SciELO - Scientific Electronic Library Online

 
vol.28 número6Diseño de un Clasificador Difuso para el Establecimiento de los Estados Funcionales de un Sistema de Producción de Aire MedicinalCalidad en la Educación e Infraestructuras del Transporte desde la Accesibilidad Territorial. Departamento de Caldas en Colombia como Caso de Estudio índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Em processo de indexaçãoCitado por Google
  • Não possue artigos similaresSimilares em SciELO
  • Em processo de indexaçãoSimilares em Google

Compartilhar


Información tecnológica

versão On-line ISSN 0718-0764

Resumo

CASTRILLON, Omar D; SARACHE, William  e  CASTANO, Eduardo. Bayesian System for Diabetes Prediction. Inf. tecnol. [online]. 2017, vol.28, n.6, pp.161-168. ISSN 0718-0764.  http://dx.doi.org/10.4067/S0718-07642017000600017.

This study presents a Bayesian system for the early identification of diabetes Mellitus based on the analysis of some variables such as number of pregnancies, diastolic blood pressure, triceps skin thickness, body mass index, heredity and age. The proposed methodology establishes and trains a Bayesian classification system, based on samples of diabetic and non-diabetic patients. The system was tested with different patients maintaining the same ratio between diabetics and non-diabetic individuals. Finally, to detect this disease, the number of hits and errors obtained by the Bayesian classifier was compared with a specialized test. The results indicate that, considering the aforementioned variables the disease was correctly detected by the system in 87.69% of the analyzed cases. However, when the variable serum insulin was included, this percentage increased up to 98.46%.

Palavras-chave : bayesian classifier; diabetes; training system; automated detection.

        · resumo em Espanhol     · texto em Espanhol     · Espanhol ( pdf )

 

Creative Commons License Todo o conteúdo deste periódico, exceto onde está identificado, está licenciado sob uma Licença Creative Commons