Predicción de hipertensión arterial a través de un sistema de regresión logística

Cynthia Mayumi Tesillo Gomez, Yuri Alexander Escobar Arcaya, Edwin Daniel León Gutierrez
{"title":"Predicción de hipertensión arterial a través de un sistema de regresión logística","authors":"Cynthia Mayumi Tesillo Gomez, Yuri Alexander Escobar Arcaya, Edwin Daniel León Gutierrez","doi":"10.48168/innosoft.s6.a44","DOIUrl":null,"url":null,"abstract":"En el Perú y el mundo entero la hipertensión es una enfermedad que puede avanzar sin manifestar ningún síntoma o éstos ser muy leves. Se puede tener hipertensión arterial y no sentir ninguna manifestación, la hipertensión arterial es un serio problema de salud pública en países en desarrollo como el nuestro: según la Encuesta Demográfica y de Salud Familiar de 2017, aunque la prevalencia de hipertensión en personas de 15 años a más se habría reducido de 14,8 % en 2014, a 13,6 %, implica que más de 3 millones de peruanos viven con hipertensión arterial. Por ese motivo nuestro objetivo es el rápido diagnóstico  de esta enfermedad silenciosa, en el presente trabajo se utilizó  el sistema de regresión logística, para el cual se posee un dataset de 5615 registros analizados. Este artículo presenta la posibilidad de detectar una enfermedad como la hipertensión arterial basado en inteligencia artificial, ya que este mal ha ido aumentando en los últimos años. Por ese motivo el objetivo es predecir de manera rápida un posible diagnóstico de hipertensión arterial, para ello se analizó un dataset de 5615 registros en la aplicación web Jupyter Notebook, estableciendo 9 variables de entrada y 1 de salida, además se utilizó el sistema de regresión logística, tratamientos de datos missing y outlaiers, gráficas de variables, obteniendo como resultado una precisión media aceptable del 87%.","PeriodicalId":52619,"journal":{"name":"Innovacion y Software","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2021-09-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Innovacion y Software","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.48168/innosoft.s6.a44","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

En el Perú y el mundo entero la hipertensión es una enfermedad que puede avanzar sin manifestar ningún síntoma o éstos ser muy leves. Se puede tener hipertensión arterial y no sentir ninguna manifestación, la hipertensión arterial es un serio problema de salud pública en países en desarrollo como el nuestro: según la Encuesta Demográfica y de Salud Familiar de 2017, aunque la prevalencia de hipertensión en personas de 15 años a más se habría reducido de 14,8 % en 2014, a 13,6 %, implica que más de 3 millones de peruanos viven con hipertensión arterial. Por ese motivo nuestro objetivo es el rápido diagnóstico  de esta enfermedad silenciosa, en el presente trabajo se utilizó  el sistema de regresión logística, para el cual se posee un dataset de 5615 registros analizados. Este artículo presenta la posibilidad de detectar una enfermedad como la hipertensión arterial basado en inteligencia artificial, ya que este mal ha ido aumentando en los últimos años. Por ese motivo el objetivo es predecir de manera rápida un posible diagnóstico de hipertensión arterial, para ello se analizó un dataset de 5615 registros en la aplicación web Jupyter Notebook, estableciendo 9 variables de entrada y 1 de salida, además se utilizó el sistema de regresión logística, tratamientos de datos missing y outlaiers, gráficas de variables, obteniendo como resultado una precisión media aceptable del 87%.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
使用logistic回归系统预测动脉高血压
在秘鲁和全世界,高血压是一种可以在没有任何症状或非常轻微症状的情况下发展的疾病。可能有高血压和没有任何感觉,高血压的表现是一个严重的公共卫生问题在像我们这样的发展中国家:据2017年人口和家庭健康调查,15岁的人群中高血压患病率超过将从14.80%在2014年降至13,6 %,秘鲁意味着300多万居住与高血压。因此,我们的目标是快速诊断这种无声疾病,在目前的工作中,我们使用了logistic回归系统,为此我们有5615条分析记录的数据集。这篇文章提出了基于人工智能检测高血压等疾病的可能性,因为这种疾病近年来一直在增加。。正是出于这个原因,我们的目标是快速地预测可能是高血压的诊断数据进行了分析,为此5615在web应用程序记录Jupyter笔记本设置9变量输入和输出1,除了使用logistic回归系统治疗,派和outlaiers数据、图表等变量,87%的中等精度可接受的结果。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
审稿时长
12 weeks
期刊最新文献
Predicción de la presión de burbujeo utilizando aprendizaje automático Clasificación de texto con NLP en tweets relacionados con desastres naturales Sistema de reconocimiento facial para el control de accesos mediante Inteligencia Artificial Modelo de Autentificación de Doble Factor Uso de las redes neuronales para determinar la calificación de una aplicación publicada en Google Play Store
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1