Título:
|
Explorando factores de riesgo de insuficiencia cardíaca a través del aprendizaje automático; Explorant factors de risc d'insuficiència cardíaca mitjançant l'aprenentatge automàtic; Exploring risk factors for heart failure with machine learning
|
Autor/a:
|
Pérez Soria, Beatriz
|
Otros autores:
|
Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions; Cortadella, Jordi; Ruiz Costa-Jussà, Marta; Escolano Peinado, Carlos |
Abstract:
|
Acute myocardial infarction is one of the main causes of mortality in developed countries. There are many risk factors that can trigger a heart attack that have to do with our lifestyle today. One of the most complicated causes is stress, due to the fact that it can be produced in quite different situations and it isn't a variable that can be easily measured. For that reason, there are many studies that try to find the relationship between different situations that produce stress (such as an important sporting event or a natural disaster) and an increase in the risk of suffering a heart attack. In this project, correlations between myocardial infarction and different stock market indices have been explored, taking into account that, a great fluctuation in them could cause a stress situation in a person and that, with other risk factors, could end up triggering in a heart attack. In particular, that study is carried out with daily data of ST-elevation myocardial infarction (segment that can be observed in the electrocardiogram that indicates time between when the ventricle contracts and relaxes) produced in Catalonia between 2010 and 2016. Moreover, taking advantage of the available data and the multiple machine learning techniques that we have at our disposal, a system for predicting infarction from these stock market variables has been implemented. At the same time, a comparison between several techniques has been made in order to see which works best with these data. The results conclude that, despite the fact that the available data doesn't show a high correlation, a good infarct prediction system from stock market variables has been obtained. |
Abstract:
|
Los infartos agudos de miocardio son una de las principales causas de mortalidad de los países desarrollados. Son muchos los factores de riesgo que pueden desencadenar en un infarto que tienen que ver con el estilo de vida que llevamos hoy en día. Una de las causas más complejas es el estrés, debido a que puede producirse en situaciones muy distintas y no es una variable que pueda medirse fácilmente. Por esta razón, hay numerosos estudios que intentan encontrar relación entre diferentes situaciones que producen estrés (como podría ser un evento deportivo importante o un desastre natural) y un aumento en el riesgo de sufrir un infarto. En este proyecto, se han explorado correlaciones entre los infartos de miocardio y distintos índices de la bolsa, considerando que, una gran variación en ellos podría causar una situación de estrés en una persona y esto, sumado a otros factores de riesgo, podría acabar desencadenando en un infarto. En concreto, este estudio se realiza con datos diarios de infartos agudos de miocardio con elevación del segmento ST (segmento que puede ser observado en el electrocardiograma que indica el tiempo que pasa entre que se contrae el ventrículo y se relaja) producidos en Cataluña entre 2010 y 2016. Además, aprovechando los datos disponibles y las múltiples técnicas de aprendizaje automático que tenemos a nuestra disposición, se ha implementado un sistema de predicción de infartos a partir de estas variables de la bolsa. A la vez, se ha hecho una comparativa entre varias técnicas para ver cual funciona mejor con estos datos. Los resultados concluyen que, a pesar de que los datos disponibles no muestren una gran correlación, se ha obtenido un buen sistema de predicción de infartos a partir de variables de la bolsa. |
Abstract:
|
Els infarts aguts de miocardi són una de les principals causes de mortalitat dels països desenvolupats. Són molts els factors de risc que poden desencadenar en un infart que tenen a veure amb l'estil de vida que portem avui en dia. Una de les causes més complexes és l'estrès, degut a que pot produir-se en situacions molt diferents i no és una variable que pugui mesurar-se fàcilment. Per aquesta raó, hi ha nombrosos estudis que intenten trobar relació entre diferents situacions que produeixen estrès (com podria ser un esdeveniment esportiu important o un desastre natural) i un augment en el risc de patir un infart. En aquest projecte, s'han explorat correlacions entre els infarts de miocardi i diferents índexs de la borsa, considerant que, una gran variació en ells podria causar una situació d'estrès en una persona i això, sumat a altres factors de risc, podria acabar desencadenant en un infart. En concret, aquest estudi es realitza amb dades diàries d'infarts aguts de miocardi amb elevació del segment ST (segment que pot ser observat en el electrocardiograma que indica el temps que passa entre que es contrau el ventricle i es relaxa) produïts en Catalunya entre 2010 i 2016. A més, aprofitant les dades disponibles i les múltiples tècniques d'aprenentatge automàtic que tenim a la nostra disposició, s'ha implementat un sistema de predicció d'infarts a partir d'aquestes variables de la borsa. A la vegada, s'ha fet una comparació entre diverses tècniques per a veure quina funciona millor amb aquests dades. Els resultats conclouen que, tot i que les dades disponibles no mostrin una gran correlació, s'ha obtingut un bon sistema de predicció d'infarts a partir de variables de la borsa. |
Materia(s):
|
-Àrees temàtiques de la UPC::Enginyeria de la telecomunicació -Machine learning -Algorithms -Databases -algorithms -machine learning -databases -algoritmos -aprendizaje automático -bases de datos -Aprenentatge automàtic -Algorismes -Bases de dades |
Derechos:
|
S'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Tipo de documento:
|
Trabajo/Proyecto fin de carrera |
Editor:
|
Universitat Politècnica de Catalunya
|
Compartir:
|
|