AVANCE
Pinta Luis
2023-11-30
Predicción de la diabetes tipo 2 mediante aprendizaje automático (Métodos de clasificación)
INTRODUCCIÓN
La enfermedad crónica es una condición de salud que se caracteriza por ser de larga duración y generalmente no tiene una cura completa. A diferencia de las enfermedades agudas que son de corta duración, las enfermedades crónicas pueden persistir durante meses o incluso años. Estas enfermedades pueden afectar diferentes sistemas del cuerpo y tener un impacto significativo en la calidad de vida de una persona.
Algunos de las enfermedades crónicas incluyen la diabetes, la hipertensión arterial, el asma, la enfermedad cardiovascular y la artritis. Estas enfermedades requieren un manejo continuo y a menudo implican cambios en el estilo de vida, medicamentos y seguimiento médico regular.
Es importante destacar que cada enfermedad crónica es única y puede afectar a las personas de diferentes maneras. Algunas personas pueden experimentar síntomas leves, mientras que otras pueden tener síntomas más graves que limitan su capacidad para llevar una vida normal.
Es fundamental que las personas con enfermedades crónicas reciban un diagnóstico temprano y un tratamiento adecuado para controlar los síntomas y prevenir complicaciones a largo plazo. Además, el apoyo emocional y la educación sobre la enfermedad son aspectos importantes del manejo de las enfermedades crónicas.(Comunicarse con los demás - al vivir con una enfermedad crónica: MedlinePlus Enciclopedia Médica, s. f.)
DESCRIPCIÓN DE LAS VARIABLES
Edad (Age): Se basa al período de tiempo que la persona esta viva o ha estado viva.
Género (Gender): Hace referencia a la identidad sexual de una persona, ya sea masculino o femenino.
Diabetes familiar (Family_Diabetes): Se refiere a la presencia de antecedentes familiares de diabetes, es decir, si algún miembro de la familia ha sido diagnosticado con diabetes.
Presión arterial alta (highBP): Hace referencia a la presión arterial elevada, de la persona lo cual puede ser un indicador de problemas de salud como enfermedades cardiovasculares.
Actividad física (PhysicallyActive): Se refiere al nivel de actividad física que una persona realiza en su vida diaria, como ejercicios, deportes y cualquier otra forma de actividad física que se realice regularmente.
BMI: Es la sigla en inglés para “Índice de Masa Corporal” (Body Mass Index): Se utiliza para evaluar si una persona tiene un peso saludable en relación con su altura.
Fumar (Smoking): Hace referencia al hábito de fumar cigarrillos u otras formas de tabaco. El tabaquismo está asociado con numerosos problemas de salud, como enfermedades respiratorias y cardiovasculares.
Consumo de alcohol (Alcohol): Se refiere al consumo de bebidas alcohólicas. El consumo excesivo de alcohol puede tener efectos negativos en la salud, incluyendo daño al hígado y aumento del riesgo de accidentes.
Sueño (Sleep): Hace referencia al período de descanso y recuperación que una persona necesita diariamente.
Sueño profundo (SoundSleep): Se refiere a la calidad del sueño, especialmente al sueño profundo y reparador, es adecuado es importante para la salud y el bienestar general.
Medicación regular (RegularMedicine): Hace referencia al consumo regular de medicamentos recetados por un médico para tratar una condición médica específica.
Comida chatarra (JunkFood): Se refiere a alimentos que son altos en calorías, grasas saturadas, azúcares y bajos en nutrientes esenciales.
Estrés (Stress): Hace referencia a la respuesta del cuerpo ante situaciones desafiantes o estresantes. El estrés crónico puede tener efectos negativos en la salud física y mental.
Nivel de presión arterial (BPLevel): Se refiere al nivel de presión arterial, que puede ser normal, bajo o alto de la persona. Está asociada con un mayor riesgo de enfermedades cardiovasculares.
Embarazos (Pregancies): Hace referencia al número de veces que una mujer ha estado embarazada o ha dado a luz a un bebé.
