Pedreros Arango, NataliaCórdoba Narváez, AlejandroQuintero Moreno, Gabriela2025-10-172025-10-172025http://hdl.handle.net/11522/4928El presente proyecto se centra en el desarrollo de un aplicativo especializado para la extracción automatizada de información de alertas sanitarias, con el objetivo de mejorar la gestión de la información en el ámbito de la salud pública. Se justifica la necesidad de esta herramienta debido a las limitaciones del proceso manual actual, que es propenso a errores y consume mucho tiempo. Para abordar esta problemática, se proponen métodos avanzados de automatización y procesamiento de datos, como el procesamiento del lenguaje natural (NLP), el machine learning y los algoritmos de scraping. Estas tecnologías permitirán no solo extraer datos de manera automática, sino también procesarlos y estructurarlos adecuadamente para su integración en bases de datos. El proyecto se fundamenta en principios teóricos de NLP, minería de datos y aprendizaje automático, con el objetivo de desarrollar un sistema capaz de interpretar y contextualizar la información de las alertas sanitarias. Esto mejorará la eficiencia y la precisión de la extracción de datos, así como la actualización oportuna de las bases de datos de salud pública. La implementación práctica del aplicativo ofrecerá beneficios significativos, incluyendo una mayor eficiencia operativa, una mayor confiabilidad de la información y una respuesta más rápida a emergencias sanitarias. El alcance del proyecto incluye el desarrollo de un aplicativo que se enfoque exclusivamente en la extracción de información de alertas sanitarias preexistentes y su integración con las bases de datos existentes. No se abordarán aspectos relacionados con la creación de alertas ni la generación de informes clínicos. El impacto esperado de este aplicativo en la eficiencia operativa de las entidades de salud pública es significativo, ya que facilitará la toma de decisiones informadas y mejorará la capacidad de respuesta ante emergencias sanitarias.This project focuses on the development of a specialized application for the automated extraction of information from health alerts, with the aim of improving information management in the field of public health. The need for this tool is justified by the limitations of the current manual process, which is prone to errors and time-consuming. To address this issue, advanced methods of automation and data processing are proposed, such as natural language processing (NLP), machine learning, and scraping algorithms. These technologies will not only enable automatic data extraction but also process and structure the data appropriately for integration into databases. The project is based on theoretical principles of NLP, data mining, and machine learning, with the goal of developing a system capable of interpreting and contextualizing health alert information. This will enhance the efficiency and accuracy of data extraction, as well as the timely updating of public health databases. The practical implementation of the application will offer significant benefits, including greater operational efficiency, increased reliability of information, and faster response to health emergencies. The scope of the project includes the development of an application focused exclusively on extracting information from pre-existing health alerts and integrating it with existing databases. It will not address aspects related to the creation of alerts or the generation of clinical reports. The expected impact of this application on the operational efficiency of public health entities is significant, as it will facilitate informed decision-making and improve responsiveness to health emergencies.65 p.application/pdfspaAlertas sanitariasAutomatizaciónGestión de datosExtracción de informaciónMachine learningMedical device recallsAutomationData managementInformation extractionbachelor thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2