Diseño de un aplicativo para la identificación del estado de riesgo biopsicosocial en madres gestantes
Fecha
2019Autor(es)
Álvarez Obregón, María AlejandraBuitrago Cáceres, Daniel Andrés
Roa Ruiz, María Fernanda
Tapia Ceballos, Juan José
Director(es)
Martínez Eraso, Camilo ErnestoPublicador
Pontificia Universidad Javeriana
Facultad
Facultad de Ingeniería
Programa
Ingeniería Industrial
Título obtenido
Ingeniero (a) Industrial
Tipo
Tesis/Trabajo de grado - Monografía - Pregrado
Compartir este registro
Citación
Documentos PDF
Resumen
La muerte fetal en Colombia es considerada como un problema de alto impacto en la salud pública, debido a que vulnera la salud de la madre y genera efectos emocionales tanto para ella como para su familia. A lo largo de los años, se han realizado diferentes estudios que han comprobado que los factores biopsicosociales tienen incidencia en la muerte fetal y que es de vital importancia tratarlos durante todo el embarazo. Este trabajo busca crear un modelo predictivo que identifique estas variables y permita identificar tempranamente este tipo de condiciones negativas en la salud de las madre. Usa como método de modelamiento el Auto Machine Learning, para desarrollar ágilmente modelos similares a problemas de clasificación. Para esto, se implementó una herramienta de Python llamada TPOT, que crea y optimiza automáticamente las tuberías de aprendizaje automático mediante la programación genética, para encontrar los mejores parámetros y conjuntos de algoritmos. Para el desarrollo del modelo, se utilizaron las bases de datos de natalidad y defunciones fetales del DANE, desde el año 2007 hasta el 2016 y se obtuvo como resultado Gradient Boosting, el cual arrojó una precisión de 80.7%. Finalmente, para identificar el estado riesgo biopsicosocial en madres que asisten periódicamente a controles prenatales, se desarrolló un aplicativo que funciona mediante una interfaz, la cual permite al médico conocer si la madre presenta o no un riesgo.
Abstract
Fetal death in Colombia is considered a problem of high impact on public health, because it affects the health of the mother and produces emotional effects for her and her family. Over the years, different studies have been carry out that have shown that biopsychosocial factors have an impact on fetal death and that it is of vital importance to treat them throughout pregnancy. This work seeks to create a predictive model that identifies these variables and allows early identification of such negative conditions in the health of the mother. Use the Auto Machine Learning modeling method to agilely develop models similar to classification problems. For this, a Python tool called TPOT was implemented, which automatically creates and optimizes the automatic learning pipes through genetic programming, to find the best parameters and sets of algorithms. For the development of the model, the databases of birth and fetal deaths of DANE were used, from 2007 to 2016, and the result was Gradient Boosting, which showed as a result an accuracy of 80.7%. Finally, to identify the biopsychosocial ri sk status in mothers who periodically attend to prenatal control, an application was developed that works through an interface, which allows the doctor to know if the mother presents a risk or not.
Palabras clave
Riesgos biopsicosocialesAprendizaje automático automatizado
Herramienta de optimización de tubería basada en árboles
Cobertura espacial
ColombiaTemas
Ingeniería industrial - Tesis y disertaciones académicasPeriodo de embarazo
Mortalidad materna
Desarrollo fetal
Gradiente
Estadísticas Google Analytics
Colecciones
- Ingeniería Industrial [1112]