Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning

Las enfermedades cardíacas son una de las enfermedades más mortales en el mundo, por lo que resulta de vital importancia estudiar todos los factores que pueden afectar a la mortalidad por este tipo de enfermedades. A través de las respuestas a las preguntas de una encuesta telefónica, se define como...

Full description

Bibliographic Details
Author: Calvo Robas, Alejandro
Format: master thesis
Publication Date:2024
Country:España
Institution:Universidad Complutense de Madrid (UCM)
Repository:Docta Complutense
Language:Spanish
OAI Identifier:oai:docta.ucm.es:20.500.14352/108810
Online Access:https://hdl.handle.net/20.500.14352/108810
Access Level:Open access
Keyword:616.12
616.12-005
519.2
004.85
Enfermedades cardíacas
Machine Learning
Heart Disease
Cardiología
Estadística
Inteligencia artificial (Informática)
3205.01 Cardiología
1209 Estadística
1203.04 Inteligencia Artificial
id ES_8cb2cd57f1b634ecf9032a3e6f20cd44
oai_identifier_str oai:docta.ucm.es:20.500.14352/108810
network_acronym_str ES
network_name_str España
repository_id_str
spelling Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine LearningCalvo Robas, Alejandro616.12616.12-005519.2004.85Enfermedades cardíacasMachine LearningHeart DiseaseCardiologíaEstadísticaInteligencia artificial (Informática)3205.01 Cardiología1209 Estadística1203.04 Inteligencia ArtificialLas enfermedades cardíacas son una de las enfermedades más mortales en el mundo, por lo que resulta de vital importancia estudiar todos los factores que pueden afectar a la mortalidad por este tipo de enfermedades. A través de las respuestas a las preguntas de una encuesta telefónica, se define como objetivo principal estudiar qué factores pueden suponer un mayor riesgo de padecer una enfermedad cardíaca y la muerte por ello. Para conocer estos factores se utilizan técnicas de Machine Learning y se extrae el mejor modelo a través del cual se puede conocer el efecto de cada factor de riesgo. Con ello se pueden extraer conclusiones y dar recomendaciones al paciente.Castro Cantalejo, JavierUniversidad Complutense de Madrid20242024-09-0120242024-09-01master thesishttp://purl.org/coar/resource_type/c_bdccAOhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/108810reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/1088102026-06-02T12:44:21Z
dc.title.none.fl_str_mv Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning
title Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning
spellingShingle Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning
Calvo Robas, Alejandro
616.12
616.12-005
519.2
004.85
Enfermedades cardíacas
Machine Learning
Heart Disease
Cardiología
Estadística
Inteligencia artificial (Informática)
3205.01 Cardiología
1209 Estadística
1203.04 Inteligencia Artificial
title_short Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning
title_full Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning
title_fullStr Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning
title_full_unstemmed Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning
title_sort Análisis de riesgo de padecer enfermedad cardíaca mediante técnicas de Machine Learning
dc.creator.none.fl_str_mv Calvo Robas, Alejandro
author Calvo Robas, Alejandro
author_facet Calvo Robas, Alejandro
author_role author
dc.contributor.none.fl_str_mv Castro Cantalejo, Javier
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 616.12
616.12-005
519.2
004.85
Enfermedades cardíacas
Machine Learning
Heart Disease
Cardiología
Estadística
Inteligencia artificial (Informática)
3205.01 Cardiología
1209 Estadística
1203.04 Inteligencia Artificial
topic 616.12
616.12-005
519.2
004.85
Enfermedades cardíacas
Machine Learning
Heart Disease
Cardiología
Estadística
Inteligencia artificial (Informática)
3205.01 Cardiología
1209 Estadística
1203.04 Inteligencia Artificial
description Las enfermedades cardíacas son una de las enfermedades más mortales en el mundo, por lo que resulta de vital importancia estudiar todos los factores que pueden afectar a la mortalidad por este tipo de enfermedades. A través de las respuestas a las preguntas de una encuesta telefónica, se define como objetivo principal estudiar qué factores pueden suponer un mayor riesgo de padecer una enfermedad cardíaca y la muerte por ello. Para conocer estos factores se utilizan técnicas de Machine Learning y se extrae el mejor modelo a través del cual se puede conocer el efecto de cada factor de riesgo. Con ello se pueden extraer conclusiones y dar recomendaciones al paciente.
publishDate 2024
dc.date.none.fl_str_mv 2024
2024-09-01
2024
2024-09-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
AO
http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/108810
url https://hdl.handle.net/20.500.14352/108810
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869412953900449792
score 15.812429

Similar Items