Acceso usuarios
Ismael Zarate Hernández, Eric Ramos Méndez, Guillermo de los Santos Torres, Gerardo Arceo Moheno
La minería de datos es una herramienta que actualmente puede ser aplicada en diferentes áreas como los negocios, la investigación científica, la seguridad gubernamental. Una de estas áreas en donde puede ser aplicada es la salud. En este sector unos de los problemas más frecuentes se presentan en los diagnósticos en donde es común los diagnósticos erróneos que provocan que no se les dé el tratamiento adecuado a los pacientes. Por lo que el objetivo de esta investigación es la creación de un modelo de minería de datos para la detección de enfermedades en pacientes de primer nivel de atención médica. Para lo cual se desarrolló un modelo de minería de datos utilizando el algoritmo de agrupamiento K-means. K-Means es un algoritmo no supervisado de clustering que es ampliamente utilizado para descubrir patrones en grandes conjuntos de datos no etiquetados. Con el análisis de las variables que integran el dataset creado para este proyecto se determinó que los datos encontrados pueden ayudar a comprender los patrones de uso de medicamentos, el cumplimiento y los posibles efectos secundarios mediante el análisis de las variables Afección principal y Afección secundaria.
Data mining is a tool that can currently be applied in different areas such as business, scientific research, and government security. One of these where it can be applied is health. In this sector, one of the most frequent problems occurs in diagnoses where erroneous diagnoses are common, resulting in patients not being given adequate treatment. Therefore, the objective of this research is the creation of a data mining model for the detection of diseases in first level medical care patients. For which a data mining model was developed using the K-means clustering algorithm. K-Means is an unsupervised clustering algorithm that is widely used to discover patterns in large unlabeled data sets. With the analysis of the variables that make up the dataset created for this project, it was determined that the data found can help understand the patterns of medication use, compliance and possible side effects through the analysis of the variables Primary condition and Secondary condition.