Diabetes gestacional (Pdiabetes): Se refiere a la diabetes que se desarrolla durante el embarazo. Es importante controlar y tratar la diabetes gestacional para evitar complicaciones tanto para la madre como para el bebé.
Frecuencia urinaria (UriationFreq): Hace referencia a la frecuencia con la que una persona orina.
Diabetes (Diabetic): Se refiere a la condición médica crónica caracterizada por niveles elevados de azúcar en sangre. Puede tener implicaciones para la salud a largo plazo y requiere un manejo adecuado a través de cambios en el estilo de vida y medicación.
EXTENSIÓN CON R Y RSTUDIO
DATA <- load(“DATA.rda”)
Error in readChar(con, 5L, useBytes = TRUE) : no se puede abrir la conexión Además: Warning message: In readChar(con, 5L, useBytes = TRUE) : cannot open compressed file ‘DATA.rda’, probable reason ‘No such file or directory’
file.choose() [1] “C:\6to SEMESTRE\METODO CUANTITATIVO\DATA.rda”
DATA <- load(“C:\6to SEMESTRE\METODO CUANTITATIVO\DATA.rda”)
DATA
[1] “diabetes”
write.table(diabetes, file = “diabetes2.txt”, sep = “;”, eol=“”)
DESAROLLO
CARGA DE BASE DE DATOS:
# Importar la base de datos
diabetes <- read.csv("diabetes2.csv",sep = ";")
# diabetes
# Se muetsra las primeras 3 filas de la base de datos
head(diabetes, 3)## Age Gender Family_Diabetes highBP PhysicallyActive BMI Smoking
## 20 less than 40 Male yes no one hr or more 22 no
## 258 less than 40 Male yes no one hr or more 22 no
## 511 60 or older Female yes no none 26 no
## Alcohol Sleep SoundSleep RegularMedicine JunkFood Stress BPLevel
## 20 no 8 6 no often not at all normal
## 258 no 8 6 no often not at all normal
## 511 no 7 7 no occasionally sometimes normal
## Pregancies Pdiabetes UriationFreq Diabetic
## 20 0 0 not much no
## 258 0 0 not much no
## 511 3 0 not much noNOMBRE DE LAS VARIABLES DE LA BASE DE DATOS
# nombres de las variables
names(diabetes)## [1] "Age" "Gender" "Family_Diabetes" "highBP"
## [5] "PhysicallyActive" "BMI" "Smoking" "Alcohol"
## [9] "Sleep" "SoundSleep" "RegularMedicine" "JunkFood"
## [13] "Stress" "BPLevel" "Pregancies" "Pdiabetes"
## [17] "UriationFreq" "Diabetic"TIPO DE CLASE DE LAS VARIABLES DE LA BASE DE DATOS
# Comprobar el tipo de clase de cada variable
clases <- sapply(diabetes, class)
clases## Age Gender Family_Diabetes highBP
## "character" "character" "character" "character"
## PhysicallyActive BMI Smoking Alcohol
## "character" "integer" "character" "character"
## Sleep SoundSleep RegularMedicine JunkFood
## "integer" "integer" "character" "character"
## Stress BPLevel Pregancies Pdiabetes
## "character" "character" "integer" "character"
## UriationFreq Diabetic
## "character" "character"CAMBIAR EL TIPO DE CLASE
Variable AGE
diabetes$Age <- factor(diabetes$Age)
levels(diabetes$Age) <- c("40-49","50-59","60 or older","less than 40")
class(diabetes$Age)## [1] "factor"Variable Gender
diabetes$Gender <- factor(diabetes$Gender)
levels(diabetes$Gender) <- c("Female","Male")
class(diabetes$Gender)## [1] "factor"Variable Family_Diabetes
diabetes$Family_Diabetes <- factor(diabetes$Family_Diabetes)
levels(diabetes$Family_Diabetes) <- c("no","yes")
class(diabetes$Family_Diabetes)## [1] "factor"Variable HighBP
diabetes$highBP <- factor(diabetes$highBP)
levels(diabetes$highBP) <- c("no","yes")
