Minería de datos de la salud: Sistema de votación de técnicas analíticas para identificar los factores que influyen en la realización de cirugías estéticas

  • Ana Isabel Oviedo Carrascal Universidad Pontificia Bolivariana
  • Sandra Milena Sánchez Sánchez Politécnico Colombiano Jaime Isaza Cadavid
Palabras clave: Minería de datos de la Salud, Analítica de Datos, Ciencia de Datos

Resumen

A nivel mundial, las cirugías estéticas se han convertido en procedimientos de constante realización que requieren, como paso indispensable, la asistencia a una cita de valoración, pero muchas de estas citas no culminan con un procedimiento quirúrgico. Para identificar los factores que influyen en la realización de cirugías estéticas, en este artículo se propone un modelo analítico basado en un sistema de votación de varias técnicas como análisis de correlaciones, análisis de componentes principales, árboles de decisión, regresión logística y reglas de asociación. El modelo analítico es validado con los datos provenientes de un consultorio quirúrgico de la ciudad de Medellín. Los resultados indican que los pacientes que se realizan una cirugía estética son aquellos que: 1) manifiestan desear una segunda cirugía; 2) la primera cirugía deseada es facial, aumento mamario, bichectomía, abdominoplastia, aumento de implantes y glúteos; 3) el índice de masa corporal es normal; 4) no tienen hábitos de cigarrillo; y 5) no tiene antecedentes familiares de diabetes.

Biografía del autor/a

Ana Isabel Oviedo Carrascal, Universidad Pontificia Bolivariana

Doctora en Ingeniería Electrónica – Énfasis en Descubrimiento de Conocimiento, Profesora titular en la Facultad de Ingeniería en Tecnologías de la Información y la Comunicación, Grupo de Investigación GIDATI. Correo electrónico: ana.oviedo@upb.edu.co. Universidad Pontificia Bolivariana, circular 1 No. 70-01, Medellín, Colombia.

Sandra Milena Sánchez Sánchez, Politécnico Colombiano Jaime Isaza Cadavid

Ingeniera Informática, Especialista en Inteligencia de Negocios, Estudiante de Maestría en Tecnologías de la Información y la Comunicación en Universidad Pontificia Bolivariana, Docente de Cátedra en la Facultad de Ingeniería Informática del Politécnico Colombiano Jaime Isaza Cadavid Restrepo. Correo electrónico: sandra_sanchez89101@elpoli.edu.co. Carrera 48 No. 7- 151, Medellín, Colombia.

Citas

Elliott A., Making the Cut: How Cosmetic Surgery is Transforming Our Lives, London, 2008

ASPS. Plastic Surgery Statistic. Disponible en:https://d2wirczt3b6wjm.cloudfront.net/News/Statistics/2016/2016-plastic-surgery-statistics-report.pdf [consultado el 25 de junio de 2017].

ISAPS. International Survey Aesthetic /Cosmetic Procedures Performed, 1-18, 2014

Satisfacción y Calidad Percibida en la Atención de Salud Hospitalaria: Ranking de Prestadoras – Informe Global. Chile, Superintendencia de Salud, 2013.

Kumari M, Sunila G. Comparative Study of Data Mining Classification Methods in Cardiovascular Disease Prediction, 2, 2011.

Reparaz, D., Merlino, H., Rancan, C., Rodriguez, D., Britos, P., & García Martínez, R., Determinanción de la Eficacia de la braquiterapia en tratamiento de cáncer basada en minería de datos. Universidad de Buenos Aires ,Facultad de Ingeniería, Buenos Aires, 2008.

Timarán, R., & Yépez, M. C., La minería de datos aplicada al descubrimiento de patrones de supervivencia en mujeres con cáncer invasivo de cuello uterino, Universidad y Salud 14(2); 117-129, 2012.

Jiménez, M. I., & Mateos, R., Perfiles de pacientes diabéticos que sufren reacciones adversas a medicamentos. Identificación y caracterización a través de minería de datos; An. Real Acad, Farm, 80(2), 274-321, 2013.

Franco, Á., M., Modelo para Análisis de Riesgo de la Diabetes Mellitus 2 usando Inteligencia de Negocios y Minería de Datos [Tesis de Maestría], Bogotá: Universidad Nacional de Colombia, 2014.

Rodríguez, F., & Vallejo, N. Aplicación de técnicas de Minería de Datos para el diagnóstico prematuro de Cáncer. Universidad. Madrid: Universidad Calos III, 2012.

Acosta, R., Rosete, A., & Rodríguez, A., Predicción de pacientes diabéticos. Preprocesado para Minería de Datos. Ciudad Universitaria José Antonio, La Habana: Ciudad Universitaria José Antonio Echeverría (CUJAE), Facultad de Ingeniería Informática, 2012.

Toscano de la Torre, B.A ,Ponce Gallegos, J.C, Margain Fuentes, M.L, López Espinosa, R, Meza de Luna, M.A, en Aplicación de Minería de Datos para la Identificación de Factores de Riesgo Asociados a la Muerte Fetal, CiComp, 215-224, 2016.

Moine J. Metodologías para el descubrimiento de conocimiento en bases de datos: un estudio comparativo [Tesis de Maestría]. Argentina: Universidad Nacional de la Plata, 2013.

Torres D. Diseño y aplicación de una metodología para análisis de noticias policiales utilizando minería de textos [Tesis de Pregado]. Chile: Universidad de Chike, 2013.

Corrales D, Ledesma A, Peña A, Hoyos J, Figueroa A, Corrales J. A new dataset for coffee rust detection in Colombian crops base on classifiers. Revista S&T, 9-23, 2014.

IBM, Manual CRISP- DEM de IBM SPSS Modeler, EEUU, 2012.

Hall M, Frank E, Holmes G, Pfahringer B, Reutemann, Witten IH. The WEKA Data Mining Software: An Update. SIGKDD Explorations, 10-18, 2009.

Publicado
2017-09-08
Cómo citar
Oviedo Carrascal, A. I., & Sánchez Sánchez, S. M. (2017). Minería de datos de la salud: Sistema de votación de técnicas analíticas para identificar los factores que influyen en la realización de cirugías estéticas. Revista Politécnica, 13(25), 43-52. https://doi.org/10.33571/rpolitec.v13n25a3
Sección
Artículos

Métricas de Artículo

Resumen : 884   HTML : 110  PDF : 535  XML : 30