Caracterización de la supervivencia de mujeres con cáncer invasivo de cuello uterino usando minería de datos

Contenido principal del artículo

Autores

Ricardo Timarán-Pereira
Maria Clara Yépez-Chamorro

Resumen

En este artículo se presenta uno de los resultados del proyecto de investigación denominado: Detección de patrones de supervivencia en mujeres con cáncer invasivo de cuello uterino con técnicas de minería de datos , utilizando como fuente principal la información almacenada en la base de datos del Registro Poblacional de Cáncer del Municipio de Pasto (Colombia). Aplicando la metodología para proyectos de minería de datos CRISP-DM, se construyó, limpió y transformó un repositorio de datos con la información de las mujeres que fueron diagnosticadas con cáncer invasivo de cuello uterino entre los años 1998 y 2002, con una ventana de observación hasta el 2007. Se detectaron los principales factores socioeconómicos y clínicos asociados con la supervivencia de este grupo poblacional, utilizando las tareas de minería de datos: clasificación, asociación y agrupación. El patrón principal descubierto es aquel que caracteriza a una mujer con cáncer invasivo de cuello uterino como sobreviviente, si sobrepasa los 52 meses después del momento del diagnóstico del cáncer.

Palabras clave:

Detalles del artículo

Licencia

Los artículos aquí publicados están protegidos bajo una licencia Licencia Creative Commons Atribución 4.0 Internacional. El contenido de los artículos es responsabilidad de cada autor y no compromete, de ninguna manera, a la revista o a la institución. Se permite la divulgación y reproducción de títulos, resúmenes y contenido total, con fines académicos, científicos, culturales y/o comerciales, siempre y cuando se cite la respectiva fuente. 

Licencia Creative Commons

 

Referencias

Agrawal, R., & Srikant, R. (Septiembre de 1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases. Conferencia llevada a cabo en Santiago de Chile, Chile.

Arias, S.A. (2009). Inequidad y cáncer: una revisión conceptual. Revista Facultad Nacional de Salud Pública, 27 (3), 341-348. Recuperado de: https://aprendeenlinea.udea.edu.co/revistas/index.php/fnsp/article/view/2060

Asport, S., & Rivero, T. (2004). Plan nacional de control de cáncer de cuello uterino 2004-2008. Ministerio de Salud y Deportes de Bolivia. Recuperado de: http://saludpublica.bvsp.org.bo/textocompleto/ncc23332.pdf

Castro, M., Vera, L., & Posso, H. (2006). Epidemiología del cáncer de cuello uterino: estado del arte. Revista Colombiana de Obstetricia y Ginecología, 57 (3) 182-189. Recuperado de: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0034-74342006000300006

Chen, M., Han, J., & Yu, P. (1996). Data mining: an overview from database perspective. IEEE Transactions on Knowledge Data Engineering, 8 (6), 866-883. doi: 10.1109/69.553155

Ciencia Hoy (2006). Nuevas vacunas que salvarán millones de vidas: cáncer del cuello uterino. Revista Ciencia Hoy en Línea, Vol. 16, No.95. Recuperado de: http://www.cienciahoy.org.ar/ch/ln/hoy95/cancer.htm

Ferlay, J., Bray, F., Pisani, P., & Parkin, D.M. (2004). GLOBOCAN 2002: Cancer incidence, mortality and prevalence worldwide. Lyon, Francia: IARC Press.

Ferlay, J., Shin, H.R., Bray, F., Forman, D., Mathers, C., & Parkin, D.M. (2010). GLOBOCAN 2008: Cancer incidence and mortality worldwide.Lyon, Francia: IARC Press.

Fernández, G. (2009). Extracción de Información de la web usando técnicas de minería de datos. Recuperado de: http://www.tdg-seville.info/Download.ashx?id=48.

Gallardo, J. (2009). Metodología para el desarrollo de proyectos en minería de datos CRISP-DM. Recuperado de: http://www.oldemarrodriguez.com/yahoo_site_admin/assets/docs/Documento_CRISP-DM.2385037.pdf.

García, M., & Álvarez, A. (2010). Análisis de datos en WEKA –Pruebas de selectividad. Recuperado de: http://www.it.uc3m.es/jvillena/irc/practicas/06-07/28.pdf‎.

Han, J., & Kamber, M. (2001). Data mining concepts and techniques. San Francisco, Estados Unidos: Morgan Kaufmann Publishers.

Hernández, E., & Lorente, R. (2009). Minería de datos aplicada a la detección de cáncer de mama. Recuperado de: http://ww.it.uc3m.es/jvillena/irc/practicas/08-09/14.pdf.

Hernández, J., Ramírez, M.J., & Ferri, C. (2005). Introducción a la minería de datos. Madrid, España: Editorial Pearson Prentice Hall.

Merle, J. L. (2004). Análisis de la situación del cáncer cérvico uterino en América Latina y el Caribe. Washington, Estados Unidos: OPS.

Pardo, C., & Cendales, R. (2010). Incidencia estimada y mortalidad por cáncer en Colombia: 2002-2006. Bogotá, Colombia: Instituto Nacional de Cancerología E.S.E. Ministerio de Salud y Protección Social.

Quinlan, J.R. (1993). C4.5: Programs for machine leraning. San Francisco, Estados Unidos: Morgan Kaufmann Publishers.

Sattler, K., & Dunemann, O. (2001). SQL Database primitives for decision tree classifiers. Proceedings of the Tenth International Conference on Information and Knowledge Management. Conferencia llevada a cabo en Atlanta, Estados Unidos.

Timarán, R., & Millán, M. (2006). New algebraic operators and sql primitives for mining classification rules. Proceedings of the Five IASTED International Conference on Computational Intelligence. Conferencia llevada a cabo en San Francisco, Estados Unidos.

Witten, I., & Frank, E. (2000). Data mining: practical machine learning tools and techniques with java implementations. San Francisco, Estados Unidos: Morgan Kaufmann Publishers.

Yépez, M.C., Cerón, E., Hidalgo-Troya, A., & Cerón, C. (2011). Supervivencia de mujeres con cáncer de cuello uterino, Municipio de Pasto. Revista Universidad y Salud, 2 (14), 7-18.

Descargas

La descarga de datos todavía no está disponible.