Facultad de Ingeniería

URI permanente para esta comunidadhttps://hdl.handle.net/11182/27

Examinar

Mostrando 1 - 4 de 4

Aplicación de técnicas de minería de datos en atención primaria en salud para el análisis de riesgo en mujeres gestantes de la población Manizaleña atendida por Asbasalud en el período comprendido entre 2010 y 2012
(Universidad Autónoma de Manizales, 2016) Navarro Palacio, Luisa Fernanda; Gallego Vargas, Julián Andrés; Castillo Ossa, Luis Fernando
La mortalidad neonatal y de las madres en la etapa de gestación, así como en los días posteriores y los defectos congénitos de los neonatos, son algunos de los grandes problemas a los que se enfrentan las estrategias en salud pública. El nacimiento pre término es una de las principales causas de muerte neonatal (CLAP/SMR - OPS/OMS, 2010). Las mujeres que han tenido un nacimiento pre término antes de las 35 semanas tienen un riesgo de 10 a 15% de repetir otro nacimiento pre término. Ese riesgo puede llegar a aumentar en un 40% después de 2 y a un 60% después de 3 nacimientos pre término. Para dar respuesta a estos problemas, la Atención Primaria en Salud debe corregir y avanzar en sus enfoques, desarrollar nuevos conocimientos y tecnologías sobre mejores prácticas que deben ser incorporadas para aumentar su efectividad. Además, es fundamental conocer cuáles son las causas principales de estos hechos, basándose en experiencias anteriores, para así poder centrar sus esfuerzos en la disminución de estos acontecimientos. Dentro de las condiciones que generan riesgos se encuentran las condiciones sociales a las que está sometida la población gestante, así como los cuadros clínicos que pueden aparecer, debido al riesgo natural al que toda mujer esta propensa por el simple hecho de ser gestante; por esta razón es fundamental definir cuáles son las variables más representativas y la forma en que cada una de ellas se relaciona, para poder entender y contextualizar los riesgos a los que está sometida esta población. Una de las formas de llevar a cabo este trabajo es a través de métodos estadísticos como el análisis multivariado, en donde se cuente con variables Categóricas y Numéricas con las cuales se puedan agrupar y clasificar los datos; datos que han sido manipulados con anterioridad, teniendo en cuenta el proceso de descubrimiento de conocimiento en Bases de Datos (KDD), por sus siglas en ingles. Este trabajo se lleva a cabo mediante la metodología CRISP-DM y su implementación mediante la Suite de Microsoft SQL Server 2008 R2, en la cual no solo se encuentra el repositorio de datos de los años 2010, 2011 y 2012 de Asbasalud, sino que además, posee herramientas para extraer, limpiar, cargar, procesar y analizar los datos, esta última mediante técnicas de minería de datos.
Descubrimiento de conocimiento en una empresa de outsourcing de TI de la ciudad de Medellín aplicando técnicas de minería de datos que permita identificar potencialidades en el éxito de los proyectos de desarrollo de software
(Universidad Autónoma de Manizales, 2014) Gallego Gallego, Mauricio; Hernández Cáceres, Javier
Lograr el éxito en los proyectos de desarrollo de software es una tarea a la que día a día se están enfrentando las empresas productoras de software, estudios realizados por diferentes organizaciones demuestran que la tasa de éxito de los proyectos esta alrededor del 32%, y de proyectos fallidos alrededor del 24% (Eveleens & Verhoef, 2010), siendo la diferencia de estos una cifra relativamente baja lo que conlleva a que se deba evaluar el tema y se piense en tomar medidas; el éxito de los proyectos depende de la sincronización que se pueda tener entre diferentes factores como los humanos, los técnicos, los económicos, tiempo, alcance, entre otros. En este sentido, surgió la necesidad de poder generar conocimiento útil a partir del análisis de datos históricos de proyectos exitosos y fallidos de una empresa de outsourcing de TI aplicando técnicas de minería de datos, con el fin de obtener patrones que permitieran a la organización tomar decisiones y guiar los proyectos de software a la consecución del éxito. La investigación fue desarrollada siguiendo la metodología CRISP-DM, que es una metodología utilizada como referente para los proyectos de minería de datos, para la aplicación de las técnicas se utilizó la herramienta de software SPSS en su versión trial.
Solución de inteligencia de negocios basada en minería de datos para apoyar la toma de decisiones en el proceso de cirugía del Hospital Departamental Universitario Santa Sofía de Caldas, en la ciudad de Manizales
(Universidad Autónoma de Manizales, 2016) Rojas Calvo, Wilson Alejandro; Hernández Cáceres, Javier
