• Communities & Collections
  • Browse
    • Log In
      New user? Click here to register.Have you forgotten your password?
  • English
  • Español
Repository logo

Repositorio

Nacional

  • Communities & Collections
  • Browse
    • Log In
      New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Ortiz Navarrete, Miguel Dimitri"

0-9ABCDEFGHIJKLMNOPQRSTUVWXYZ
Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    Minería de datos para segmentación de clientes en el Laboratorio Clínico particular Pura Vida
    (PUCE - Quito, 2023) Ortiz Navarrete, Miguel Dimitri; Pincay Nieves, Jhonny Vladimir
    La finalidad de este proyecto es aplicar técnicas de minería de datos que permitan obtener información que apoye a la toma de decisiones en el Laboratorio Clínico Pura Vida. El Laboratorio está ubicado en Quito, sector la Kennedy, dispone de infraestructura tecnológica para la elaboración de 203 pruebas de laboratorio clínico. El registro de la información tanto financiera como clínica se realiza en dos sistemas de información diferentes conocidos como CLINICAL Lab y SisGem respectivamente. La información de los sistemas se obtiene en formato xlsx o csv a través de los reportes que cada uno de estos sistemas posee; con esta información se inició el proceso ETL y CRISP-DM para la preparación de la data. Los datos del laboratorio son en su mayoría categóricos y de una alta dimensionalidad; en tal virtud se debe considerar modelos de agrupamiento por densidad. Se aplicó para el agrupamiento los modelos G-means, K-modes, DBSCAN. Los grupos obtenidos con estos modelos no son claros debido a la dimensionalidad de los datos y su estructura. Se aplicaron también algoritmos de asociación para identificar reglas de asociación que determinen el comportamiento del paciente. Los algoritmos de asociación implementados son A PRIORI y ECLAT, los dos algoritmos presentaron reglas de asociación a considerar por el negocio. Los algoritmos fueron desarrollados en código Python y se utilizó también BigML para identificar de forma ágil las características y patrones en la data. El análisis de esta información generó alternativas futuras para proyectos de investigación que permitan desarrollar sistemas de información que apoyen al diagnóstico y decisión de los profesionales de la salud.
  • Icono_Recursos_bibliográficos_digitales

    Recursos Bibliográficos Digitales

  • Icono_Biblioteca_Digita

    Biblioteca Digital PUCE

  • Icono_Catálogo_Impreso

    Catálogo Impreso Biblioteca

  • Icono_Repositorio_AUSJAL

    Repositorio AUSJAL

  • Icono_Biblioteca_Virtual_ODUCAL

    Biblioteca Virtual ODUCAL

  • Icono_Centro_Publicaciones

    Centro de Publicaciones

Pontificia Universidad Católica del Ecuador

http://www.puce.edu.ec

Biblioteca General PUCE

bibliotecapuce@puce.edu.ec

Av. 12 de Octubre 1076 y Roca, Quito, Ecuador.

Teléfonos: 2991700 ext. 1655 / 1653

Horarios de atención:

Lunes a viernes de 07h00 a 21h00

Sábado de 08h00 a 16h00

® Todos los derechos reservados Pontificia Universidad Católica del Ecuador - Dirección de Informática - 2024