Browsing by Subject "Diabetes mellitus"

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Multiple Mononeuropathy: Keys in its identification to avoid wrong diagnosis
    (Pontificia Universidad Javeriana Cali) Ricaurte Fajardo, Andrés; Jansen, Annborg Trydal; Caicedo Toro, Tomas
  • Thumbnail Image
    Item
    Planteamiento de un modelo de fármaco seguridad para la población adulta con Diabetes Mellitus Tipo 2 en una EAPB
    (Pontificia Universidad Javeriana Cali, 2024) Valencia Amaya, Darío Felipe; Arboleda Cano, Martha Viviana
    La diabetes mellitus es una enfermedad no transmisible con un creciente impacto global. Según la Federación Internacional de Diabetes (IDF), se espera que para 2045 haya 783 millones de personas con diabetes en todo el mundo, lo que representará un aumento del 46%. En Iberoamérica, la incidencia también está aumentando, con un incremento proyectado del 50% para 2045. La diabetes representa el 11.5% del gasto global en salud y se prevé que sea la séptima causa de muerte para 2030. En América Latina, un alto porcentaje de pacientes no está diagnosticado ni controlado, lo que subraya la necesidad de mejorar la gestión y el riesgo en salud. Las complicaciones de la diabetes incluyen enfermedades cardiovasculares y renales, con costos elevados, especialmente en países como Colombia. La EPS Delagente enfrenta desafíos similares y destina un 11% de sus recursos a medicamentos para diabetes. Se propone un modelo de atención que integre a todos los actores en la cadena terapéutica para mejorar la calidad de vida de los pacientes y optimizar el uso de recursos en un sistema de salud público con recursos limitados.
  • Thumbnail Image
    Item
    Predicción de diabetes mellitus en el contexto colombiano a partir de patrones de consumo y compuestos moleculares mediante el uso de técnicas supervisadas de machine learning
    (Pontificia Universidad Javeriana Cali, 2025) Suescun Holguín, Jeison Ferney; Ortega Lenis, Delia; Chaura Cortés, Juliana
    Este proyecto se centra en el desarrollo de un modelo predictivo orientado a la identificación de individuos con diagnóstico de diabetes mellitus en Colombia, a partir de patrones de consumo alimentario y características relacionadas con la composición nutricional y molecular de los alimentos. Para ello, se utilizaron datos provenientes de la Encuesta Nacional de la Situación Nutricional (ENSIN), los cuales fueron sometidos a un riguroso proceso de limpieza, estandarización y transformación. Este incluyó la homogeneización de nombres de alimentos y la integración de nutrientes clave para el análisis. Con el fin de abordar el desbalance entre clases, una característica común en estudios epidemiológicos, se incorporaron técnicas avanzadas de sobremuestreo, como SMOTE y ADASYN, lo que permitió mejorar significativamente la capacidad del modelo para detectar casos positivos de diabetes. La tarea de clasificación fue abordada mediante un enfoque supervisado, en el que se implementaron y compararon algoritmos de aprendizaje automático como XGBoost, CatBoost, Random Forest y LightGBM. Estos modelos fueron combinados en un esquema de votación tipo ensemble, optimizado mediante validación cruzada y búsqueda de hiperparámetros. El modelo final alcanzó una capacidad predictiva destacada, logrando identificar correctamente hasta el 89.2 % de los casos con diagnóstico de diabetes, lo que respalda la utilidad del enfoque combinado de modelado y preprocesamiento aplicado. A nivel interpretativo, se emplearon técnicas de explicación de modelos para identificar variables dietarias con mayor influencia en la predicción. Entre los factores más relevantes se destacaron la vitamina B6, la proteína de origen animal, la fibra cruda y la vitamina A. Además, se evidenció una asociación inversa entre el consumo de frutas y el riesgo de diabetes, mientras que una mayor ingesta de dulces mostró una asociación positiva con dicho riesgo. Estos hallazgos coinciden con la literatura científica actual sobre los vínculos entre nutrición y enfermedades metabólicas. En conjunto, los resultados obtenidos proporcionan una base metodológica robusta para el desarrollo de sistemas predictivos aplicables a la vigilancia nutricional y al diseño de estrategias preventivas. No obstante, se reconoce que los modelos predictivos, por sí solos, no ofrecen conclusiones definitivas sobre causalidad. Por tanto, se plantea como línea futura la validación de estas asociaciones mediante estudios clínicos y aproximaciones longitudinales que permitan comprender con mayor precisión las dinámicas subyacentes entre dieta y diabetes en la población colombiana.