Políticas   Declaración de Budapest  
 

Desarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático

Vista sencilla de ítem
dc.contributor.advisorCruz Rodriguez, Joseph Ibrahim
dc.contributor.authorArce Saavedra, Eduardo Antonio
dc.contributor.authorOrbegoso Bardales, Francisco
dc.contributor.authorTorres Sánchez, Ronald
dc.date.accessioned2025-03-31T23:04:58Z
dc.date.available2025-03-31T23:04:58Z
dc.date.issued2025-02-24
dc.description.abstractLa hipertensión arterial es una de las principales causas de mortalidad a nivel mundial, y su detección temprana es crucial para prevenir complicaciones graves. Este estudio tiene como objetivo desarrollar un modelo de inteligencia artificial para predecir la hipertensión arterial de manera eficiente. Se utilizó una metodología cuantitativa basada en un diseño transversal descriptivo, analizando datos de 70,692 encuestas del conjunto "Diabetes, Hypertension and Stroke Prediction". La preparación de los datos incluyó limpieza, imputación de valores faltantes y normalización de características. Durante la construcción del modelo, se entrenaron varios clasificadores utilizando Scikit-Learn, logrando métricas de exactitud, recuperación y F1-Score del 100%. Además, se implementó una API en Python que facilita el acceso a las predicciones, permitiendo su integración en entornos clínicos. Este enfoque no solo mejora la precisión en la identificación de casos, sino que también allana el camino para una intervención más temprana y efectiva en el manejo de la hipertensión, contribuyendo así a la mejora de los resultados de salud de los pacientes.
dc.description.escuelaIngeniería Sistemas
dc.description.lineadeinvestigacionTecnología de información e innovación tecnológica.
dc.description.sedeTarapoto
dc.formatapplication/pdf
dc.identifier.urihttp://repositorio.upeu.edu.pe/handle/20.500.12840/8602
dc.language.isospa
dc.publisherUniversidad Peruana Unión
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectHipertensión Arterial
dc.subjectAprendizaje Automático
dc.subjectScikit-Learn, API
dc.subjectModelo predictivo.
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.04
dc.titleDesarrollo de una API para la predicción de hipertensión arterial mediante aprendizaje automático
dc.typeinfo:eu-repo/semantics/bachelorThesis
renati.advisor.dni46386757
renati.advisor.orcidhttps://orcid.org/0009-0007-0879-6970
renati.author.dni61035604
renati.author.dni73015353
renati.author.dni73326026
renati.discipline612076
renati.jurorMarlo Rimarachin, Wilder
renati.jurorValladares Castillo, Sergio Omar
renati.jurorRamirez Pezo, Yngue Elizabeth
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesional
renati.typehttp://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería de Sistemas
thesis.degree.grantorUniversidad Peruana Unión. Facultad de Ingeniería y Arquitectura
thesis.degree.nameIngeniero de Sistemas

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Informe_Antiplagio.pdf
Tamaño:
642.49 KB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
Acuerdo_de_Entendimiento.pdf
Tamaño:
93.84 KB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
Eduardo_Licenciatura_2025_completo.pdf
Tamaño:
675.99 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Ingeniería de Sistemas