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...
- 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
| id |
UNIANDES2_8eff5609b1504ba4b3bd38f894e46438 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/75461 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria |
| title |
Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria |
| spellingShingle |
Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria Calidad del sueño Apnea del sueño Aprendizaje automático XGBoost Recomendaciones personalizadas Ingeniería |
| title_short |
Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria |
| title_full |
Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria |
| title_fullStr |
Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria |
| title_full_unstemmed |
Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria |
| title_sort |
Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria |
| dc.creator.fl_str_mv |
Riveros Pérez, Juan David |
| dc.contributor.advisor.none.fl_str_mv |
Lozano Martínez, Fernando Enrique |
| dc.contributor.author.none.fl_str_mv |
Riveros Pérez, Juan David |
| dc.contributor.jury.none.fl_str_mv |
Osma Cruz, Johann Faccelo |
| dc.subject.keyword.spa.fl_str_mv |
Calidad del sueño Apnea del sueño Aprendizaje automático XGBoost Recomendaciones personalizadas |
| topic |
Calidad del sueño Apnea del sueño Aprendizaje automático XGBoost Recomendaciones personalizadas Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
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. |
| publishDate |
2024 |
| dc.date.issued.none.fl_str_mv |
2024-12 |
| dc.date.accessioned.none.fl_str_mv |
2025-01-17T13:33:42Z |
| dc.date.available.none.fl_str_mv |
2025-01-17T13:33:42Z |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/1992/75461 |
| dc.identifier.instname.none.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
https://hdl.handle.net/1992/75461 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Centers for Disease Control and Prevention (CDC). (n.d.). Sleep and Sleep Disorders. Recuperado de https://www.cdc.gov/sleep/index.html Mayo Clinic. (2023). Obesity - Symptoms and Causes. Recuperado de https://www.mayoclinic.org/diseasesconditions/obesity/symptoms-causes/syc20375742​ Cleveland Clinic. (2023). Body Mass Index (BMI): What It Is & How To Calculate. Recuperado de https://my.clevelandclinic.org/health/articles/9464-body-mass-index-bmi​ National Heart, Lung, and Blood Institute (NHLBI). (n.d.). What Is Sleep Apnea? Recuperado de https://www.nhlbi.nih.gov/healthtopics/sleep-apnea Luyster, F. S., Strollo, P. J., Zee, P. C., & Walsh, J. K. (2012). Sleep: A health imperative. Sleep, 35(6), 727-734 Watson, N. F., Badr, M. S., Belenky, G., Bliwise, D. L., Buxton, O. M., Buysse, D., & Tasali, E. (2015). Recommended amount of sleep for a healthy adult: a joint consensus statement of the American Academy of Sleep Medicine and Sleep Research Society. Journal of Clinical Sleep Medicine, 11(6), 591-592 Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer PhysioNet. (2022). DREAMT Telemetry Dataset. Recuperado de https://physionet.org/content/dreamt/1.0.0/ Academic Journal. (2024). The Impact of BMI on Sleep Apnea Severity. Journal of Endocrinology and Metabolism. Recuperado de https://academic.oup.com Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5-32 Chen, T., & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 785-794). Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression. Wiley “Blood Pressure Definition,” American Heart Association, 2023. Recuperado de https://www.heart.org/en/health-topics/highblood-pressure/understanding-blood-pressurereadings. Zhang GQ, Cui L, Mueller R, Tao S, Kim M, Rueschman M, Mariani S, Mobley D, Redline S. The National Sleep Research Resource: towards a sleep data commons. J Am Med Inform Assoc. 2018 Oct 1;25(10):1351-1358. doi: 10.1093/jamia/ocy064. PMID: 29860441; PMCID: PMC6188513. Young T, Palta M, Dempsey J, Peppard PE, Nieto FJ, Hla KM. Burden of sleep apnea: rationale, design, and major findings of the Wisconsin Sleep Cohort study. WMJ. 2009 Aug;108(5):246-9. PMID: 19743755; PMCID: PMC2858234 |
