Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático
La hipertensión arterial es una de las principales causas de mortalidad a nivel mundial, y su detección temprana es crucial para prevenir complicaciones graves. Este estudio tiene como objetivo desarrollar un modelo de inteligencia artificial para predecir la hipertensión arterial de manera eficient...
Guardado en:
| Autores principales: | , , |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2025
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510361239126016 |
|---|---|
| author | Arce Saavedra, Eduardo Antonio Orbegoso Bardales, Francisco Torres Sánchez, Ronald |
| author2 | Cruz Rodriguez, Joseph Ibrahim |
| author_browse | Arce Saavedra, Eduardo Antonio Cruz Rodriguez, Joseph Ibrahim Orbegoso Bardales, Francisco Torres Sánchez, Ronald |
| author_facet | Cruz Rodriguez, Joseph Ibrahim Arce Saavedra, Eduardo Antonio Orbegoso Bardales, Francisco Torres Sánchez, Ronald |
| author_sort | Arce Saavedra, Eduardo Antonio |
| collection | Repositorio institucional |
| description | La hipertensión arterial es una de las principales causas de mortalidad a nivel mundial, y su detección temprana es crucial para prevenir complicaciones graves. Este estudio tiene como objetivo desarrollar un modelo de inteligencia artificial para predecir la hipertensión arterial de manera eficiente. Se utilizó una metodología cuantitativa basada en un diseño transversal descriptivo, analizando datos de 70,692 encuestas del conjunto "Diabetes, Hypertension and
Stroke Prediction". La preparación de los datos incluyó limpieza, imputación de valores faltantes y normalización de características. Durante la construcción del modelo, se entrenaron varios clasificadores utilizando Scikit-Learn, logrando métricas de exactitud, recuperación y F1-Score del 100%. Además, se implementó una API en Python que facilita el acceso a las predicciones, permitiendo su integración en entornos clínicos. Este enfoque no solo mejora la precisión en la
identificación de casos, sino que también allana el camino para una intervención más temprana y efectiva en el manejo de la hipertensión, contribuyendo así a la mejora de los resultados de salud de los pacientes. |
| escuela_str_mv | Ingeniería Sistemas |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/8602 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Tecnología de información e innovación tecnológica. |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería eléctrica, electrónica e informática |
| ocde_str_mv | 2.02.04 |
| programa_nombre_str_mv | Ingeniería de Sistemas |
| programa_pxx_str_mv | P27 |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Tarapoto |
| spelling | Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático Arce Saavedra, Eduardo Antonio Orbegoso Bardales, Francisco Torres Sánchez, Ronald Cruz Rodriguez, Joseph Ibrahim Hipertensión Arterial Aprendizaje Automático Scikit-Learn, API Modelo predictivo. La hipertensión arterial es una de las principales causas de mortalidad a nivel mundial, y su detección temprana es crucial para prevenir complicaciones graves. Este estudio tiene como objetivo desarrollar un modelo de inteligencia artificial para predecir la hipertensión arterial de manera eficiente. Se utilizó una metodología cuantitativa basada en un diseño transversal descriptivo, analizando datos de 70,692 encuestas del conjunto "Diabetes, Hypertension and Stroke Prediction". La preparación de los datos incluyó limpieza, imputación de valores faltantes y normalización de características. Durante la construcción del modelo, se entrenaron varios clasificadores utilizando Scikit-Learn, logrando métricas de exactitud, recuperación y F1-Score del 100%. Además, se implementó una API en Python que facilita el acceso a las predicciones, permitiendo su integración en entornos clínicos. Este enfoque no solo mejora la precisión en la identificación de casos, sino que también allana el camino para una intervención más temprana y efectiva en el manejo de la hipertensión, contribuyendo así a la mejora de los resultados de salud de los pacientes. 2025-02-24 2025-03-31T23:04:58Z 2025-03-31T23:04:58Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/8602 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/8602 2026-11-10T17:45:09Z |
| spellingShingle | Hipertensión Arterial Aprendizaje Automático Scikit-Learn, API Modelo predictivo. Arce Saavedra, Eduardo Antonio Orbegoso Bardales, Francisco Torres Sánchez, Ronald Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático |
| title | Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático |
| title_full | Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático |
| title_fullStr | Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático |
| title_full_unstemmed | Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático |
| title_short | Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático |
| title_sort | desarrollo de una api para la prediccion de hipertension arterial mediante aprendizaje automatico |
| topic | Hipertensión Arterial Aprendizaje Automático Scikit-Learn, API Modelo predictivo. |
| topic_facet | Hipertensión Arterial Aprendizaje Automático Scikit-Learn, API Modelo predictivo. |
| url | https://hdl.handle.net/20.500.12840/8602 |
| work_keys_str_mv | AT arcesaavedraeduardoantonio desarrollodeunaapiparalapredicciondehipertensionarterialmedianteaprendizajeautomatico AT orbegosobardalesfrancisco desarrollodeunaapiparalapredicciondehipertensionarterialmedianteaprendizajeautomatico AT torressanchezronald desarrollodeunaapiparalapredicciondehipertensionarterialmedianteaprendizajeautomatico |