Modelo bayesiano nutricional para el pronóstico de la morbilidad en neonatos
Se ha diseado esta investigacin con el objetivo de formular un modelo bayesiano nutricional para el pronstico de la morbilidad en neonatos de madres gestantes de Lima Metropolitana. Este modelo est basado en algoritmos de Naive Bayes que consiste en clasificar el aprendizaje automtico con variables...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Artículo |
| Lenguaje: | español |
| Publicado: |
2019
|
| Materias: | |
| Acceso en línea: | Descargar el archivo Enlace permanente (DOI o Handle) Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881508928494239744 |
|---|---|
| author | Soria Quijaite, Juan Jesus Saboya Rios, Nemias Loaiza Jara, Omar Leonel |
| author_browse | Loaiza Jara, Omar Leonel Saboya Rios, Nemias Soria Quijaite, Juan Jesus |
| author_facet | Soria Quijaite, Juan Jesus Saboya Rios, Nemias Loaiza Jara, Omar Leonel |
| author_sort | Soria Quijaite, Juan Jesus |
| collection | Producción científica |
| description | Se ha diseado esta investigacin con el objetivo de formular un modelo bayesiano nutricional para el pronstico de la morbilidad en neonatos de madres gestantes de Lima Metropolitana. Este modelo est basado en algoritmos de Naive Bayes que consiste en clasificar el aprendizaje automtico con variables predictoras independientes entre si. Asimismo, se ha aplicado algoritmos matemticos para la exploracin de la informacin respecto a la prevencin de posibles problemas relacionados con la salud. Se utiliz 13 variables nutricionales predictoras propuesta por Krauss. La investigacin consiti en primer lugar, en la recopilacin de la informacin nutricional de manera controlada de las gestantes involucradas, luego, se analiz la informacin para determinar la relacin de las variables ms influyentes , posteriormente se elabor el modelo bayesiano de caracterstica acclica y dirigida compuesta por nodos y aristas, porque se conoce que las variables afectan directamente a la morbilidad del neonato y finalmente se valid el modelo considerando los resultados estadsticos de las variables nutricionales, como parte del proceso de formulacin del modelo y por juicio de expertos en el tema. En conclusin, las variables predictoras que influyen directamente son: panes, azcares, aceites, grasas y sal; e indirectamente: frutas, agua, verduras y hortalizas; asimismo el modelo pronostica la morbilidad del neonato con una probabilidad del 92 % y un error del 8.0 %. |
| format | Article |
| id | oai:cris.upeu.edu.pe:20.500.15037/960 |
| institution | UPeU |
| language | Spanish |
| publishDate | 2019 |
| publishDateRange | 2019 |
| publishDateSort | 2019 |
| record_format | dspace |
| spelling | oai:cris.upeu.edu.pe:20.500.15037/9602026-11-02T12:57:04ZModelo bayesiano nutricional para el pronóstico de la morbilidad en neonatosSoria Quijaite, Juan JesusSaboya Rios, NemiasLoaiza Jara, Omar Leonelnewborn morbiditybayesian networksmorbidity prognosisSe ha diseado esta investigacin con el objetivo de formular un modelo bayesiano nutricional para el pronstico de la morbilidad en neonatos de madres gestantes de Lima Metropolitana. Este modelo est basado en algoritmos de Naive Bayes que consiste en clasificar el aprendizaje automtico con variables predictoras independientes entre si. Asimismo, se ha aplicado algoritmos matemticos para la exploracin de la informacin respecto a la prevencin de posibles problemas relacionados con la salud. Se utiliz 13 variables nutricionales predictoras propuesta por Krauss. La investigacin consiti en primer lugar, en la recopilacin de la informacin nutricional de manera controlada de las gestantes involucradas, luego, se analiz la informacin para determinar la relacin de las variables ms influyentes , posteriormente se elabor el modelo bayesiano de caracterstica acclica y dirigida compuesta por nodos y aristas, porque se conoce que las variables afectan directamente a la morbilidad del neonato y finalmente se valid el modelo considerando los resultados estadsticos de las variables nutricionales, como parte del proceso de formulacin del modelo y por juicio de expertos en el tema. En conclusin, las variables predictoras que influyen directamente son: panes, azcares, aceites, grasas y sal; e indirectamente: frutas, agua, verduras y hortalizas; asimismo el modelo pronostica la morbilidad del neonato con una probabilidad del 92 % y un error del 8.0 %.Articlehttps://revistas.unitru.edu.pe/index.php/SSMM/article/download/2641/2659http://doi.org/10.17268/sel.mat.2019.02.1910.17268/sel.mat.2019.02.19https://hdl.handle.net/20.500.15037/960W2998497627esSelecciones Matemáticas2411-17832019-12-272026-06-13T09:41:34Z2026-06-13T09:41:34Z |
| spellingShingle | newborn morbidity bayesian networks morbidity prognosis Soria Quijaite, Juan Jesus Saboya Rios, Nemias Loaiza Jara, Omar Leonel Modelo bayesiano nutricional para el pronóstico de la morbilidad en neonatos |
| title | Modelo bayesiano nutricional para el pronóstico de la morbilidad en neonatos |
| title_full | Modelo bayesiano nutricional para el pronóstico de la morbilidad en neonatos |
| title_fullStr | Modelo bayesiano nutricional para el pronóstico de la morbilidad en neonatos |
| title_full_unstemmed | Modelo bayesiano nutricional para el pronóstico de la morbilidad en neonatos |
| title_short | Modelo bayesiano nutricional para el pronóstico de la morbilidad en neonatos |
| title_sort | modelo bayesiano nutricional para el pronostico de la morbilidad en neonatos |
| topic | newborn morbidity bayesian networks morbidity prognosis |
| topic_facet | newborn morbidity bayesian networks morbidity prognosis |
| url | https://revistas.unitru.edu.pe/index.php/SSMM/article/download/2641/2659 http://doi.org/10.17268/sel.mat.2019.02.19 https://hdl.handle.net/20.500.15037/960 |
| work_keys_str_mv | AT soriaquijaitejuanjesus modelobayesianonutricionalparaelpronosticodelamorbilidadenneonatos AT saboyariosnemias modelobayesianonutricionalparaelpronosticodelamorbilidadenneonatos AT loaizajaraomarleonel modelobayesianonutricionalparaelpronosticodelamorbilidadenneonatos |