APLICACIÓN DE DATA MINING A DATOS SUMINISTRADOS POR UNA CLÍNICA DE LA
CIUDAD DE NEIVA - HUILA (COLOMBIA) DE UN PERIODO DE 8 MESES DESDE ENERO A
AGOSTO DE 2017
Presentado por Evelyn Yaneth Cardozo Caviedes y Jhoan Sebastián Polania Diaz
I. ABSTRACT
This work was done in order to learn and study the techniques of
Machine Learning & Data Mining applied to a data set supplied by a
clinic in the city of Neiva (Colombia) of a total time of 8 months
beginning in January and ending in August of the year 2017 with a
total of 1121 records of persons, which was in operation, analyzing in
detail all the information of each patient attended there. The study
was performed quarterly by classifying each patient by its origin (city
or town coming from), regimen, diagnosis and other aspects; although
this clinic served people from several departments, the data were not
enough to make an in-depth analysis and likewise it was possible to
find a pattern of the most frequent diseases so that only the results of
the patients attended in Neiva with a total of 254 people.
Both the statistical analysis, applying all the techniques as the
investigation gave a little worrisome results, since the majority of
people were diagnosed in the category of Orthopedics and
Traumatology, being fractures caused by traffic accidents. This
implies that in this city there is a lack of a strong hand or, if they
exist, efficiency against the measures used to prevent more cases in
particular and to ensure the welfare of all people both pedestrians and
drivers. Therefore, the present article will gain its importance, as long
as it is taken as a guide by those professionals who wish to implement
tools and techniques that are currently used to find predictions and/or
patterns of a given set of data regardless of the area of knowledge.
Key Words: Data Mining, Diagnosis, Machine Learning, Neiva
(Colombia), Orthopedics and Traumatology
II. RESUMEN
Éste trabajo se realizó con el fin aprender y estudiar las técnicas de
Machine Learning & Data Mining aplicado a un conjunto de datos
suministrados por una clínica en la ciudad de Neiva (Colombia) de un
tiempo total de 8 meses iniciando en Enero y finalizando en Agosto
del año 2017 con un total de 1121 registros de personas, la cual estaba
en funcionamiento, analizando detalladamente toda la información de
cada paciente atendido allí. El estudio se realizó trimestralmente
clasificando a cada paciente por su origen (ciudad o poblado
proveniente), régimen, diagnóstico y otros aspectos; a pesar de que
ésta clínica atendía a personas de varios departamentos los datos aún
no eran bastantes para hacer un análisis profundo y de igual manera
de ser posible hallar un patrón de las enfermedades más frecuentes así
que solamente se tomaron los resultados de los pacientes atendidos
en Neiva con un total de 254 personas.
Tanto el análisis estadístico, aplicando todas las técnicas como la
investigación dieron unos resultados un poco preocupantes, ya que la
mayoría de personas fueron diagnosticadas en la categoría de
Ortopedia y Traumatología, siendo fracturas causadas por accidentes
de tránsito. Lo que implica que en esta ciudad falta mano fuerte o en
caso que existan, eficiencia frente a las medidas utilizadas para
prevenir más casos en particular y asegurar el bienestar de todas las
personas tanto peatones como conductores. Por lo tanto, el presente
artículo obtendrá su importancia, en la medida que sea tomado como
una guía por aquellos profesionales que deseen implementar
herramientas y técnicas que actualmente se utilizan para hallar
predicciones y/o patrones de un determinado conjunto de datos sin
importar el área de conocimiento.