class(diabetes$highBP)## [1] "factor"Variable PhysicallyActive
diabetes$PhysicallyActive <- factor(diabetes$PhysicallyActive)
levels(diabetes$PhysicallyActive) <- c("one hr or more","none","more than half an hr","
less than half an hr","none")
class(diabetes$PhysicallyActive)## [1] "factor"Variable Smoking
diabetes$Smoking <- factor(diabetes$Smoking)
levels(diabetes$Smoking) <- c("no","yes")
class(diabetes$Smoking)## [1] "factor"Variable Alcohol
diabetes$Alcohol <- factor(diabetes$Alcohol)
levels(diabetes$Alcohol) <- c("no","yes")
class(diabetes$Alcohol)## [1] "factor"Variable RegularMedicine
diabetes$RegularMedicine <- factor(diabetes$RegularMedicine)
levels(diabetes$RegularMedicine) <- c("no","yes")
class(diabetes$RegularMedicine)## [1] "factor"Variable JunkFood
diabetes$JunkFood <- factor(diabetes$JunkFood)
levels(diabetes$JunkFood) <- c("often", "occasionally", "very often", "always")
class(diabetes$JunkFood)## [1] "factor"Variable Stress
diabetes$Stress <- factor(diabetes$Stress)
levels(diabetes$Stress) <- c("not at all", "sometimes", "very often", "always")
class(diabetes$Stress)## [1] "factor"Variable Bplevel
diabetes$BPLevel <- factor(diabetes$BPLevel)
levels(diabetes$BPLevel) <- c("normal", "high", "low")
class(diabetes$BPLevel)## [1] "factor"Variable Pdiabetes
diabetes$Pdiabetes <- factor(diabetes$Pdiabetes)
levels(diabetes$Pdiabetes) <- c("0", "yes")
class(diabetes$Pdiabetes)## [1] "factor"Variable UriationFreq
diabetes$UriationFreq <- factor(diabetes$UriationFreq)
levels(diabetes$UriationFreq) <- c("not much", "quite often")
class(diabetes$UriationFreq)## [1] "factor"Variable Diabetic
diabetes$Diabetic <- factor(diabetes$Diabetic)
levels(diabetes$Diabetic) <- c("no", "yes")
class(diabetes$Diabetic)## [1] "factor"LIMPIEZA DE LA BASE DE DATOS
# Eliminar filas con valores faltantes
diabetes_clean <- na.omit(diabetes)
# Verificar el resultado
head(diabetes_clean)## Age Gender Family_Diabetes highBP PhysicallyActive BMI
## 20 less than 40 Male yes no \t\nless than half an hr 22
## 258 less than 40 Male yes no \t\nless than half an hr 22
## 511 60 or older Female yes no more than half an hr 26
## 907 less than 40 Male yes no none 19
## 582 60 or older Male no no none 23
## 726 40-49 Male no no one hr or more 26
## Smoking Alcohol Sleep SoundSleep RegularMedicine JunkFood Stress
## 20 no no 8 6 no very often sometimes
## 258 no no 8 6 no very often sometimes
## 511 no no 7 7 no occasionally very often
## 907 yes yes 7 5 no occasionally sometimes
## 582 no yes 7 6 yes occasionally always
## 726 yes no 8 7 no occasionally very often
## BPLevel Pregancies Pdiabetes UriationFreq Diabetic
## 20 low 0 0 not much no
## 258 low 0 0 not much no
## 511 low 3 0 not much no
## 907 low 0 0 not much no
## 582 normal 0 0 quite often yes
## 726 low 0 0 not much noELIMINAR LOS NA
# Eliminar filas con valores NA
diabetes_clean <- na.omit(diabetes)
# Verificar el resultado
head(diabetes_clean)## Age Gender Family_Diabetes highBP PhysicallyActive BMI
