Caracterización de pacientes con preeclampsia mediante aprendizaje no supervisado.

Abstract

La preeclampsia es una de las enfermedades hipertensivas más frecuentes durante el embarazo. Sabiendo las características de estas pacientes se puede realizar una mejor distribución de las áreas médicas dentro del hospital. Es por ello que se aplican herramientas de clusterización para poder agrupar a las pacientes y conocer sus características. El presente trabajo de titulación tiene como finalidad presentar un modelo que permita caracterizar a pacientes con preeclampsia haciendo uso de la técnica mencionada en el presente trabajo de titulación, la cual hace uso de algoritmos no supervisados. El conjunto de datos que se utilizó para el clústering, pertenece a las pacientes con preeclampsia que se atendieron en el hospital IESS Los Ceibos. Para llevar a cabo el agrupamiento se eligieron los algoritmos K-Means y EM. Basado en la comparación de los 6 modelos aplicados se escogió el modelo de tres clústeres con K-Means ya que es el que muestra mayores diferencias entre sí.

Preeclampsia is one of the most frequent hypertensive diseases during pregnancy. Knowing the characteristics of these patients allows a better distribution of the medical areas within the hospital. For this reason, clustering tools are applied to group the patients and to know their characteristics. The purpose of this thesis is to present a model that allows characterizing patients with preeclampsia using the technique mentioned in this thesis, which makes use of unsupervised algorithms. The data set used for the clustering belongs to the patients with preeclampsia who were treated at the IESS Los Ceibos hospital. The K-Means and EM algorithms were chosen to carry out the clustering. Based on the comparison of the 6 models applied, the three-cluster model with K-Means was chosen as it is the one that shows the greatest differences between them.