ÁRBOLES DE DECISIÓN Y SU APLICACIÓN EN EL SÍNDROME METABÓLICO
El síndrome metabólico es una entidad patológica en la que la obesidad, alteraciones en el metabolismo de los carbohidratos 2 y alteraciones en el metabolismo de las grasas se presentan de forma simultánea. En México recientemente se ha documentado una prevalencia del 72.9%. La persistencia de la fi...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2019 |
| País: | México |
| Institución: | Centro de Investigación en Matemáticas |
| Repositorio: | Repositorio Institucional CIMAT |
| OAI Identifier: | oai:cimat.repositorioinstitucional.mx:1008/1013 |
| Acceso en línea: | http://cimat.repositorioinstitucional.mx/jspui/handle/1008/1013 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/MSC/COMPUTO ESTADÍSTICO info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 info:eu-repo/classification/cti/120317 |
| Sumario: | El síndrome metabólico es una entidad patológica en la que la obesidad, alteraciones en el metabolismo de los carbohidratos 2 y alteraciones en el metabolismo de las grasas se presentan de forma simultánea. En México recientemente se ha documentado una prevalencia del 72.9%. La persistencia de la fisiopatología del síndrome, produce un incremento en la incidencia de sus complicaciones como pueden ser la diabetes mellitus tipo 2, el hígado graso no alcohólico y la presencia de retinopatía diabética. Estas complicaciones producen desenlaces adversos como muerte por enfermedad cardiovascular, cirrosis ó cáncer de hígado y ceguera, respectivamente. Aunque ya se han descrito algoritmos de clasificación basados en aprendizaje maquina, estos necesitan variables que no se utilizan en la práctica diaria; limitando así su utilización. Por otro lado, existe la necesidad de obtener un diagnostico (clasificación) temprano de la diabetes mellitus tipo 2 y de la retinopatía. En la actualidad existen múltiples algoritmos de clasificación supervisados, unos de ellos son los referentes a árboles de decisión (C4.5, C5.0, árboles de decisión con mirada adelante y sensibles a costo). La justificación de este trabajo nace de la necesidad de tener herramientas que demuestren ser efectivas en solucionar los problemas en la investigación médica y que puedan ser llevadas a la práctica diaria. Uno de estos objetivos, es clasificar las complicaciones del síndrome metabólico mediante el uso de árboles de decisión con variables bioquímicas y metabolómicas. Los distintos algoritmos de árboles de decisión tienen una exactitud de alrededor del 90% para las diferentes complicaciones del síndrome metabólico. Se concluye que las complicaciones del síndrome metabólico pueden ser clasificados correctamente mediante estos algoritmos y que las variables metabolómicas son suficientes para la correcta clasificación de diabetes. |
|---|