## 20 less than 40 Male yes no \t\nless than half an hr 22
## 258 less than 40 Male yes no \t\nless than half an hr 22
## 511 60 or older Female yes no more than half an hr 26
## 907 less than 40 Male yes no none 19
## 582 60 or older Male no no none 23
## 726 40-49 Male no no one hr or more 26
## Smoking Alcohol Sleep SoundSleep RegularMedicine JunkFood Stress
## 20 no no 8 6 no very often sometimes
## 258 no no 8 6 no very often sometimes
## 511 no no 7 7 no occasionally very often
## 907 yes yes 7 5 no occasionally sometimes
## 582 no yes 7 6 yes occasionally always
## 726 yes no 8 7 no occasionally very often
## BPLevel Pregancies Pdiabetes UriationFreq Diabetic
## 20 low 0 0 not much no
## 258 low 0 0 not much no
## 511 low 3 0 not much no
## 907 low 0 0 not much no
## 582 normal 0 0 quite often yes
## 726 low 0 0 not much noANÁLISIS DESCRIPTIVO
Descripción teórica:
Concepto y Fórmula:
Interpretación:
Diabetes1 <- diabetes_clean[, c("BMI", "Sleep", "SoundSleep", "Pregancies")]
summary(Diabetes1)## BMI Sleep SoundSleep Pregancies
## Min. :15.00 Min. : 4.000 Min. : 0.000 Min. :0.0000
## 1st Qu.:21.00 1st Qu.: 6.000 1st Qu.: 4.000 1st Qu.:0.0000
## Median :24.00 Median : 7.000 Median : 6.000 Median :0.0000
## Mean :25.33 Mean : 6.976 Mean : 5.609 Mean :0.3819
## 3rd Qu.:28.00 3rd Qu.: 8.000 3rd Qu.: 7.000 3rd Qu.:0.0000
## Max. :42.00 Max. :11.000 Max. :11.000 Max. :4.0000Selección de variables factor
Diabetes1 <- diabetes_clean[, c("BMI", "Sleep", "SoundSleep", "Pregancies")]
# Verificar el resultado
head(Diabetes1)## BMI Sleep SoundSleep Pregancies
## 20 22 8 6 0
## 258 22 8 6 0
## 511 26 7 7 3
## 907 19 7 5 0
## 582 23 7 6 0
## 726 26 8 7 0Minimo
El valor mínimo se refiere al valor más pequeño encontrado de las variables dentro de esa base de datos. Para calcular el valor mínimo de una variable se, puedes utilizar la función min(). Esta función devuelve el valor mínimo dentro de un vector o columna.
\[\text{Valor Mínimo} = \min(x_1, x_2, ..., x_n)\]
# Obtener el valor mínimo de las variables "BMI", "Sleep", "SoundSleep" y "Pregancies"
apply(Diabetes1[, c("BMI", "Sleep", "SoundSleep", "Pregancies")], 2, min)## BMI Sleep SoundSleep Pregancies
## 15 4 0 0Interpretación:
Primer Cuartil
El primer cuartil, también conocido como Q1 o percentil 25, es un valor estadístico que indica el punto en el cual el 25% de los datos de una muestra se encuentran por debajo de ese valor. En otras palabras, el primer cuartil divide la muestra en cuatro partes iguales, donde el 25% de los datos se encuentran por debajo del primer cuartil y el 75% restante se encuentra por encima.
\[Q1=Percentil . 25\]
# Calcular el primer cuartil de las variables "BMI", "Sleep", "SoundSleep" y "Pregancies"
first_quartiles <- quantile(Diabetes1$BMI, probs = 0.25)
first_quartiles_sleep <- quantile(Diabetes1$Sleep, probs = 0.25)
first_quartiles_soundsleep <- quantile(Diabetes1$SoundSleep, probs = 0.25)
first_quartiles_pregnancies <- quantile(Diabetes1$Pregancies, probs = 0.25)
# Verificar los resultados
C <- data.frame(
first_quartiles,
first_quartiles_sleep,
first_quartiles_soundsleep,
first_quartiles_pregnancies
)
print(C)## first_quartiles first_quartiles_sleep first_quartiles_soundsleep
## 25% 21 6 4
## first_quartiles_pregnancies
## 25% 0Interpretación:
Mediana
La mediana es una medida de tendencia central que indica el valor que se encuentra en el centro de un conjunto de datos ordenados. Es decir, la mitad de los valores están por encima de la mediana y la otra mitad están por debajo.
