Análisis histórico de servicios de salud a población que carece de empleo formal

 El Ing. Luis A. Cruzado Peña nos presenta en este trabajo su análisis de servicios (en hospitales y clínicas del gobierno mexicano) de salud a personas que carecen de empleo formal. Se usan técnicas de Ciencia de Datos y visualización para hallar patrones y reglas de asociación interesantes. El artículo completo puede descargarse aquí, se publicó en la revista Jornada de Ciencia y Tecnología Aplicada. Su resumen es el siguiente.

RESUMEN. La dependencia de gobierno que da servicios de salud gratuitos a las personas que carecen de empleo formal, ha publicado el resumen histórico nacional de los servicios requeridos, en un lapso de 18 años. La herramienta "Análisis histórico de servicios de salud" permite la visualización de datos catalogados por la Clasificación Internacional de Enfermedades, en su décima edición. Las visualizaciones muestran los principales servicios médicos con mayor número de egresos otorgados a nivel nacional por género, en los que, por género masculino se encuentran traumatismos, envenenamientos, sistema digestivo, sistema génitourinario y neoplasias, mientras que en el género femenino se encuentran las categorías de sistema digestivo, neoplasias y sistema génitourinario. También muestran las categorías principales causantes de defunciones, en rangos de edades. Un rango interesante es "personas mayores de 66 años" donde las principales categorías son el sistema circulatorio, el sistema respiratorio y el sistema digestivo. Se visualizan los principales servicios otorgados a varios estados de México y se observa que siguen un patrón de servicios a nivel nacional. 

Palabras clave: servicios de salud, base de datos, ciencia de datos, visualización, preprocesamiento de datos, análisis histórico.

Reglas de asociación en variables relevantes en diferentes evaluaciones en exámenes de matemáticas

En un artículo publicado en la revista Jornada de Ciencia y Tecnología Aplicada, Jorge Ángel Pérez Rico y Arturo Heredia analizan los exámenes de matemáticas de unos 200,000 estudiantes mexicanos. Ellos encuentran correlaciones interesantes entre las variables (edad, sexo, tipo de vivienda, tipo de escuela, etc. Más de 200 variables en total) de esos alumnos y sus resultados (calificación) en el examen. El texto completo del artículo puede descargarse aquí. Su resumen es el siguiente.

RESUMEN.  Los exámenes de desempeño-contexto EXCALE y PLANEA nos permiten obtener información interesante de las variables relevantes o bien, de aquéllas que están correlacionadas con el desempeño del alumno en el área de Matemáticas. Las evaluaciones de los años 2005, 2008, 2012, 2015 y 2017 muestran que el porcentaje de alumnos evaluados como "Por debajo del básico" y "Avanzado" tienen una tendencia positiva, mientras que los alumnos colocados en "Básico" y "Medio" tienen una tendencia negativa. Las reglas de asociación obtenidas de variables relevantes que se han mantenido a nivel nacional de los alumnos con un buen desempeño son constantes y existen patrones que resisten el paso de los años, como es el caso de la variable relevante "aspiración académica". Para estudiantes con desempeño "Medio" y "Básico", dicha regularidad no existe, además de observarse dificultades para la clasificación de estos alumnos con los algoritmos J48 y Naive Bayes. 

Palabras clave: Algoritmos de clasificación, Educación, Minería de datos, reglas de asociación, variables relevantes.

Cumpleaños del Dr. Alejandro López Toledo. 24 de febrero de 2024. CdMx.

La reunión fue en Villa Verdún, Ciudad de México, el sábado 24 de febrero.

De rayas, muy sonriente, el Dr. José Albarrán. Al fondo, desgreñado, Adolfo Guzmán.

Detección de salud mental de personas a partir de señales de dispositivos móviles: caso depresión

 En esta tesis, Saraí Roque Rodríguez analiza señales obtenidas de un actígrafo (dispositivo digital, "reloj" que registra el movimiento), para determinar si la persona tiene depresión o no la tiene. La tesis completa puede descargarse aquí. 

Resumen. Los trastornos mentales están en aumento a nivel global, afectando a aproximadamente una décima parte de la población. La depresión se posiciona como el segundo trastorno más común. A diferencia de otras condiciones de salud, los expertos en este campo suelen emplear un enfoque tradicional para el diagnóstico. Sin embargo, actualmente, se han desarrollado enfoques basados en datos, como el fenotipado digital para la salud mental, con el objetivo de implementar sistemas que faciliten o sirvan como herramienta en el diagnóstico de condiciones mentales, incluida la depresión.

El propósito de este documento es clasificar a las personas en dos grupos: personas con depresión y un grupo de control, utilizando registros de actividad motriz obtenidos de un actígrafo móvil. Esto se logró aplicando herramientas de minería de datos y aprendizaje automático, mediante una metodología basada en el proceso KDD y el enfoque de FDSM. Este proceso incluye la selección de datos, preprocesamiento, minería de datos y la presentación de resultados.

Se utilizó la base de datos Depresjon, la cual está disponible y abierta para su uso en investigaciones, y contiene registros de actividad motriz de 55 personas en intervalos de un minuto durante aproximadamente dos semanas. Estos registros se caracterizaron mediante un "vector de características" calculado a partir de la extracción de tres atributos por día, basados en el nivel de actividad registrado. Se llevó a cabo un análisis exploratorio que incluyó un análisis estadístico general y la aplicación de pruebas de independencia.

Se implementaron modelos de aprendizaje automático para la clasificación y el método de validación LOSO, enfocados en el diagnóstico de la depresión a partir de datos. Los clasificadores utilizados incluyen el bosque aleatorio, redes neuronales multicapa, árboles de decisión y k vecinos más cercanos. La implementación se realizó en Python en un entorno de Jupyter, con las bibliotecas correspondientes. La etapa de clasificación se definió en dos experimentos:

Experimento I: Clasificación del trastorno depresivo en pacientes a partir de la actividad motriz, basada en los métodos del estado del arte.

Experimento II: Clasificación del trastorno depresivo en pacientes a partir de la actividad motriz utilizando más características de entrada para los modelos de aprendizaje automático.

Ambos experimentos presentaron resultados satisfactorios, demostrados por las métricas de exactitud obtenidas para la clasificación binaria. Estos resultados superaron los obtenidos en trabajos previos que emplearon el mismo conjunto de datos, resaltando la efectividad y el potencial de este enfoque como herramienta de diagnóstico.

Palabras clave: Fenotipado Digital, depresión, minería de datos, KDD, aprendizaje automático, clasificación, random forest, árbol de decisión, k vecinos más cercanos, redes neuronales MLP.

 

El 1 de febrero de 2024, Saraí obtuvo su grado de Maestro en Ciencias de la Computación, en el CIC IPN.