Look-up in Google Scholar
Full metadata record
Ramírez García, Orestes Manolo
Salazar Chavez, Solainsh Stephany
Mendoza Vasquez, Daniel
2022-11-09T16:35:47Z
2022-11-09T16:35:47Z
2022-11-09T16:35:47Z
2022-11-09T16:35:47Z
2022-06
0000 0001 2196 144X (isni)
http://hdl.handle.net/10757/663417
Según el Organismo Mundial de la Salud (OMS), el cáncer pediátrico representa una de las principales causas de mortalidad entre niños y adolescentes en todo el mundo. Por un lado, en los países desarrollados, más del 80% de los niños que son detectados por cáncer llegan a recuperarse de la enfermedad. Por otro lado, en los países subdesarrollados el porcentaje de curación es solo de un 20%. Es así, que según (Observatory, 2019), en el año 2018, se registraron en Perú 1,800 nuevos casos de cáncer infantil, en donde el 70% de los pacientes llegan en una etapa avanzada de la enfermedad. Así mismo, cabe resaltar que según un informe del (SALUDPOL, 2022) si la detección del cáncer pediátrico se da en una etapa temprana, se puede realizar un tratamiento efectivo que resulta en la recuperación del paciente. Pero, lamentablemente en nuestro país esta situación presenta muchas brechas en la asistencia médica, ya que según el estudio realizado por (Vasquez et al., 2018) se obtuvo como resultado que, de una muestra de 1135 pacientes diagnosticados con cáncer, el 18.4% abandono el tratamiento debido a factores sociales y demográficos. Por lo cual, el estudio recomienda que se realicen estrategias para prevenir el abandono de manera temprana. Además, el estudio de (Martí-Bonmatí et al., 2020) detalla que, para los pacientes de cáncer pediátrico, existe una complejidad en la identificación del mejor tratamiento por parte de los especialistas. Es por ello, que el presente proyecto tiene como finalidad diseñar un modelo tecnológico que permita apoyar la toma de decisiones en el diagnóstico y tratamiento de la leucemia pediátrica, a través de una propuesta innovadora que permita aumentar la tasa de recuperación de la enfermedad en mención con el uso de la tecnología. (es_PE)
According to the World Health Organization (WHO), pediatric cancer represents one of the leading causes of mortality among children and adolescents worldwide. On the one hand, in developed countries, more than 80% of children who are detected with cancer go on to recover from the disease. On the other hand, in underdeveloped countries the cure rate is only 20%. Thus, according to (Observatory, 2019) in 2018, 1,800 new cases of childhood cancer were registered in Peru, where 70% of the patients arrive at an advanced stage of the disease. Likewise, it is worth highlighting that according to a report by (SALUDPOL, 2022) if the detection of pediatric cancer occurs at an early stage, an effective treatment can be performed resulting in the patient's recovery. But, unfortunately in our country this situation presents many gaps in medical care, since according to the study conducted by (Vasquez et al., 2018) it was obtained as a result that from a sample of 1135 patients diagnosed with cancer, 18.4% abandoned treatment due to social and demographic factors. Therefore, the study recommends that strategies be conducted to prevent early abandonment. In addition, the study by (Martí-Bonmatí et al., 2020) details that for pediatric cancer patients, there is a complexity in the identification of the best treatment by specialists. For this reason, the present project aims to design a technological model to support decision making in the diagnosis and treatment of pediatric leukemia, through an innovative proposal to increase the recovery rate of the disease in question with the use of technology. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
application/epub (es_PE)
application/msword (es_PE)
spa (es_PE)
Universidad Peruana de Ciencias Aplicadas (UPC) (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-sa/4.0/ (*)
Universidad Peruana de Ciencias Aplicadas (UPC) (es_PE)
Repositorio Académico - UPC (es_PE)
Machine learning (es_PE)
Modelo (es_PE)
Aprendizaje automático (es_PE)
Leucemia (es_PE)
Árbol de decisión (es_PE)
Asistencia médica (es_PE)
Model (es_PE)
Leukemia (es_PE)
Decision tree (es_PE)
Medical assistance (es_PE)
Modelo Tecnológico utilizando herramientas de Machine Learning para apoyar la toma de decisiones en el diagnóstico y tratamiento de la leucemia pediátrica (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Tesis (other)
Universidad Peruana de Ciencias Aplicadas (UPC). Facultad de Ingeniería (es_PE)
Ingeniería de Sistemas de Información (es_PE)
Licenciatura (es_PE)
Ingeniero de sistemas de información (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
http://purl.org/pe-repo/ocde/ford#2.00.00 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
https://orcid.org/0000-0002-1653-4344 (es_PE)
612136 (es_PE)
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria



This item is licensed under a Creative Commons License Creative Commons