Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad Técnica de Manabí
2023
|
| Subjects: | |
| Online Access: | https://www.redalyc.org/articulo.oa?id=673175363008 https://www.redalyc.org/journal/6731/673175363008/ https://www.redalyc.org/journal/6731/673175363008/html/ https://www.redalyc.org/journal/6731/673175363008/673175363008.epub https://www.redalyc.org/journal/6731/673175363008/movil |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1866813303147200512 |
|---|---|
| author | Gilberto Horacio Fernández Cedeño |
| author_facet | Gilberto Horacio Fernández Cedeño |
| contents | Predicción de evolución post covid19 en pacientes, usando herramientas de la big data Gilberto Horacio Fernández Cedeño Marely del Rosario Cruz Felipe Ermenson Ricardo Ordóñez-Ávila José Gabriel Moreira Vélez Ciencias de la Información 19 COVID predicción prevención minería de datos Esta investigación tiene como objetivo predecir la evolución post COVID-19 en pacientes del Hospital General de Portoviejo (IESS), identificando patrones similares en la propagación de casos futuros de esta enfermedad. Como metodología se efectuó un estudio de tipo descriptivo, retrospectivo, con enfoque cuantitativo y empleo del método de análisis documental, donde se realizó la extracción de información desde la base de datos del referido hospital, en el período 2020-2022. Para el análisis de los datos se utilizó el software Orange Data Mining, que es una herramienta de código abierto con una amplia gama de métodos de análisis de datos y aprendizaje automático. Del total de 18316 pacientes, se trabajó con una muestra intencional de 3678, por contar estos con los datos requeridos para el análisis. Entre los principales resultados se destaca que las personas más propensas a tener Covid, están en el rango de edades entre los 63 y 70 años; el sexo más expuesto es el masculino; los síntomas más comunes por los afectados son la insuficiencia respiratoria y enfermedad renal crónica, cuestiones que ayudan a predecir cuáles serán los pacientes que pudieran ser más propensos a contraer la enfermedad. A modo de conclusión se resalta que la aplicación de herramientas de minería de datos facilita la predicción y evolución futura de enfermedades como la analizada, facilitando la toma de decisiones en materia de prevención y control de la pandemia a las autoridades sanitarias. 2023 artículo científico 2550-6587 https://www.redalyc.org/articulo.oa?id=673175363008 https://www.redalyc.org/journal/6731/673175363008/ https://www.redalyc.org/journal/6731/673175363008/html/ https://www.redalyc.org/journal/6731/673175363008/673175363008.epub https://www.redalyc.org/journal/6731/673175363008/movil es http://www.redalyc.org/revista.oa?id=6731 Revista de Ciencias Humanísticas y Sociales (ReHuSo) application/pdf Universidad Técnica de Manabí Revista de Ciencias Humanísticas y Sociales (ReHuSo) (Ecuador) Num.2 Vol.8 |
| format | Artículo científico |
| id | redalyc_673175363008 |
| language | es |
| publishDate | 2023 |
| publisher | Universidad Técnica de Manabí |
| spellingShingle | Predicción de evolución post covid19 en pacientes, usando herramientas de la big data Gilberto Horacio Fernández Cedeño Ciencias de la Información 19 COVID predicción prevención minería de datos Predicción de evolución post covid19 en pacientes, usando herramientas de la big data Gilberto Horacio Fernández Cedeño Marely del Rosario Cruz Felipe Ermenson Ricardo Ordóñez-Ávila José Gabriel Moreira Vélez Ciencias de la Información 19 COVID predicción prevención minería de datos Esta investigación tiene como objetivo predecir la evolución post COVID-19 en pacientes del Hospital General de Portoviejo (IESS), identificando patrones similares en la propagación de casos futuros de esta enfermedad. Como metodología se efectuó un estudio de tipo descriptivo, retrospectivo, con enfoque cuantitativo y empleo del método de análisis documental, donde se realizó la extracción de información desde la base de datos del referido hospital, en el período 2020-2022. Para el análisis de los datos se utilizó el software Orange Data Mining, que es una herramienta de código abierto con una amplia gama de métodos de análisis de datos y aprendizaje automático. Del total de 18316 pacientes, se trabajó con una muestra intencional de 3678, por contar estos con los datos requeridos para el análisis. Entre los principales resultados se destaca que las personas más propensas a tener Covid, están en el rango de edades entre los 63 y 70 años; el sexo más expuesto es el masculino; los síntomas más comunes por los afectados son la insuficiencia respiratoria y enfermedad renal crónica, cuestiones que ayudan a predecir cuáles serán los pacientes que pudieran ser más propensos a contraer la enfermedad. A modo de conclusión se resalta que la aplicación de herramientas de minería de datos facilita la predicción y evolución futura de enfermedades como la analizada, facilitando la toma de decisiones en materia de prevención y control de la pandemia a las autoridades sanitarias. 2023 artículo científico 2550-6587 https://www.redalyc.org/articulo.oa?id=673175363008 https://www.redalyc.org/journal/6731/673175363008/ https://www.redalyc.org/journal/6731/673175363008/html/ https://www.redalyc.org/journal/6731/673175363008/673175363008.epub https://www.redalyc.org/journal/6731/673175363008/movil es http://www.redalyc.org/revista.oa?id=6731 Revista de Ciencias Humanísticas y Sociales (ReHuSo) application/pdf Universidad Técnica de Manabí Revista de Ciencias Humanísticas y Sociales (ReHuSo) (Ecuador) Num.2 Vol.8 |
| title | Predicción de evolución post covid19 en pacientes, usando herramientas de la big data |
| topic | Ciencias de la Información 19 COVID predicción prevención minería de datos |
| url | https://www.redalyc.org/articulo.oa?id=673175363008 https://www.redalyc.org/journal/6731/673175363008/ https://www.redalyc.org/journal/6731/673175363008/html/ https://www.redalyc.org/journal/6731/673175363008/673175363008.epub https://www.redalyc.org/journal/6731/673175363008/movil |