Please use this identifier to cite or link to this item:
http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1943
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor | 937780 | es_ES |
dc.contributor | 49237 | es_ES |
dc.contributor.other | https://orcid.org/0000-0002-7635-4687 | - |
dc.contributor.other | https://orcid.org/0000-0002-9498-6602 | - |
dc.contributor.other | 0000-0002-9498-6602 | - |
dc.coverage.spatial | Global | es_ES |
dc.creator | Guerrero Flores, Martin Hazael | - |
dc.creator | Galván Tejada, Carlos Eric | - |
dc.creator | Chávez Lamas, Nubia Maricela | - |
dc.creator | Galván Tejada, Jorge | - |
dc.creator | Gamboa Rosales, Hamurabi | - |
dc.creator | Celaya Padilla, José | - |
dc.creator | García Hernández, Alejandra | - |
dc.creator | Valladares Salgado, Adan | - |
dc.creator | Cruz, Miguel | - |
dc.date.accessioned | 2020-05-25T19:13:03Z | - |
dc.date.available | 2020-05-25T19:13:03Z | - |
dc.date.issued | 2019-10-18 | - |
dc.identifier | info:eu-repo/semantics/submittedVersion | es_ES |
dc.identifier.uri | http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/1943 | - |
dc.identifier.uri | https://doi.org/10.48779/tsbw-rb24 | - |
dc.description | In recent years the leading cause of death in Mexico is linked to multifactorial diseases, of which diabetes ranks second, only below heart disease, both related to high cholesterol levels and triglycerides in blood. Objective: Classify patients with diabetes using artificial intelligence algorithms previously trained with total cholesterol, HDL, LDL and triglyceride levels. Materials and methods: Descriptors related to blood lipids belong to the Centro Médico Siglo XXI, composed of a sample of 1019. They are considered: Total Cholesterol Levels, HDL, LDH and Triglycerides. The proposed methodology consists of two main stages: training of artificial intelligence algorithms, in which black box models are developed to look for the relationship of the determinants mentioned and the suffering of diabetes in the subjects (presence = 1, absence = 0), and a second stage for the validation of the algorithms, using as a metric the sensitivity and specificity of the algorithms by means of the ROC curve and the area under the curve (AUC). Results: Logistic regression models, decision trees and support vector machine, acquire a value of 0.613 to 0.727 of AUC, being statistically significant for the automatic detection of diabetic patients. Conclusions: The implementation of Artificial Intelligence algorithms, allow the identification of patients with diabetes using blood lipid metrics, for a computer-aided diagnosis. | es_ES |
dc.description.abstract | En los últimos años la principal causa de muerte en México está relacionada con enfermedades multifactoriales, de las cuales, la diabetes ocupa el segundo lugar, solo por debajo de enfermedades de corazón, ambas relacionadas con altos niveles de colesterol y triglicéridos en sangre. Objetivo: Clasificar pacientes con diabetes utilizando algoritmos de inteligencia artificial entrenados previamente con los niveles de colesterol total, HDL, LDH y triglicéridos. Materiales y métodos: Los descriptores relacionados con los lípidos en sangre pertenecen el Centro Médico Siglo XXI, compuesta por una muestra de 1019. Se consideran: Niveles de colesterol total, HDL, LDH y triglicéridos. La metodología propuesta consiste en dos etapas principales: entrenamiento de algoritmos de inteligencia artificial, en la cual se desarrollan modelos de caja negra para buscar la relación de los determinantes mencionados y el padecimiento de diabetes en los sujetos (padecimiento = 1, ausencia = 0), y una segunda etapa para la validación de los algoritmos, utilizando como métrica la sensitividad y especificidad de los mismos mediante la curva ROC y el área bajo la curva (AUC). Resultados: los modelos de regresión logística, árboles de decisión y máquina de soporte vectorial, adquieren un valor de 0.613 hasta 0.727 de AUC, siendo estadísticamente significativos para la detección automática de pacientes diabéticos. Conclusiones: La implementación de algoritmos de Inteligencia artificial, permiten la identificación de pacientes con diabetes utilizando las métricas de lípidos en sangre, para un diagnóstico asistido por computadora. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Autónoma de Zacatecas | es_ES |
dc.relation.uri | generalPublic | es_ES |
dc.rights | Atribución 3.0 Estados Unidos de América | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/us/ | * |
dc.source | VI Jornadas Internacionales de Investigación en Odontología 2019 | es_ES |
dc.subject.classification | INGENIERIA Y TECNOLOGIA [7] | es_ES |
dc.subject.other | Algoritmos de Inteligencia artificial | es_ES |
dc.subject.other | Diabetes | es_ES |
dc.subject.other | Colesterol | es_ES |
dc.subject.other | Triglicéridos | es_ES |
dc.title | Implementación de algoritmos de inteligencia artificial para la identificación de pacientes diabéticos utilizando los niveles de lípidos en sangre | es_ES |
dc.type | info:eu-repo/semantics/conferenceObject | es_ES |
Appears in Collections: | *Documentos Académicos*-- M. en Ciencias del Proc. de la Info. |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Articulo_extenso_diabetes.pdf | Implementación de algoritmos de inteligencia artificial para la identificación de pacientes diabéticos utilizando los niveles de lípidos en sangre | 924,5 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License