Predicción de la evolución a largo plazo de pacientes con psicosis

Simple item page
dc.contributor.advisorTFESanz Delgado, José Antonio
dc.contributor.advisorTFEGómez Fernández, Marisol
dc.contributor.affiliationEscuela Técnica Superior de Ingeniería Agronómica y Biocienciases_ES
dc.contributor.affiliationNekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoaeu
dc.contributor.authorIriarte Iturgaiz, Nahia
dc.date.accessioned2022-07-29T06:21:11Z
dc.date.issued2022
dc.date.updated2022-07-19T09:25:55Z
dc.description.abstractEste proyecto trata de caracterizar y predecir la evolución a largo plazo de la psicosis. Para ello se utilizarán datos del primer ingreso y otras variables relacionadas con la socio-demografía, variables funcionales y cognitivas proporcionadas por el servicio de salud mentar del HUN. 623 sujetos estuvieron dispuestos a participar en este estudio de los cuales 510 cumplieron los criterios de inclusión y 243 fueron seguidos con éxito. Para completar el objetivo se implementarán técnicas de preprocesamiento de datos, ya que se cuenta con un dataset incompleto, con variables relacionadas entre sí y se manejan distintos tipos de variables definidas en distintas escalas. Tras esta primera fase se ajustarán varios tipos de modelos para obtener predicciones de las variables que describen la evolución de cada paciente. Los modelos seleccionados variarán en función del tipo de variable a predecir, se trabajará resolviendo problemas de regresión, clasificación múltiple y clasificación simple.es_ES
dc.description.abstractThis project tries to characterize and predict the long-term evolution of psychosis. For this purpose, it will be used information from the first hospitalization and other related socio-demographics, functional and cognitive variables provided by the HUN health service. There were 623 volunteers to participate in this study, 510 were incluced but only 243 were successfully followed up. To complete the objective, we will implement data preprocessing techniques, because we have an incomplete dataset with related variables and they are defined on different scales. After this first phase, several types of models will be learned to obtain predictions of the variables describing the evolution of each patient. The models selected will vary according to the predicted variable type. We will solve regression, multi-class and binary classification problems.en
dc.description.degreeGraduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarraes_ES
dc.description.degreeDatu Zientzietan Graduatua Nafarroako Unibertsitate Publikoaneu
dc.embargo.inicio2022-07-29
dc.embargo.lift2027-06-01
dc.embargo.terms2027-06-01
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://academica-e.unavarra.es/handle/2454/43626
dc.language.isospaen
dc.rights.accessRightsinfo:eu-repo/semantics/embargoedAccess
dc.subjectPsicosises_ES
dc.subjectPsiquiatríaes_ES
dc.subjectRecuperaciónes_ES
dc.subjectDiagnosticoes_ES
dc.subjectAprendizaje Automáticoes_ES
dc.subjectClasificaciónes_ES
dc.subjectPsychosisen
dc.subjectPsychiatryen
dc.subjectRecoveryen
dc.subjectDiagnosisen
dc.subjectMachine Learningen
dc.subjectClassificationen
dc.titlePredicción de la evolución a largo plazo de pacientes con psicosises_ES
dc.typeinfo:eu-repo/semantics/bachelorThesis
dspace.entity.typePublication
relation.isAdvisorTFEOfPublication04db2b7d-89dc-4815-be4a-4b201cdce99b
relation.isAdvisorTFEOfPublication71fc3a8f-62c3-41cf-bca2-eeaaa41d54af
relation.isAdvisorTFEOfPublication.latestForDiscovery04db2b7d-89dc-4815-be4a-4b201cdce99b

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
TFG_Nahia_Iriarte_Iturgaiz_correcciónErrata.pdf
Size:
2.6 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.78 KB
Format:
Item-specific license agreed to upon submission
Description:
Download

Collections

Trabajos Fin de Grado ETSIA - NIGMET Gradu Amaierako Lanak
Trabajos Fin de Grado - Gradu Amaierako Lanak