Look-up in Google Scholar
Full metadata record
Ulloa NInahuaman, Jesús
Cerrón Pérez, José Luis
2022-11-15T15:37:59Z
2022-11-15T15:37:59Z
2022-11-15T15:37:59Z
2022-11-15T15:37:59Z
2021
http://hdl.handle.net/20.500.12894/8276
Según el informe epidemiológico nacional de marzo del 2021, la Región Junín ocupa los primeros lugares en mortalidad perinatal con un 4,61 % (47 decesos). El hospital Regional Docente Materno Infantil El Carmen tiene un total de 21 decesos al mes de marzo y un total de 49 muertes perinatales al mes de julio, siendo éste un indicador preocupante por el aumento en comparación a periodos anteriores. La presente investigación tiene como objetivo determinar un modelo prospectivo de aprendizaje automático que permita detectar cuales son los factores obstétricos inmediatos, subyacentes y básicos que influyen en una muerte perinatal, así mismo, diseñar un modelo para predecir el riesgo de muerte. Con este propósito, se ha realizado una investigación descriptiva, usando un diseño transeccional correlacional-causal; adicionalmente se emplearon técnicas de análisis e inducción en el procesamiento de datos con Machine Learning, implementando un sistema con estructura de servicio web y extensión a uso de hojas de cálculo para determinar la probabilidad de ocurrencia de una complicación fatal. En los resultados se tiene que el modelo de regresión por red neuronal es el más confiable por su capacidad de predicción con error mínimo a partir de los factores obstétricos. También resulta que dichos factores en sus tres dimensiones son fundamentales para el diagnóstico de mortalidad. Finalmente, se propone la implementación del modelo prospectivo generado como apoyo del personal médico para una predicción más acertada y una mejora en la sistematización de la base de datos del Hospital Regional Docente Materno Infantil El Carmen. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional del Centro del Perú (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/ (es_PE)
Servicio web (es_PE)
Mortalidad perinatal (es_PE)
Sistema Informático Perinatal (es_PE)
Aprendizaje automático (es_PE)
Modelo prospectivo de aprendizaje automático para la detección de factores obstétricos orientados al pronóstico de riesgo de muerte perinatal en el HRDMI El Carmen – Huancayo (es_PE)
info:eu-repo/semantics/doctoralThesis (es_PE)
Universidad Nacional del Centro del Perú.Facultad de Ingeniería de Sistemas (es_PE)
Doctorado en ingeniería de sistemas (es_PE)
Doctor en ingeniería de sistemas (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
http://purl.org/pe-repo/renati/level#doctor (es_PE)
21061159
https://orcid.org/0000-0002-0086-5974 (es_PE)
20054016
612076 (es_PE)
Peña Rojas, Anieval Cirilo
Ulloa Ninahuaman, Jesus
Mercado Rivas, Richard Yuri
Huaman Samaniego, Hector
Maquera Quispe, Henry George
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons