Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria

El sueño es fundamental para la salud humana, afectando el bienestar físico y mental. Problemas como la apnea del sueño impactan negativamente la calidad del descanso, lo que hace necesario el uso de herramientas predictivas. Este proyecto de grado busca aplicar aprendizaje automático para predecir la calidad del sueño y la apnea del sueño, utilizando XGBoost. Se identificaron variables clave como BMI, saturación de oxígeno y etapas del sueño. A través del análisis de importancia de variables y técnicas de clustering, se segmentaron a los participantes en tres grupos, generando recomendaciones personalizadas basadas en sus características prediciendo la calidad del sueño y si tiene una condición de apnea el individuo. A pesar de las limitaciones de un dataset pequeño, los modelos mostraron un buen desempeño, especialmente XGBoost, lo que abre la puerta a futuras aplicaciones en monitorización en tiempo real mediante dispositivos como smartwatches.

• Autores: Riveros Pérez, Juan David
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/75461
• Acceso en línea: https://hdl.handle.net/1992/75461
• Palabra clave: Calidad del sueño; Apnea del sueño; Aprendizaje automático; XGBoost; Recomendaciones personalizadas; Ingeniería
• Rights: openAccess
• License: Attribution-NonCommercial 4.0 International