Investigación y desarrollo de software para la validación de la calidad de datos abiertos e identificación de patrones para predicciones

Permanent URI for this collection

https://repositorio.uai.edu.ar/handle/123456789/873

Browse

Browsing Investigación y desarrollo de software para la validación de la calidad de datos abiertos e identificación de patrones para predicciones by Author "Catala, Nelson"
  • Item
    Análisis de datos públicos sobre registros Argentinos de Diálisis Crónica. INCUCAI
    (Sociedad Argentina de Informática (SADIO), 2023-10-19) Martínez, María Roxana ; Catala, Nelson ; Bateca Caicedo, Carlos Alberto ; Zabala, Hernán Guillermo
    INCUCAI, es el Instituto Nacional Central Único Coordinador de Ablación e Implante, este organismo impulsa, coordina y fiscaliza todas las actividades que se encuentran relacionadas a la donación, trasplante de órganos, tejidos y células en Argentina. El trasplante de riñón es el tipo de trasplante de órganos más demandado en todo el mundo y representa la mayor parte de la lista de espera de trasplantes de órganos y tejidos. Según datos de la Organización Mundial de la Salud (OMS), el trasplante de riñón representa aproximadamente el 80% de todos los trasplantes de órganos que se realizan a nivel mundial. Cuando los riñones pierden la capacidad para filtrar, pueden acumularse niveles dañinos de líquido y desechos en el cuerpo humano. En un enfoque de una enfermedad renal en etapa terminal, es necesario diálisis o un trasplante de riñón para que una persona se mantenga con vida, ya que una de las funciones principales de la diálisis es mantener la sangre exenta de elementos nocivos. En base a esto último, es que los autores de este trabajo centraron su investigación en el análisis de los registros de datos públicos sobre diálisis crónica en distintos tipos de pacientes que se encuentran disponibles en el portal web de INCUCAI. Este estudio surge con el fin de averiguar posibles hipótesis sobre la población actual en este contexto, como ser: ¿Cuál es la demanda de este tipo de tratamientos? ¿Cuál es la probabilidad de satisfacer esa demanda? Como así también analizar un foco sobre el tiempo de espera por dicho tratamiento. Por otro lado, conocer casos en los que se puede concluir en un trasplante de órgano de riñón. Esto se debe en parte a que la enfermedad renal crónica es una afección común que afecta a millones de personas en todo el mundo, y el trasplante de riñón es una opción de tratamiento efectiva y duradera para muchos pacientes con esta enfermedad. Además, el riñón es un órgano que puede ser donado por personas vivas, lo que aumenta las posibilidades de encontrar un donante compatible. Finalmente, este trabajo presenta las conclusiones sobre los datos públicos relevados y reflexiones sobre las hipótesis planteadas.
  • Item
    Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3
    (Sociedad Argentina de Informática, SADIO, 2022-12-30) Martínez, María Roxana ; Vilaboa, Pablo Alfredo ; Catala, Nelson
    Existe una tendencia a nivel general por el impulso de la apertura de datos públicos por parte de los gobiernos. Esto conlleva a que no sólo es fundamental para el crecimiento de los países, sino que, además, incrementa la transparencia gubernamental para con los ciudadanos, y, por otra parte, es una de forma de motivar a la utilización e implementación de la innovación tecnológica y a la participación ciudadana. El aporte de este trabajo de investigación conlleva a un relevamiento de los algoritmos de aprendizaje más relevantes en aspectos de aprendizaje supervisado como así también en un estudio general de las herramientas de machine learning más utilizadas en la actualidad. Como siguiente paso, este trabajo propone un análisis para la evaluación de algoritmos de aprendizaje de datos públicos abiertos, en este caso se toma en cuenta el estudio de un dataset público enfocado a enfermedades del corazón a nivel de salud. A través de la herramienta Orange se analizan los distintos algoritmos, y mediante una evaluación de testeo y puntuación (“Test and Score” y “Confusion Matrix”) se realiza la clasificación y ranqueo de los resultados arrojados para estos modelos según el criterio de mejor precisión en algoritmo.
  • Item
    Propuesta de técnicas de validación para la calidad de datos abiertos e identificación de patrones para predicciones con Machine Learning: Segunda Parte
    (UNNOBA, 2023-4) Martínez, María Roxana ; Vilaboa, Pablo Alfredo ; Simon, Miguel Agustín ; Garcia Iannini, Juan Manuel ; Clavijo, Eugenio ; Colato, German Dario ; Catala, Nelson ; Bateca Caicedo, Carlos Alberto ; Lopumo, Serenela ; Zabala, Hernán Guillermo ; Parada, Gonzalo ; Chaglasian Sganga, Ayelén Malena ; Vargas Navarro, Rocio Del Carmen ; Tsiros, Sebastian Martin Demetrio
    Dentro de los varios focos del paradigma de Gobierno Abierto, existen los conjuntos de datos abiertos públicos disponibilizados en los sitios web gubernamentales, éstos permiten no sólo una mejor transparencia en las actividades públicas que se realizan, sino que, además, pueden ser reutilizados a través de estudios para brindar mejores servicios y obtener beneficios para la sociedad. Mantener estos datos con calidad, permite que se lleven a cabo, análisis de escenarios para predecir y evitar posibles falencias o errores en la toma de decisiones políticas que tenga un alto impacto en los ciudadanos. Actualmente, no existen demasiados trabajos de investigación que se centren en el contenido de los datasets, en aspectos de: análisis de contenido interno, validación, herramientas de verificación, cotejo en las estructuras de datos, guías de buenas prácticas, o bien reconocimiento de patrones estructurales, entre otros temas. Es por esto, por lo que, este trabajo de investigación se centra en dichos puntos mencionados para validar la calidad de los datos públicos abiertos y que éstos puedan ser utilizados con un fin positivo en la comunidad. Este trabajo, no solo trabaja en prototipos de software en validaciones de datos específicos, sino que, además, permite estudiar modelos predictivos, que a través del aprendizaje automático pueden brindar un mejor análisis para la toma de decisiones.