Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión

Los pacientes con Diabetes Melitus tipo 1 (DMT1) presentan problemas de regulación de glucosa en sangre (glucemia). Por ello es de gran importancia generar modelos matemáticos capaces de predecir con exactitud su evolución temporal para mejorar la precisión la dosis de insulina a inyectarse y manten...

Descripción completa

Detalles Bibliográficos
Autores principales: Griva, Lucas, Basualdo, Marta
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2021
Materias:
Ciencias Informáticas
Diabetes
Modelos matemáticos
Glucemia
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/140847
http://50jaiio.sadio.org.ar/pdfs/cais/CAIS-16.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-140847
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Diabetes
Modelos matemáticos
Glucemia
spellingShingle Ciencias Informáticas
Diabetes
Modelos matemáticos
Glucemia
Griva, Lucas
Basualdo, Marta
Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
topic_facet Ciencias Informáticas
Diabetes
Modelos matemáticos
Glucemia
description Los pacientes con Diabetes Melitus tipo 1 (DMT1) presentan problemas de regulación de glucosa en sangre (glucemia). Por ello es de gran importancia generar modelos matemáticos capaces de predecir con exactitud su evolución temporal para mejorar la precisión la dosis de insulina a inyectarse y mantenerse dentro de valores saludables. En este trabajo se propone el desarrollo de un modelo global que incluye submodelos de largo y corto alcance que trabajan en modo combinado. Además se le anexan dos árboles de decisión que van supervisando las predicciones y seleccionando cuál de los submodelos presenta mayor grado de exactitud en sus estimaciones. Se realizaron pruebas con 7 pacientes diabéticos que permiten realizar comparaciones rigurosas. La implementación computacional de este tipo de modelo permite realizar pruebas para el ajuste de los algoritmos de control capaces de calcular con mayor precisión las dosis de insulina a aplicarse.
format Objeto de conferencia
Objeto de conferencia
author Griva, Lucas
Basualdo, Marta
author_facet Griva, Lucas
Basualdo, Marta
author_sort Griva, Lucas
title Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_short Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_full Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_fullStr Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_full_unstemmed Modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
title_sort modelado inteligente del sistema endocrino de pacientes diabéticos empleando árboles de decisión
publishDate 2021
url http://sedici.unlp.edu.ar/handle/10915/140847
http://50jaiio.sadio.org.ar/pdfs/cais/CAIS-16.pdf
work_keys_str_mv AT grivalucas modeladointeligentedelsistemaendocrinodepacientesdiabeticosempleandoarbolesdedecision
AT basualdomarta modeladointeligentedelsistemaendocrinodepacientesdiabeticosempleandoarbolesdedecision
bdutipo_str Repositorios
_version_ 1764820459680956417

Ejemplares similares