Look-up in Google Scholar
Full metadata record
García Cortegano, Carlos Alberto
Paredes Vasquez, Juan Carlos
Celis Acosta, Jordi Valente
2024-01-18T04:03:54Z
2024-01-18T04:03:54Z
2023
006.32 P26 2023
https://hdl.handle.net/20.500.12737/9702
The objective of this research was to develop a computer tool to carry out previous diagnoses of type 2 diabetic patients. The design was of an applied type with a quantitative approach, using a population of 740 medical information data of patients from the Sylhet Diabetes Hospital in Sylhet, Bangladesh. . The sample consisted of 25 patients diagnosed by an endocrinologist, using electronic medical records and patient interviews as data collection instruments. Through the analysis of machine learning techniques, an artificial neural network model for the diagnosis of type 2 diabetes was built, demonstrating an accuracy of 88%, a sensitivity of 94% and a specificity of 75%. It was concluded that the diagnostic model based on artificial neural networks is an effective tool for the early identification of type 2 diabetes, recommending adjustments to improve the specificity in the identification of patients without diabetes. This research contributes to the development of medical diagnostic tools based on artificial intelligence, being useful in clinical practice for the early diagnosis of type 2 diabetes. (en_US)
El objetivo de esta investigación fue desarrollar una herramienta informática para realizar diagnósticos previos de pacientes diabéticos tipo 2. El diseño fue de tipo aplicado con un enfoque cuantitativo, utilizando una población de 740 datos de información médica de pacientes del Sylhet Diabetes Hospital de Sylhet, Bangladesh. La muestra consistió en 25 pacientes diagnosticados por un médico endocrinólogo, utilizando registros médicos electrónicos y entrevistas a los pacientes como instrumentos de recolección de datos. A través del análisis de técnicas de aprendizaje automático, se construyó un modelo de red neuronal artificial para el diagnóstico de la diabetes tipo 2, demostrando una precisión del 88%, una sensibilidad del 94% y una especificidad del 75%. Se concluyó que el modelo de diagnóstico basado en redes neuronales artificiales es una herramienta efectiva para la identificación temprana de la diabetes tipo 2, recomendando ajustes para mejorar la especificidad en la identificación de pacientes sin diabetes. Esta investigación contribuye al desarrollo de herramientas de diagnóstico médico basadas en la inteligencia artificial, siendo útil en la práctica clínica para el diagnóstico temprano de la diabetes tipo 2. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional de la Amazonía Peruana (es_PE)
info:eu-repo/semantics/openAccess (*)
https://creativecommons.org/licenses/by/4.0/ (*)
Redes neuronales (informática) (es_PE)
Inteligencia artificial (es_PE)
Diagnóstico por computador (es_PE)
Pacientes (es_PE)
Diabetes mellitus tipo 2 (es_PE)
Sistema inteligente para realizar diagnóstico previo de pacientes con diabetes mellitus tipo 2 (es_PE)
info:eu-repo/semantics/masterThesis (es_PE)
Universidad Nacional de la Amazonía Peruana. Escuela de Postgrado (es_PE)
Maestría en Ingeniería de Sistemas con mención en Gerencia de la Información y Gestión de Software (es_PE)
Maestro(a) en Ingeniería de Sistemas con mención en Gerencia de la Información y Gestión de Software (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
https://purl.org/pe-repo/renati/level#maestro (es_PE)
5342316
https://orcid.org/0000-0003-3353-9566
40597255
44794883
612297 (es_PE)
Reátegui Paredes, Alejandro
Ramírez Villacorta, Jimmy Max
López Albiño, Richard Alex
https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons