Publicación:
Análisis de explicabilidad en modelos predictivos basados en técnicas de aprendizaje automático sobre el riesgo de re-ingresos hospitalarios

Vista sencilla de ítem
dc.contributor.advisorAguilar Castro, José Lisandro
dc.contributor.authorLopera Bedoya, Juan Camilo
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.emailjcloperab@eafit.edu.cospa
dc.date.accessioned2023-09-29T21:39:49Z
dc.date.available2023-09-29T21:39:49Z
dc.date.issued2023
dc.descriptionLos big data y la atención médica son esenciales para analizar el riesgo de rehospitalización de pacientes con enfermedades crónicas e incluso pueden ayudar a prevenir su deterioro. Al aprovechar la información, las instituciones de atención médica pueden brindar atención preventiva precisa y, por lo tanto, reducir las admisiones hospitalarias. El nivel de cálculo de riesgos permitirá planificar el gasto en atención hospitalaria, para garantizar que los espacios y recursos médicos estén disponibles para aquellos que más lo necesitan. Este artículo presenta varios modelos supervisados para predecir cuándo un paciente puede ser hospitalizado nuevamente, después de su alta. Además, se llevará a cabo un análisis de explicación con los modelos predictivos para extraer información asociada con las predicciones que hacen, para determinar, por ejemplo, el grado de importancia de los predictores/descriptores. De esta manera, busca hacer que los resultados obtenidos sean más comprensibles para el personal de salud.spa
dc.description.abstractBig Data and medical care are essential to analyze the risk of re-hospitalization of patients with chronic diseases and can even help prevent their deterioration. By leveraging the information, healthcare institutions can deliver accurate preventive care, and thus, reduce hospital admissions. The level of risk calculation will allow planning the spending on in-patient care, in order to ensure that medical spaces and resources are available to those who need it most. This article presents several supervised models to predict when a patient can be hospitalized again, after its discharge. In addition, an explainability analysis will be carried out with the predictive models to extract information associated with the predictions they make, in order to determine, for example, the degree of importance of the predictors/descriptors. In this way, it seeks to make the results obtained more understandable for health personnel.spa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Ciencias de Datos y Analíticaspa
dc.format.mimetypeapplication/pdf
dc.identifier.ddc006.31 L864
dc.identifier.instnameinstname:Universidad EAFIT
dc.identifier.reponamereponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourlrepourl:https://repository.eafit.edu.co
dc.identifier.urihttps://hdl.handle.net/10784/33006
dc.language.isospa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentÁrea Computación y Analíticaspa
dc.publisher.facultyEscuela de Ciencias Aplicadas e Ingenieríaspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/closedAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_14cb
dc.rights.localAcceso metadatos
dc.rights.localspa
dc.subjectModelos de predicciónspa
dc.subjectAnálisis de explicabilidadspa
dc.subjectReingreso hospitalariospa
dc.subjectSistemas de toma de decisiones en saludspa
dc.subject.keywordPrediction Modelsspa
dc.subject.keywordMachine learningspa
dc.subject.keywordExplainability analysisspa
dc.subject.keywordHospital Readmissionspa
dc.subject.keywordHealth decision-making Systemsspa
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)spa
dc.subject.lembCIENCIA DE LA INFORMACIÓNspa
dc.subject.lembPROCESAMIENTO ELECTRÓNICO DE DATOSspa
dc.titleAnálisis de explicabilidad en modelos predictivos basados en técnicas de aprendizaje automático sobre el riesgo de re-ingresos hospitalarios
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.localTesis de Maestríaspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
dc.type.spaMonografía
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
383.95 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
JuanCamilo_LoperaBedoya_2023.pdf
Tamaño:
1.49 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit.pdf
Tamaño:
91.68 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)