Resumen de Comparison of algorithms for the prediction of glucose levels in patients with diabetes

Daniel Arturo Olivares Vera, David Asael Gutiérrez Hernández, Marco Antonio Escobar Acevedo, Claudia Lara Rendón, Dulce A. Velázquez Vázquez

• español

  Resumen: Este trabajo presenta una comparación entre dos algoritmos para la predicción de los niveles de glucosa en pacientes diabéticos mediante el uso de series de tiempo univariadas. Los algoritmos se aplican al historial de niveles de glucosa en ayunas para predecir los 5 valores posteriores. La comparación se realiza entre 1) Las Redes Neuronales Autorregresivas (ARNN) y 2) Los modelos de media móvil integrada autorregresiva (ARIMA), se analizan un total de 70 series, y se muestra que los resultados obtenidos para el modelo ARIMA tienen porcentajes de error mayores del 25% del valor predicho con respecto al valor esperado, mientras que para las Redes Neuronales Autorregresivas en el 73% de los casos el porcentaje de error fue menor al 25%.

• English

  Abstract: This work presents a comparison between two algorithms for the prediction of glucose levels in diabetic patients by using a univariate time series. The algorithms are applied to the history of fasting glucose levels to predict the five following values. The comparison is performed between 1) The Autoregressive Neural Networks (ARNN) and 2) The autoregressive integrated moving average (ARIMA) models. A total of 70 series are analyzed, and we show that the results obtained for the ARIMA model have error percentages higher than 25% of the predicted value to the expected value. In contrast, in 73% of the cases, the percentage error was less than 25% for the Autoregressive Neural Networks.