1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ciencias Naturales y Matemáticas
4. Tesis de Estadística

Title:	Modelo automático de codificación basado en CIE-10 de diagnósticos médicos usando modelos de machine learning
Authors:	Ruiz Barzola, Omar Honorio, Director Flores Boada, Miguel Alfonso
Keywords:	Automático Clasificación Diagnósticos Redes neuronales
Issue Date:	2024
Publisher:	ESPOL.FCNM
Citation:	Flores Boada, M. A. (2024). Modelo automático de codificación basado en CIE-10 de diagnósticos médicos usando modelos de machine learning. [Proyecto Integrador]. ESPOL.FCNM .
Description:	La innovación tecnológica ha alcanzado a todos los ámbitos de la humanidad, la estadística y el análisis de datos son una parte fundamental de este avance. El campo de la medicina es un beneficiario importante del progreso tecnológico. Este proyecto tiene como objetivo clasificar automáticamente enfermedades con código CIE-10, a través de modelos estadísticos de aprendizaje y clasificación, contribuyendo de esta forma a la Red de Salud Pública Nacional. Existen diferentes formas en las que se codifica cada diagnóstico en el Ecuador. Por el momento se usa un algoritmo determinista que funciona a través de las reglas implementadas en el manual de la CIE-10. Los datos fueron obtenidos del registro estadístico de camas y egresos hospitalarios. Se utilizó Excel, Rstudio y Python para el procesamiento de datos y creación de los modelos estadísticos. La red neuronal implementada tuvo una precisión de entre el 80% y 86%, en menos de 15 minutos de codificación automática. Los modelos desarrollados permiten reducir el tiempo de codificación manual, empleando los recursos tecnológicos de mejor manera en una institución estatal. Palabras clave: automático, clasificación, diagnósticos, redes neuronales.
metadata.dc.description.abstractenglish:	Technological innovation has reached every aspect of humanity, with statistics and data analysis playing a fundamental role in this progress. The field of medicine is a significant beneficiary of technological advancements. This project aims to automatically classify diseases using the ICD-10 coding system through statistical learning and classification models, thus contributing to the National Public Health Network. In Ecuador, there are different methods for coding each diagnosis. Currently, a deterministic algorithm is used, based on the rules outlined in the ICD-10 manual. The data was obtained from the statistical registry of hospital beds and discharges. Excel, Rstudio and Python were utilized for data processing and model development. The implemented neural network achieved an accuracy of 80% to 86% in less than 15 minutes of automatic coding. The developed models significantly reduce the time required for manual coding, optimizing the use of technological resources in a state institution. Keywords: automatic, classification, diagnoses, neural networks.
URI:	http://www.dspace.espol.edu.ec/handle/123456789/65680
metadata.dc.identifier.codigoproyectointegrador:	MATE-208
Appears in Collections:	Tesis de Estadística

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.