\[\text{Mediana} = \text{valor\medio}\]
apply(Diabetes1, 2, median)## BMI Sleep SoundSleep Pregancies
## 24 7 6 0Interpretación:
Media
El valor de la media se refiere al promedio de los valores de una variable específica. La media es una medida de tendencia central que se calcula sumando todos los valores y dividiendo el resultado entre la cantidad total de valores.
\[\bar{x} = \frac{1}{N} \sum_{i=1}^{N} x_i\]
data.frame(mean(Diabetes1$BMI),
mean(Diabetes1$Sleep),
mean(Diabetes1$SoundSleep),
mean(Diabetes1$Pregancies))## mean.Diabetes1.BMI. mean.Diabetes1.Sleep. mean.Diabetes1.SoundSleep.
## 1 25.33444 6.975717 5.609272
## mean.Diabetes1.Pregancies.
## 1 0.3818985Interpretación:
______________________________________-
Tercer Cuartil
El valor del tercer cuartil, también conocido como el percentil 75 (Q3), es un valor que divide los datos ordenados en cuatro partes iguales. Esto significa que el 75% de los datos se encuentran por debajo del tercer cuartil y el 25% restante se encuentra por encima.
\[Q_3=Percentil. 75\]
Diabetes1 <- diabetes_clean[, c("BMI", "Sleep", "SoundSleep", "Pregancies")]
# Calcular el tercer cuartil para cada variable
q3_values <- apply(Diabetes1, 2, quantile, probs = 0.75)
# Imprimir los resultados
print(q3_values)## BMI Sleep SoundSleep Pregancies
## 28 8 7 0Interpretación:
Valor Maximo
El valor máximo se refiere al valor más grande que se encuentra en una determinada variable o columna. Es el valor más alto dentro de esa columna específica de un conjunto de datos.
\[\text{Valor Máximo} = \text{max}(x)\]
# Suponiendo que Diabetes1 es tu conjunto de datos
Diabetes1 <- diabetes_clean[, c("BMI", "Sleep", "SoundSleep", "Pregancies")]
# Calcular el valor máximo de cada variable
maximos <- apply(Diabetes1, 2, max)
# Imprimir los valores máximos
print(maximos)## BMI Sleep SoundSleep Pregancies
## 42 11 11 4Interpretación:
GRÁFICA DE BARRAS
Relación con (género, edad, actividad física y consumo de comida chatarra)
Género(gender)
library(ggplot2)
grafico_Gender = ggplot(diabetes_clean,aes(x=Gender))+
geom_bar(stat="count", width=0.7, fill="skyblue")+
theme_minimal()
print(grafico_Gender)
Interpretación:
Edad(age)
grafico_Age = ggplot(diabetes_clean,aes(x=Age))+
geom_bar(stat="count", width=0.7, fill="orange")+
theme_minimal()
print(grafico_Age)
Interpretación:
Actividad Física(PhysicallyActive)
grafico_P = ggplot(diabetes_clean,aes(x=PhysicallyActive))+
geom_bar(stat="count", width=0.7, fill="green")+
theme_minimal()
print(grafico_P)
Comida Chatarra
grafico_C =ggplot(diabetes_clean,aes(x=JunkFood))+
geom_bar(stat="count", width=0.7, fill="pink")+
theme_minimal()
print(grafico_C)
Interpretacion:
GRÁFICO DE DISPERSIÓN
Masa Corporal y Horas de Sueño(BMI Y Sleep)
ggplot(diabetes_clean, aes(x = BMI, y = Sleep, col = factor(Sleep))) +
geom_point() +
labs(title = "Relación entre BMI y Horas de Sueño",
x = "Masa Corporal (BMI)",
y = "Horas de Sueño")
Comunicarse con los demás - al vivir con una enfermedad crónica: MedlinePlus Enciclopedia Médica. (s. f.). https://medlineplus.gov/spanish/ency/patientinstructions/000602.htm