computación
dc.thesis.degreetoobtainMaestro en Ciencias de la Computación
dc.titleIdentificación del riesgo de desarrollar diabetes utilizando cómputo suave
dc.typeTesis de maestría
dc.type.degreeMaestría
Files
Collections
Teis de Maestría