La toma de decisiones en la gestión hospitalaria permite avanzar hacia la atención oportuna y humanizada de los usuarios. La administración de recursos relacionados con el proceso de cirugía, permite alcanzar mejores resultados tanto clínicos como financieros. El aumento exponencial de datos clínicos dificulta cada vez más el acceso a la información mediante métodos tradicionales. La Minería de datos y la Inteligencia de Negocios, ofrecen herramientas que permiten lograr altos niveles de autonomía, disponibilidad y facilidad de acceso a la información. La presente investigación busca implementar una solución de inteligencia de negocios que, basada en Minería de Datos, permita apoyar la Gestión Estratégica del Proceso de Cirugía en el Hospital Departamental Universitario Santa Sofía de Caldas, ubicado en la ciudad de Manizales, Colombia. Se aplica la metodología CRISP-DM y mediante el uso de modelos de datos y técnicas de visualización dimensionales, se generan informes dinámicos personalizables por el usuario, reportes activos y despliegue móvil de datos. Así mismo se aplica clustering como técnica de agrupamiento y usando el algoritmo K-Means se exploran datos buscando identificación de grupos de pacientes que han sido sometidos a procedimientos quirúrgicos y cuyos diagnósticos estaban asociados a cáncer. Se busca ofrecer a los líderes del servicio una solución orientada a procesos analíticos, que integre tanto datos administrativos como asistenciales. Metodología: Se documentan las 6 fases de la metodología CRISP-DM; se utiliza DB2 Web Query como motor de reportes, DB2 for IBMi para el modelo de Data Warehouse, ROAMBI Analytics para la visualización en dispositivos móviles y WEKA como herramienta de minería de datos para la técnica Clustering y específicamente el algoritmo K-Means. Resultados: Motor de reportes de Inteligencia de Negocios, OLAP, Active Reports y dashboards implementados y validados por los interesados, visualización en dispositivos móviles, técnica de minería aplicada, arrojando dos clústeres como grupos de pacientes quirúrgicos y documentación de cada fase abordada en la metodología. Conclusiones: La evaluación de la solución demuestra altos niveles de aceptación por parte de los interesados.
Tendencias y características de los viajeros que visitan la ciudad de Pereira por medio de técnicas de minería de datos
(Universidad Autónoma de Manizales, 2015) Salcedo Toro, Diego Fernando; Vélez Bedoya, Jairo Iván
El sector del turismo es uno de los más grandes a nivel mundial, generando 212 millones de empleos contribuyendo al PIB de muchos países. Según las estadísticas del ministerio de comercio el total de llegadas de turistas internacionales a la ciudad de Pereira es mayor que el de Armenia y Manizales, esto sin tener en cuenta los turistas que ingresaron por una frontera, datos que se han mantenido desde el año 2011 hasta la actualidad, año 2014. En el Quindío se cuenta con un observatorio de turismo el cual cada vez ha ido incorporando nuevos datos para sus estadísticas, observándose en el año 2014 que se tienen en cuenta a los actores de turismo, como lo son los prestadores de servicios hoteleros, restaurantes, artesanías, servicios de guías. La ciudad de Pereira no cuenta con un observatorio de turismo ni estudios sobre sus viajeros, las entidades encargadas del Turismo de Pereira no tienen en cuenta dicha variable ya que en sus sitios web y en su entidad no hay información recopilada sobre estos. Por esto hizo un análisis de la ciudad, para poder determinar datos estadísticos como: Procedencia de los visitantes, propósito de la visita, servicios utilizados, tipos de comidas preferidas, tipo de transporte utilizado, medio por el cual se enteraron de la ciudad, nivel de satisfacción en la ciudad, costos de la ciudad. Con los datos recopilados se realizó una segmentación y descripción de hábitos de los viajeros realizando análisis de clúster, posteriormente se clasificaron de acuerdo a tendencias y características aplicando reglas de asociación y finalmente se agruparon por el nivel de gastos, percepción y satisfacción luego de visitar la ciudad por medio de un análisis de clúster. Este proceso de extracción de conocimiento a partir de los datos KDD, utilizado actualmente por el sector empresarial, educativo y científico, se desarrolló utilizando la metodología CRISP-DM y fue implementado sobre la aplicación de uso libre RapidMiner y comprende desde la recolección de la información en línea y la extracción de información de la base de datos diseñada para tal fin, su transformación, validación, el cálculo de los clústers y las reglas de asociación

Examinar

Examinando Facultad de Ingeniería por Materia "Administración de bases de datos"