Palabras Clave: Data Mining, Diagnóstico, Machine Learning,
Neiva (Colombia), Ortopedia y Traumatología
III. ESTADO DEL ARTE
a. Big Data en Colombia
En una encuesta realizada por la EMC [1] en la cual participaron 183
tomadores de decisiones de las TI (Tecnologías de la información) los
cuales analizaron las implicaciones y el potencial de implementar Big
data en el país, se hizo énfasis en la siguiente información:
Más del noventa por ciento de los empresarios creen que la
implementación de esta tendencia en sus sistemas será útil en la toma
de decisiones, la tercera parte de los encuestados consideran de por sí
que esto también los ayudará a ser más competentes en el mercado, y
dos terceras partes consideran que esta tecnología podría ayudar a
prevenir ataques cibernéticos, no obstante el 42% de los encuestados
sostienen que no está dentro de sus planes el implementar esta
tecnología pues refieren que tanto la experiencia como el instinto de
sus equipos ejecutivos son el factor fundamental para la toma de
buenas decisiones para la compañía, esto deja en evidencia que en el
país carece de adopción de una cultura informática a diferencia con
otros países donde las decisiones se toman en base a estudios y
mediciones.
A pesar de que el uso de big data es reciente, algunos de los
empresarios conocen su impacto positivo en el proceso de análisis de
datos y manejo de datos, pero al mismo tiempo su popularización
radica en la falta de presupuesto, conocimiento del tema y la cultura
como principal causa.
b. Propuestas de Big Data apoyadas por MINTIC
En Colombia por medio de MINTIC, ha creado centros de excelencia
y apropiación (CEA) con el fin de centralizar el análisis de datos en
sitios estratégicos para explotar al máximo las capacidades en el
análisis de datos. Los objetivos de los CEA son focalizar el análisis de
datos a sectores aprovechables y productivos que hacen referencia a
innovaciones para las áreas de ciberseguridad, formulación de
políticas públicas e internet de las cosas, entre otras. El proyecto hace
parte de la convocatoria 687 del MINTIC titulado CEA Big Data y
Data Analytics el cual busca generar soluciones respaldadas por las
TIC con aras de fortalecer el sector técnico del país, esta es una
iniciativa que busca crear sectores especializados principalmente
dirigidos a universidades certificadas, empresas tanto líderes en Big
data como empresas que no pertenezcan al sector TIC, este
emprendimiento está vigente desde el 2014. La misión de los
denominados centros de excelencia busca posicionar a Colombia
como líder y referente en Big Data Analytics con beneficios de
innovación nacional.
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA
c. Big Data y el sector Salud
Los pacientes, las clínicas, los hospitales tienen cantidades masivas de
datos clínicos, en formatos escritos en papel o en herramientas de
software pero que permanecen sin utilizar por la dificultad e
imposibilidad material de “digerirlos” de forma efectiva, por muy
buenos deseos que pueda tener el equipo sanitario. Lo cierto es que
esta dificultad puede tener consecuencias tanto en el control de los
gastos médicos como en la mejora de las tasas de mortalidad. Este es
el futuro de la salud, según ha publicado la prestigiosa revista Forbes:
los big data representa una oportunidad para los innovadores y todos
los que se preocupan por la salud, aumentan sustancialmente la
posibilidad de obtener información más efectiva de los datos y
menores tasas de mortalidad de los pacientes.
d. Big Data en Almacenes, firma SENSETA
Senseta es una empresa que opera desde junio de 2013 en el país y se
especializa en capturar una gran cantidad de datos por medio de
sistemas innovadores haciendo uso de esa información con ayuda de
la inteligencia artificial y la inteligencia de negocios con el fin de que
los analistas puedan crear mejores estrategias y a su vez logren hallar
tendencias que les den una ventaja competitiva en la industria, esta
empresa busca también situar al país como uno de los referentes en el
manejo de grandes volúmenes de datos en América latina.
