Apply machine learning to predict cardiovascular risk in rural clinics from Mexico

Zambrano de la Torre, Misael; Guzmán Fernández, Maximiliano; Sifuentes Gallardo, Claudia; Gamboa Rosales, Hamurabi; Luna García, Huizilopoztli; Sandoval García, Ernesto; Durán Muñoz, Héctor

DSpace Principal
→
Maestría en Ciencias del Procesamiento de la Información
→
*Documentos Académicos*-- M. en Ciencias del Proc. de la Info.
→
Ver ítem

dc.contributor.advisor	Héctor Durán-Muñoz	es_ES
dc.contributor.other	https://orcid.org/0000-0002-9498-6602
dc.contributor.other	0000-0002-9498-6602
dc.coverage.spatial	Global	es_ES
dc.creator	Zambrano de la Torre, Misael
dc.creator	Guzmán Fernández, Maximiliano
dc.creator	Sifuentes Gallardo, Claudia
dc.creator	Gamboa Rosales, Hamurabi
dc.creator	Luna García, Huizilopoztli
dc.creator	Sandoval García, Ernesto
dc.creator	Durán Muñoz, Héctor
dc.date.accessioned	2022-08-29T17:34:29Z
dc.date.available	2022-08-29T17:34:29Z
dc.date.issued	2021-08-05
dc.identifier	info:eu-repo/semantics/publishedVersion	es_ES
dc.identifier.isbn	978-967-2948-12-4	es_ES
dc.identifier.uri	http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3034
dc.identifier.uri	http://dx.doi.org/10.48779/ricaxcan-144
dc.description	Approximately 41 million people in the world die each year from cardiovascular diseases. In Mexico, it is one of the main causes of death per year. This problem is even more critical in rural areas of Mexico. Due to the limited number of specialized medical equipment available in these clinics. Therefore, the objective of this work is to propose a new stage in the methodology used in machine learning for the classification of cardiovascular risk in rural clinics in Mexico. The importance of this work is being able to classify patients based only on non-invasive attributes, avoiding the use of specialized clinical equipment. For this purpose, the Heart Disease Data Set repository is used to implement the new stage. The methodology to be implemented consists of 6 stages. The performance of the three algorithms is compared in terms of four parameters. The results obtained show that only 4 attributes are required for classification with an 80% acceptance rate.	es_ES
dc.description.abstract	Aproximadamente 41 millones de personas en el mundo mueren cada año por enfermedades cardiovasculares. En México es una de las principales causas de muerte al año. Este problema es aún más crítico en las zonas rurales de México. Debido al número limitado de equipo médico especializado disponible en estas clínicas. Por tanto, el objetivo de este trabajo es proponer una nueva etapa en la metodología utilizada en aprendizaje automático para la clasificación del riesgo cardiovascular en clínicas rurales de México. La importancia de este trabajo es poder clasificar a los pacientes en base únicamente a atributos no invasivos, evitando el uso de equipos clínicos especializados. Para ello, se utiliza el repositorio Heart Disease Data Set para implementar la nueva etapa	es_ES
dc.language.iso	eng	es_ES
dc.publisher	Department of Mathematical Sciences Faculty of Computer & Mathematical Sciences UiTM Kedah	es_ES
dc.relation	https://36f92a07-7496-48b7-b8c5-d4b3a7a690bd.filesusr.com/ugd/9483e7_fa3419ecd9a748208fc6b7e8d5421225.pdf	es_ES
dc.relation.ispartof	https://uitmicms.wixsite.com/icms2021/publication	es_ES
dc.relation.uri	generalPublic	es_ES
dc.rights	CC0 1.0 Universal	*
dc.rights.uri	http://creativecommons.org/publicdomain/zero/1.0/	*
dc.source	the 5th International Conference on Computing, Mathematics and Statistics (4-5 de Agosto), Malaysia, pp 335-342	es_ES
dc.subject.classification	INGENIERIA Y TECNOLOGIA [7]	es_ES
dc.subject.other	Machine Learning	es_ES
dc.subject.other	Cardiovascular risk	es_ES
dc.subject.other	Specialized medical equipment	es_ES
dc.title	Apply machine learning to predict cardiovascular risk in rural clinics from Mexico	es_ES
dc.type	info:eu-repo/semantics/bookPart	es_ES