Mostrar el registro sencillo del ítem

dc.contributor.advisorZambrano Loli, Gener Víctor
dc.contributor.authorTello Cárdenas, Franklin Junior
dc.contributor.authorJesus Aquino, Jhanmaicol Ángel
dc.date.accessioned2024-02-20T16:45:14Z
dc.date.available2024-02-20T16:45:14Z
dc.date.issued2023
dc.identifier.urihttps://hdl.handle.net/20.500.12727/13225
dc.description.abstractEn la investigación se abordó la problemática de la anemia infantil, con el objetivo de desarrollar una solución de software que incluya un módulo de machine learning, para predecir el éxito de un tratamiento anemia en infantes hasta los 35 meses del centro de salud Santa Clara de la DIRIS Lima Este. Se utilizo como enfoque de investigación la ruta cuantitativa, también se utilizó como tipo de investigación la predictiva, se utilizó la técnica de clasificación y el algoritmo de clasificación de Regresión Logística. Se realizó 38 pruebas con origen a los datos de prueba que representan el 30 por ciento de los 126 registros. Se logró identificar seis variables predictoras significativas con relación al registro de la medición de hemoglobina, a la recomendación dietética realiza en la atención nutricional y entregas de tratamientos de anemia, que fueron identificados por el nivel de confianza medido por el valor P, para predecir el éxito de un tratamiento de la anemia infantil en infantes hasta los 35 meses de edad. Se logró desarrollar el módulo de aprendizaje supervisado con el modelo de regresión logística con una exactitud aproximada de 0.82 equivalente al 82%, para predecir el éxito de un tratamiento de anemia en infantes hasta los 35 meses del centro de salud Santa Clara de la DIRIS Lima este, además se integró los módulos de consulta, mantenimiento y DASHBOARD.es_PE
dc.formatapplication/pdfes_PE
dc.format.extent276 p.es_PE
dc.language.isospaes_PE
dc.publisherUniversidad de San Martín de Porreses_PE
dc.rightsinfo:eu-repo/semantics/restrictedAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/es_PE
dc.sourceRepositorio Académico USMPes_PE
dc.sourceUniversidad San Martín de Porres - USMPes_PE
dc.subjectAnemia infantiles_PE
dc.subjectCentro de saludes_PE
dc.subjectMachine learninges_PE
dc.subjectRegresión logísticaes_PE
dc.subjectAplicación webes_PE
dc.titleAplicación web con machine learning para predecir el éxito de un tratamiento de anemia infantil de un centro de salud
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero de Computación y Sistemases_PE
thesis.degree.grantorUniversidad de San Martín de Porres. Facultad de Ingeniería y Arquitecturaes_PE
thesis.degree.disciplineIngeniería de Computación y Sistemases_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.02.01es_PE
renati.advisor.dni09347129
renati.advisor.orcidhttps://orcid.org/0000-0001-5173-8337es_PE
renati.author.dni46484551
renati.author.dni74301718
renati.discipline611066es_PE
renati.jurorFigueroa Revilla, Jorge Martin
renati.jurorLeon Lescano, Norma Birginia
renati.jurorYamao, Eiriku
renati.jurorPalomino Guerrero, Carla Rocio
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(es)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/restrictedAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/restrictedAccess