| dc.rights.en.fl_str_mv |
Attribution-NonCommercial 4.0 International |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-NonCommercial 4.0 International http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
11 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.none.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.none.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| publisher.none.fl_str_mv |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/27d3dacc-f02d-4d8d-a36a-12148c4e492e/download https://repositorio.uniandes.edu.co/bitstreams/1c8e8c18-6574-4519-bed7-2aeee2b8dd37/download https://repositorio.uniandes.edu.co/bitstreams/7a7e798b-3e56-4f00-810d-ed01ea1c74d7/download https://repositorio.uniandes.edu.co/bitstreams/8513f980-a9d5-4d00-9326-220831122870/download https://repositorio.uniandes.edu.co/bitstreams/6e1d0c3b-3fe1-4813-b6ea-c9521133a622/download https://repositorio.uniandes.edu.co/bitstreams/7276be9f-b2ad-47bf-a61d-25fd1fc1f7ed/download https://repositorio.uniandes.edu.co/bitstreams/748c4149-702f-4274-a5e2-5f83438f2a43/download https://repositorio.uniandes.edu.co/bitstreams/915353e1-fe8f-40a9-9964-c77641aa8c25/download |
| bitstream.checksum.fl_str_mv |
ba3d4e5986b4bd39b73b80209b1661dc 2de352a3cc00e1b2711475a6de7534d4 24013099e9e6abb1575dc6ce0855efd5 ae9e573a68e7f92501b6913cc846c39f ee24bafca3078335f33f093175ca7706 c9e2b29083b977a1b4065f0111e74c65 c198ea4e30c2c2988abe0cc7d0447553 cea13a1b578ab9f01df1fc2704a93d0a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1831927844939235328 |
| spelling |
Lozano Martínez, Fernando Enriquevirtual::22151-1Riveros Pérez, Juan DavidOsma Cruz, Johann Faccelovirtual::22152-12025-01-17T13:33:42Z2025-01-17T13:33:42Z2024-12https://hdl.handle.net/1992/75461instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Pregrado11 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaAttribution-NonCommercial 4.0 Internationalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diariaTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPCalidad del sueñoApnea del sueñoAprendizaje automáticoXGBoostRecomendaciones personalizadasIngenieríaCenters for Disease Control and Prevention (CDC). (n.d.). Sleep and Sleep Disorders. Recuperado de https://www.cdc.gov/sleep/index.htmlMayo Clinic. (2023). Obesity - Symptoms and Causes. Recuperado de https://www.mayoclinic.org/diseasesconditions/obesity/symptoms-causes/syc20375742​Cleveland Clinic. (2023). Body Mass Index (BMI): What It Is & How To Calculate. Recuperado de https://my.clevelandclinic.org/health/articles/9464-body-mass-index-bmi​National Heart, Lung, and Blood Institute (NHLBI). (n.d.). What Is Sleep Apnea? Recuperado de https://www.nhlbi.nih.gov/healthtopics/sleep-apneaLuyster, F. S., Strollo, P. J., Zee, P. C., & Walsh, J. K. (2012). Sleep: A health imperative. Sleep, 35(6), 727-734Watson, N. F., Badr, M. S., Belenky, G., Bliwise, D. L., Buxton, O. M., Buysse, D., & Tasali, E. (2015). Recommended amount of sleep for a healthy adult: a joint consensus statement of the American Academy of Sleep Medicine and Sleep Research Society. Journal of Clinical Sleep Medicine, 11(6), 591-592Bishop, C. M. (2006). Pattern Recognition and Machine Learning. SpringerHastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. SpringerPhysioNet. (2022). DREAMT Telemetry Dataset. Recuperado de https://physionet.org/content/dreamt/1.0.0/Academic Journal. (2024). The Impact of BMI on Sleep Apnea Severity. Journal of Endocrinology and Metabolism. Recuperado de https://academic.oup.comHastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. SpringerBreiman, L. (2001). Random Forests. Machine Learning, 45(1), 5-32Chen, T., & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 785-794).Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression. Wiley“Blood Pressure Definition,” American Heart Association, 2023. Recuperado de https://www.heart.org/en/health-topics/highblood-pressure/understanding-blood-pressurereadings.Zhang GQ, Cui L, Mueller R, Tao S, Kim M, Rueschman M, Mariani S, Mobley D, Redline S. The National Sleep Research Resource: towards a sleep data commons. J Am Med Inform Assoc. 2018 Oct 1;25(10):1351-1358. doi: 10.1093/jamia/ocy064. PMID: 29860441; PMCID: PMC6188513.Young T, Palta M, Dempsey J, Peppard PE, Nieto FJ, Hla KM. Burden of sleep apnea: rationale, design, and major findings of the Wisconsin Sleep Cohort study. WMJ. 2009 Aug;108(5):246-9. PMID: 19743755; PMCID: PMC2858234202011177Publicationhttps://scholar.google.es/citations?user=6QQ-dqMAAAAJvirtual::22152-10000-0003-2928-3406virtual::22152-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000025550virtual::22151-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000221112virtual::22152-1edd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::22151-1edd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::22151-1a9f6ef37-65d7-4484-be71-8f3b4067a8favirtual::22152-1a9f6ef37-65d7-4484-be71-8f3b4067a8favirtual::22152-1ORIGINALFormato Autorizacion tesis - 202011177 Firmado.pdfFormato Autorizacion tesis - 202011177 Firmado.pdfHIDEapplication/pdf251461https://repositorio.uniandes.edu.co/bitstreams/27d3dacc-f02d-4d8d-a36a-12148c4e492e/downloadba3d4e5986b4bd39b73b80209b1661dcMD51Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria.pdfAplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria.pdfapplication/pdf545499https://repositorio.uniandes.edu.co/bitstreams/1c8e8c18-6574-4519-bed7-2aeee2b8dd37/download2de352a3cc00e1b2711475a6de7534d4MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.uniandes.edu.co/bitstreams/7a7e798b-3e56-4f00-810d-ed01ea1c74d7/download24013099e9e6abb1575dc6ce0855efd5MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/8513f980-a9d5-4d00-9326-220831122870/downloadae9e573a68e7f92501b6913cc846c39fMD54TEXTFormato Autorizacion tesis - 202011177 Firmado.pdf.txtFormato Autorizacion tesis - 202011177 Firmado.pdf.txtExtracted texttext/plain2112https://repositorio.uniandes.edu.co/bitstreams/6e1d0c3b-3fe1-4813-b6ea-c9521133a622/downloadee24bafca3078335f33f093175ca7706MD55Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria.pdf.txtAplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria.pdf.txtExtracted texttext/plain53634https://repositorio.uniandes.edu.co/bitstreams/7276be9f-b2ad-47bf-a61d-25fd1fc1f7ed/downloadc9e2b29083b977a1b4065f0111e74c65MD57THUMBNAILFormato Autorizacion tesis - 202011177 Firmado.pdf.jpgFormato Autorizacion tesis - 202011177 Firmado.pdf.jpgGenerated Thumbnailimage/jpeg10832https://repositorio.uniandes.edu.co/bitstreams/748c4149-702f-4274-a5e2-5f83438f2a43/downloadc198ea4e30c2c2988abe0cc7d0447553MD56Aplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria.pdf.jpgAplicación de técnicas de aprendizaje automático para el análisis y predicción de patrones de sueño usando variables fisiológicas y de actividad diaria.pdf.jpgGenerated Thumbnailimage/jpeg14133https://repositorio.uniandes.edu.co/bitstreams/915353e1-fe8f-40a9-9964-c77641aa8c25/downloadcea13a1b578ab9f01df1fc2704a93d0aMD581992/75461oai:repositorio.uniandes.edu.co:1992/754612025-03-05 10:04:26.458http://creativecommons.org/licenses/by-nc/4.0/Attribution-NonCommercial 4.0 Internationalopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |