Diseño de una arquitectura Big Data para la predicción de crisis en el trastorno bipolar
El trastorno bipolar conduce, muchas veces, a períodos de baja por enfermedad y la necesidad a una atención muy cercana, generando problemas económicos, laborales, sociales y familiares. La crisis, en la mayoría de los pacientes, se puede evitar mediante la predicción temprana. El proyecto “Bip4Cast...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2017 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/19778 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/19778 |
| Access Level: | acceso abierto |
| Palabra clave: | 004.6:616.895.1(043.3) Big Data Hadoop Análisis Predictivo Trastorno Bipolar Actigrafía HDFS Arquitectura Bipolar Disorder Predictive Analysis Actigraphy Architecture Bases de datos (Informática) Sistemas expertos Psiquiatría 3211 Psiquiatría |
| Sumario: | El trastorno bipolar conduce, muchas veces, a períodos de baja por enfermedad y la necesidad a una atención muy cercana, generando problemas económicos, laborales, sociales y familiares. La crisis, en la mayoría de los pacientes, se puede evitar mediante la predicción temprana. El proyecto “Bip4Cast” de la Clínica Nuestra Señora de la Paz (Orden Hospitalaria de San Juan de Dios) y del grupo GRASIA-GTeC de la Universidad Complutense de Madrid, propone el diseño de una arquitectura Big Data para la generación, adquisición, almacenamiento y análisis de los datos de diversas fuentes con el objetivo de predecir las crisis del trastorno bipolar. Este Trabajo de Fin de Máster es el análisis de este tipo de arquitecturas desde un punto de vista crítico. En el trabajo se han analizado y comparado distintas opciones de arquitectura del software y se ha implementado la alternativa óptima para la resolución de los problemas derivados de un entorno Big Data en el que se enmarca el proyecto. Al no existir estándares reconocidos se analizaron las propuestas más cercanas a la normalización por lo que se escogió la propuesta del Grupo de trabajo de Big Data del Instituto Nacional de Estándares y Tecnología de los Estados Unidos. Se propone un prototipo de arquitectura con la distribución Hadoop Hortonworks donde fueron implementadas aplicaciones y herramientas según las características del problema. Las pruebas realizadas en la fase de experimentación demuestran que la arquitectura cumple con el tratamiento óptimo de los datos tanto en su diversidad, seguridad, inmutabilidad y flexibilidad, otorgando al proyecto las bases necesarias para alcanzar la fase de análisis. |
|---|