Detección de patrones de comportamiento utilizando técnicas de minería de datos en expedientes clínicos de pacientes prediabéticos

Abstract

El objetivo del presente trabajo fue obtener patrones de comportamiento de los expedientes clínicos de pacientes pre-diabéticos, utilizando técnicas de minería de datos, como apoyo a la toma de decisiones para el control de la diabetes. Para el logro de las metas trazadas se aplicó software de minería de datos Weka, que se caracteriza por tener las funciones necesarias que permitieron realizar transformaciones sobre los datos, así como tareas selección de atributos, clasificación, clustering para la extracción del conocimiento en las bases de datos. Las bases de datos sobre las que se trabajó son Adultos 20 años o más de la Encuesta Nacional de Salud y Nutrición (ENSANUT) 2012, Glucosa y Lípidos de ENSANUT 2006. La metodología de minería de datos que se utilizó es CRISP-DM (Cross Industry Standard Process for Data Mining), las fases que la integran son: comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación e implementación, estas permitieron obtener un proceso de minería de datos. Según el problema propuesto y el objetivo planteado, la investigación se encuadró bajo un enfoque cualitativo que se basa en la recolección de datos sin medición numérica para descubrir o afinar preguntas de investigación, así como en el método hermenéutico digital y etnográfico que comparten la finalidad de interpretar y comprender datos, que permitan descubrir contextos nuevos en los grandes volúmenes de información. Los patrones de comportamiento encontrados en las bases de datos se pueden ver en el anexo G. El impacto de esta investigación se ve reflejado en la extracción de conocimiento en grandes almacenes de datos como son los expedientes clínicos, así mismo permite la clasificación, provee un mayor grado de certeza, ahorra tiempo y recursos siendo estos los más importantes. La forma de innovar utilizando herramientas de minería de datos está en la parte de que además de conocer las características de un solo individuo, permite también conocer las de una población determinada, así como generar arboles de decisión respecto a datos de control de la enfermedad. El beneficio social está la cultura de la prevención, así como control de la diabetes.