Una revisión de las implementaciones de sistemas para la identificación de tendencias de la diabetes

• Autores: Rocio Isabel Benites Loja, Marco Antonio Coral Ygnacio
• Localización: Interfases, ISSN-e 1993-4912, Nº. 16, 2022, págs. 231-251
• Idioma: español
• Títulos paralelos:
  • A review of system implementations for diabetes trend identification
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La diabetes mellitus es una enfermedad crónica que aparece cuando el páncreas no secreta suficiente insulina o cuando el organismo no utiliza apropiadamente la insulina que produce. Dado que la insulina es una hormona que regula la concentración de glucosa en la sangre, uno de los efectos más comunes de la diabetes no controlada es la hiperglucemia, que con el tiempo daña gravemente muchos órganos y sistemas del cuerpo. Por ello, es importante el desarrollo de software predictivo para el diagnóstico y posterior tratamiento de esta enfermedad, en particular para la diabetes tipo 1 y 2, que concentran la mayoría de los casos. El presente trabajo realiza una revisión sistemática de literatura a fin de determinar los métodos y la problemática en la construcción de sistemas de identificación de tendencias orientados a la diabetes. Los resultados muestran 16 métodos diferentes de construcción utilizados en estos sistemas, de los cuales los más eficientes son la regresión logística y las redes neuronales artificiales.

  • English

    Diabetes mellitus is a chronic disease that appears when the pancreas does not secrete enough insulin or the body does not properly use the insulin it produces. Insulin is a hormone that regulates glucose concentration in the blood: one of the most common effects of uncontrolled diabetes is hyperglycemia, which seriously damages many organs and body systems over time. In this sense, the development of predictive software, the diagnosis, and subsequent treatment of diabetes, especially of type 1 and 2, which are the most frequent, deserve attention. This paper presents a systematic review of the literature to determine the methods and problems in constructing diabetes-oriented trend identification systems. The results show 16 construction methods used in these systems, the most efficient being logistic regression and artificial neural networks