Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
5Activity
0 of .
Results for:
No results containing your search query
P. 1
TRABAJO PRACTICO No.02 DE INVESTIGACION

TRABAJO PRACTICO No.02 DE INVESTIGACION

Ratings: (0)|Views: 170 |Likes:
Published by api-27121349

More info:

Published by: api-27121349 on Dec 03, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

03/18/2014

pdf

text

original

TRABAJO PRACTICO DE INVESTIGACION No. 2
APLICACIONES AL AN\u00c1LISIS DE DATOS USANDO SPSS PARA
INVESTIGACIONES MEDICAS \u2013 Miner\u00eda de Datos
Curso: Inform\u00e1tica Aplicada a la Investigaci\u00f3n - Prof. Ulises ROMAN C- Enero. 2008
Problema 1: (15 puntos)

An\u00e1lisis de Cluster (conglomerados) el SPSS incorpora un procedimiento que implementa el an\u00e1lisis de cluster (no jer\u00e1rquicos, jer\u00e1rquicos, dos fases). Estos procedimiento intenta identificar grupos de casos relativamente homog\u00e9neos bas\u00e1ndose en las caracter\u00edsticas seleccionadas y utilizando un algoritmo que puede gestionar un gran numero de casos. El usuario debe especificar el numero de conglomerados (centros iniciales de los conglomerados si conoce de antemano).

a) Convertir el archivo de DIABETES_DBF.XLS a DIABETES_DBF.SAV las 49 variables deber\u00e1n ser definidos seg\u00fan la vista de variables de SPSS seg\u00fan su tipo y caracter\u00edstica de datos/variable.

b) Llenar los datos con (N=230) pacientes con Diabetes Mellitus, guardar la
informaci\u00f3n.
c) Hacer la clasificaci\u00f3n por : clusters - no jer\u00e1rquicos/conglomerados (k-medias),
clusters jer\u00e1rquicos/conglomerados(jer\u00e1rquicos) y cluster de (dos fases).
d) Usando el archivoDIABETES_DBF.SAV hacer la regresi\u00f3n log\u00edstica binaria
( analizar, regresi\u00f3n, log\u00edstica binaria, variables dependientes y covariables). La
regresi\u00f3n log\u00edstica resulta \u00fatil para los casos en los que se desea predecir la
presencia o ausencia de una caracter\u00edstica o resultado seg\u00fan los valores de un
conjunto de variables predictoras
e) Para cada caso definir su grafico correspondiente.

f) Tomando como referencia su trabajo practico No.1 sobre DIABETES, desarrollar casos de PREDICCION, TENDENCIAS, PATRONES DE COMPORTAMIENTO DE LA ENFERMEDAD. Pueden usar m\u00f3dulos de clasificaci\u00f3n y otros que creen conveniente.

a) Analizar e interpretar los resultados, seg\u00fan los resultados del calculo.
b) Deber\u00e1n presentar las Pantallas de las variables definidas ya sea dependientes
o de grupo de casos/agrupaci\u00f3n, y los procedimientos de calculo.
Problema 2: (6 puntos)

Hacer un an\u00e1lisis estad\u00edstico usando SPSS para predecir el comportamiento de los usuarios externos de los hospitales y/o Cl\u00ednicas y/o enfermedades para determinar: Cuales son los patrones de comportamiento en el presente y como ser\u00e1 en el futuro respecto a la atenci\u00f3n, diagnostico, enfermedades y pronostico. Se debe determinar cual es el perfil del usuario del servicio (edad, sexo, procedencia, grado de instrucci\u00f3n, a que servicios acude m\u00e1s y otros). Para complementar en el an\u00e1lisis de datos usar el concepto de miner\u00eda de datos y generar gr\u00e1ficos y reportes

correspondientes usando el paquete SPSS (opcionalmente puede usar el Modulo de
Miner\u00eda en EXCEL). Nota los datos deben ser reales para ver comportamiento real y la
predicci\u00f3n real (m\u00ednimo 230 usuarios, mejor si es mayor).

Para el An\u00e1lisis de Datos pueden tomar 2 o m\u00e1s categor\u00edas debajo descritos- estos son algunas aplicaciones que se puedan realizar en los Hospitales, Postas de Salud, Cl\u00ednicas, EsSalud y Consultorio de Salud.

1. Descubrir distintos comportamientos de una misma patolog\u00eda.
2. Realizar pron\u00f3sticos ajustados a cada paciente.
3. Predecir las patolog\u00edas que pueden aparecer como complicaci\u00f3n de una

enfermedad determinada.
4. Encontrar la predisposici\u00f3n a padecer determinadas enfermedades.
5. Descubrir asociaciones entre patolog\u00edas.
6. Determinar el mejor tratamiento individual para cada paciente.
7. Sistema de apoyo al diagn\u00f3stico.
8. Descubrir nuevas caracter\u00edsticas de una patolog\u00eda.

9. Comparaci\u00f3n entre par\u00e1metros cl\u00ednicos.

As\u00ed, por ejemplo, en el caso de descubrir comportamientos de una misma patolog\u00eda, los sistemas de miner\u00eda de datos pueden encontrar subgrupos, dentro de una determinada patolog\u00eda, que tienen caracter\u00edsticas comunes dentro del mismo subgrupo y diferentes entre los diversos subgrupos. Estas clasificaciones pueden encontrarlas el sistema de manera autom\u00e1tica, es decir, a partir de las relaciones que el sistema encuentra por s\u00ed mismo y que no tienen porqu\u00e9 atenerse a las clasificaciones cl\u00e1sicas realizadas con inter\u00e9s acad\u00e9mico, cl\u00ednico o fisiopatol\u00f3gico.

Nota: Presentar impreso + CD(archivos .SAV, .SPO y .DOC) \u2013 Entrega Mi\u00e9rcoles
17 de Diciembre del 2008, Hora 5pm (Hora Exacta), Lugar: Auditorio, Grupo
m\u00e1ximo de 20 alumnos.

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->