Clasificación de pacientes escolares con posible trastorno de déficit de atención e hiperactividad (TDAH) mediante técnicas de Machine Learning

Campuzano Almeida, Luis Diego; Herbas Chaverro, Hopkins Agustin

DSpace Home
→
Unidades Académicas
→
Facultad de Ciencias Naturales y Matemáticas
→
Tesis de Matemática
→
View Item

dc.contributor.advisor	Roa López, Heydi Mariana , Director
dc.contributor.author	Campuzano Almeida, Luis Diego
dc.contributor.author	Herbas Chaverro, Hopkins Agustin
dc.creator	ESPOL
dc.date.accessioned	2023-06-26T15:53:05Z
dc.date.available	2023-06-26T15:53:05Z
dc.date.issued	2023
dc.identifier.citation	Campuzano Almeida, L. D. y Herbas Chaverro, H. A. (2023). Clasificación de pacientes escolares con posible trastorno de déficit de atención e hiperactividad (TDAH) mediante técnicas de Machine Learning. [Proyecto Integrador]. ESPOL.FCNM .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/57620
dc.description	El trastorno por déficit de atención e hiperactividad (TDAH) es un trastorno neurobiológico que se caracteriza por problemas de atención, hiperactividad e impulsividad. Se ha convertido en uno de los trastornos más comunes en la infancia, que afecta mayoritariamente a niños de hasta 12 años y en muchos casos persiste hasta la edad adulta. El TDAH afecta significativamente el desempeño académico y laboral del individuo, así como también en sus relaciones interpersonales y autoestima. En el Ecuador, son aún muy pocos los estudios sobre esta patología. Sin embargo, los estudios a nivel mundial indican que un diagnóstico temprano y la aplicación de un tratamiento adecuado permiten llevar a estas personas, una vida plena y satisfactoria. Por ello, la importancia del diagnóstico temprano de los infantes por parte del profesional de la salud mental. Pero evaluar a todos los niños con las herramientas dispuestas por los profesionales conlleva un reto enorme. En este trabajo se propone predecir el diagnóstico de un infante mediante algoritmos de Machine Learning. Se implementaron tres modelos de clasificación K- medias, K vecinos más cercanos, y el que resultó más eficiente, Máquinas de Vectores de Soporte (SVM). Se usaron los datos de las respuestas a dos tests psicológicos (Conners y Brief) de niños de segundo, cuarto y sexto de educación básica, que incluían también las de sus respectivos padres y profesores. Los resultados obtenidos muestran que el ordenador puede predecir si un niño posee o no TDAH con un 85% de precisión. Finalmente, este trabajo tiene como propósito servir a los expertos en el área, como una herramienta que ofrece una reducción importante de tiempo en la identificación del trastorno en los niños, además de ahorro económico.
dc.format	application/pdf
dc.format.extent	26 paginas
dc.language.iso	spa
dc.publisher	ESPOL
dc.rights	openAccess
dc.subject	TDAH
dc.subject	Test psicológico
dc.subject	Máquinas de vectores de soporte
dc.title	Clasificación de pacientes escolares con posible trastorno de déficit de atención e hiperactividad (TDAH) mediante técnicas de Machine Learning
dc.type	Matemático
dc.identifier.codigoespol	T-110519
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral