Identificación del riesgo de desarrollar diabetes utilizando cómputo suave

Simple item page
dc.audiencegeneralPublices_MX
dc.contributorCarrillo Ruíz, Maya
dc.contributorGarcía Juárez, Pedro
dc.contributor.advisorCARRILLO RUIZ, MAYA; 217251
dc.contributor.advisorGARCIA JUAREZ, PEDRO; 26427
dc.contributor.authorMorales Márquez, Luis Enrique
dc.date.accessioned2022-11-16T17:54:06Z
dc.date.available2022-11-16T17:54:06Z
dc.date.issued2022-09
dc.description.abstract"Según la Organización Mundial de la Salud, aproximadamente el 70% de los adultos en México padecen sobrepeso u obesidad, factores determinantes en el desarrollo de diabetes mellitus tipo 2. Para facilitar las tareas de decisión o clasificación al momento de tratar a un paciente, los expertos desarrollan sistemas basados en lógica difusa, sin embargo, este diseño no suele ser infalible, por lo que es común optimizarlos 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 y de un sistema difuso de diseño propio optimizado por varias técnicas metaheurísticas para 295 pacientes de Acapulco, México. El algoritmo que mejores resultados proporcionó fue el Algoritmo de Polinización de Flores y la comparación frente a la prueba de FINDRISC muestra que el sistema difuso obtiene 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 viable y arroja resultados apegados a la realidad de los pacientes".es_MX
dc.folio20220908134940-5292-Tes_MX
dc.formatpdfes_MX
dc.identificator7es_MX
dc.identifier.urihttps://hdl.handle.net/20.500.12371/16906
dc.language.isospaes_MX
dc.matricula.creator220470305es_MX
dc.publisherBenemérita Universidad Autónoma de Pueblaes_MX
dc.rights.accesopenAccesses_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_MX
dc.subject.lccEnfermedades crónicases_MX
dc.subject.lccDiabetes--Complicaciones--Factores de riesgoes_MX
dc.subject.lccEnfermedades--Pronósticoses_MX
dc.subject.lccSistemas difusos en medicinaes_MX
dc.subject.lccRedes neuronales (Computación)es_MX
dc.subject.lccMetaheurísticaes_MX
dc.thesis.careerMaestría en Ciencias de la Computaciónes_MX
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactases_MX
dc.thesis.degreegrantorFacultad de Ciencias de la Computaciónes_MX
dc.thesis.degreetoobtainMaestro en Ciencias de la Computaciónes_MX
dc.titleIdentificación del riesgo de desarrollar diabetes utilizando cómputo suavees_MX
dc.typeTesis de maestríaes_MX
dc.type.conacytmasterThesises_MX
dc.type.degreeMaestríaes_MX
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
20220908134940-5292-T.pdf
Size:
1.92 MB
Format:
Adobe Portable Document Format
Description:
Download
Name:
20220908134940-5292-CARTA.pdf
Size:
1.75 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Maestría