Simposio “Transferencia de Conocimiento en Tecnologías de la Información”
Resumen
En el presente trabajo se estudian las características de prevalencia de algunas enfermedades llamadas prioritarias. Este tipo de enfermedades, aunque tienen causas diferentes, donde algunas son infecciosas y otras son crónicas no transmisibles, tienen en común que constituyen un problema importante para la salud pública de las sociedades modernas y a la vez su alivio o adquisición dependen de la conducta de los pacientes. Por otro lado, el Ministerio de Salud Pública de Ecuador tiene archivados en sus bases de datos un volumen importante de historias clínicas de los pacientes con tales enfermedades. Estos repositorios y registros contienen informaciones tácitas que de ser extraídas pueden resultar en elementos claves para trazar políticas de salud más eficientes y eficaces, tanto desde el punto de vista humano, como desde el punto de vista económico y social. Estos datos no son unidimensionales, contienen elementos en forma de texto, imágenes, entre otros. Para extraer la información se utilizan métodos de multiclasificación o de multietiqueta, donde a cada ejemplo o caso se le asignan múltiples etiquetas. El objetivo de este artículo es la obtención de esta información valiosa, con ayuda de métodos de multietiquetado. Se utiliza el software MEKA para realizar los estudios.
Abstract
In the present work, the prevalence characteristics of some so-called priority diseases are studied. These types of diseases, although they have different causes, where some are infectious and others are chronic non-communicable, have in common that they constitute an important problem for the public health of modern societies and, at the same time, their alleviation or acquisition depends on the behavior of the patients. patients. On the other hand, the Ministry of Public Health of Ecuador has an important volume of medical records of patients with such diseases on file in its databases. These repositories and registries contain tacit information that, if extracted, can result in key elements to draw up more efficient and effective health policies, both from the human point of view, as well as from the economic and social point of view. This data is not one-dimensional, it contains elements in the form of text, images, among others. To extract the information, multi-classification or multi-label methods are used, where each example or case is assigned multiple labels. The goal of this article is to obtain this valuable information, with the help of multi-tagging methods. MEKA software is used to carry out the studies.
Sobre el ponente
Oscar José Alejo Machado
