Técnicas de Minería de Datos para identificar síndrome de pacientes con enfermedades arbovirosis en Paraguay

Abstract

El estudio “Técnicas de Minería de Datos para Identificar el Síndrome de Pacientes con Enfermedades Arbovirosis en Paraguay”, abordó la problemática de la identificación de síndromes asociados a enfermedades arbovirales, como el Dengue, Chikungunya y Zika, en Paraguay. Estas enfermedades representan una amenaza significativa para la salud pública, exacerbadas por factores como la urbanización acelerada y el cambio climático. Para enfrentar esta problemática, se utilizó las técnicas de Minería de Datos (MD) como herramienta principal. Se elaboró un instrumento validado por un médico experto en la materia, y se recopiló una base de datos sólida que incluyó 764 registros válidos. La limpieza y transformación de los datos fueron etapas cruciales para asegurar su calidad antes del análisis. Se aplicaron modelos de Árbol de Decisión y Random Forest utilizando las herramientas Knime y Weka. Los resultados demostraron una alta precisión en la clasificación de las enfermedades. El modelo de ´Árbol de Decisión en Knime logró una precisión del 99.57 %, mientras que el modelo en Weka obtuvo una precisión del 87.77 %. El modelo de Random Forest en Knime alcanzó una precisión perfecta del 100 %, mientras que en Weka logró una precisión del 95.1965%. Estos resultados confirman la viabilidad y efectividad de las técnicas de minería de datos en el diagnóstico y la clasificación de enfermedades arbovirales, contribuyendo significativamente a la identificación de síndromes en pacientes y proporcionando una base sólida para futuras investigaciones.