Clasificación de la densidad mineral ósea utilizando técnicas de aprendizaje automático en niños y adolescentes según edad y sexo
| dc.contributor.author | Sulla-Torres, Jose | |
| dc.contributor.author | Bedoya-Carrillo, Alan | |
| dc.contributor.author | Gomez-Campos, Rossana | |
| dc.contributor.author | Cossio-Bolaños, Marco | |
| dc.date.accessioned | 2019-08-17T03:07:59Z | |
| dc.date.accessioned | 2022-02-22T12:02:33Z | |
| dc.date.available | 2019-08-17T03:07:59Z | |
| dc.date.available | 2022-02-22T12:02:33Z | |
| dc.date.issued | 2019-07 | |
| dc.description.abstract | La salud ósea es un campo que ha tomado mucha importancia en los últimos años, en especial en enfermedades relacionadas a los huesos, puesto que cada vez son más comunes entre los seres humanos. La osteoporosis actualmente causa un estimado de 8.9 millones de fracturas anualmente. La densidad mineral ósea (DMO) y contenido mineral óseo (CMO) son indicadores que permiten diagnosticar el problema de la salud ósea. El objetivo de este estudio es clasificar la DMO en niños y adolescentes utilizando técnicas de aprendizaje automático. Se desarrolló un estudio descriptivo de corte transversal. Se estudió a 660 escolares de dos centros educativos con un rango de edad de 6 a 18 años de la provincia de Arequipa (Perú). Se evaluó variables antropométricas. Se determinó la DMO y CMO. Se calculó el Índice de Masa Corporal (IMC), y se hizo un estudio comparativo de 9 algoritmos de aprendizaje automático relacionados al tema. Estos incluyen árboles de decisión, redes bayesianas, tablas de decisión y de regresión. El algoritmo que clasifica mejor la de DMO es el de Random Forest con un porcentaje de precisión de 94.87%. Este algoritmo permitió implementar un software. Esta herramienta permite calcular la salud ósea de los escolares entre 6 a 18 años. El algoritmo obtenido puede ser implementado de un software de predicción que permita la clasificación y prevención del deterioro de la salud ósea de niños y adolescentes. | en_US |
| dc.description.country | Peru | en |
| dc.description.institution | Universidad Católica de Santa María | en |
| dc.description.track | Software Engineering, Telecommunications, Cybersecurity and Computational tools | en |
| dc.identifier.isbn | 978-958-52071-4-1 | |
| dc.identifier.issn | 2414-6390 | |
| dc.identifier.other | http://laccei.org/LACCEI2019-MontegoBay/meta/FP120.html | |
| dc.identifier.uri | http://dx.doi.org/10.18687/LACCEI2019.1.1.120 | |
| dc.identifier.uri | https://axces.info/handle/10.18687/20190101_120 | |
| dc.journal.referato | peerReview | |
| dc.language.iso | English | en_US |
| dc.publisher | LACCEI, Inc. | en_US |
| dc.rights | LACCEI License | |
| dc.rights.uri | https://laccei.org/blog/copyright-laccei-papers/ | |
| dc.subject | Aprendizaje automático | en_US |
| dc.subject | árbol de decisión | en_US |
| dc.subject | densidad mineral ósea | en_US |
| dc.subject | niños y adolescentes | en_US |
| dc.subject | clasificación | en_US |
| dc.title | Clasificación de la densidad mineral ósea utilizando técnicas de aprendizaje automático en niños y adolescentes según edad y sexo | |
| dc.type | Article | en_US |