Iniciaron su expansión en Colombia ya que tienen en cuenta el avance
en ingeniería que tiene el país, su ubicación geográfica y su
economía, su operación consiste básicamente en la captura de
información de sistemas, la herramienta de análisis de Senseta
convierte estos registros en cifras reales, proporcionando estadísticas
sobre conteo de personas, mapas de flujo, rutas de circulación, puntos
críticos, zonas calientes, zonas frías, tiempo de permanencia y demás
factores lo cual conlleva a mejores decisiones en un negocio. El
alcance de Senseta no se limita únicamente a un sector de la industria,
por el contrario su tecnología es aplicada en agricultura,
posicionamiento, telecomunicaciones, entre otros.
e. TODOESTADISTICAS en Colombia
En Colombia es necesario realizar una encuesta de satisfacción de los
clientes para mejorar el servicio en las empresas, Todoestadísticas es
una empresa que invita a sus usuarios a iniciar con el primer paso en
campos donde otras empresas no ha incursionado para ser
benefactores del uso del Big data en el análisis de datos y ver
reflejados estos beneficios en el mercado. Es una firma estadística que
cuenta con un grupo de expertos cuyo propósito es implementar y
analizar el Big data en diversos tipos de empresas generando mayor
rentabilidad como consecuencia.
f. SAS en Colombia
La modalidad de esta entidad consiste en predecir el comportamiento
de los datos basados en citas y usos anteriores de los datos en
cuestión, esto quiere decir que dependiendo la información y la toma
de decisiones más concurrentes. La compañía de origen
estadounidense y que opera en varios países del mundo implementa
esta tecnología con el propósito de brindar una experiencia real y
emocional del factor económico de las empresas para hacer uso de los
datos. La implementación de esta tecnología permitiría la toma de
decisiones en tiempo real de manera eficiente y precisa, por no citar
aplicaciones como detección de fraudes financieros, establecimientos
de nuevos modelos de precios o incluso resultados de búsquedas en la
web.
g. Data Center de IBM en Colombia
El proyecto consiste en un nuevo datacenter gestionado por IBM y
que se ubica en Colombia, con esto se pretende hacer frente a las
necesidades de una plataforma robusta y veloz que permite procesar,
almacenar, transmitir y respaldar la información que se recoge desde
diferentes fuentes como supermercados, bancos, entidades financieras
y demás. El data center que se especializa en Big Data y Cloud se
encuentra en un parque tecnológico situado a las afueras de Bogotá y
su elaboración demandó una suma cercana a los 17 millones de
dólares. Cuenta con una capacidad de almacenamiento de 3 petabytes
y Velocidad de transmisión de 40 gigabytes.
h. BBVA y Big Data
El objetivo principal es capturar y analizar los datos que tiene el
banco en busca de tendencias o modelos. Dado que el banco posee
datos de diversas índoles como sus clientes, obligaciones y demás, lo
que se busca en primera instancia es centralizar esos datos, para poder
analizarlos y extraer el conocimiento necesario o la información
relevante, lo cual es posible debido al manejo en la variedad de datos
que permite el Big Data, esta información se traduce en nuevos y
mejores servicios de las entidades financieras para con sus clientes.
Por ello, para el banco BBVA la aplicación más importante de Big
Data o Data Mining es extraer información de los clientes a partir de
lo que hacen, esto implica que la información que se extrae para
realizar las encuestas y estadísticas en aras de mejorar el servicio
provienen de una fuente más fidedigna que una encuesta, pues
implica seguir el patrón de uso de los servicios por parte de cada
cliente para determinar qué movimientos ejecuta, el tipo de vida que
tiene y de este modo generar un catálogo de actividades y servicios
concordes a su actividad. En este sentido, la parte de inteligencia
comercial para poder dar ese mejor servicio es fundamental. Y,
además, ese conocimiento de los clientes nos permite evaluar mejor al
cliente de cara a productos que tenemos como dar créditos o prevenir
el fraude.
IV. JUSTIFICACIÓN
Como se mencionaba anteriormente en el apartado de Big Data y el
sector Salud, la cantidad de datos que existen en algunas de estas
entidades prestadoras es inimaginable, es vasta y de gran importancia
para proyectos de investigación ya que abarca todos los temas que
afectan a la sociedad, pero en la actualidad son muy pocas las
entidades que habilitan o brindan esta información para que se realice
posteriormente un arduo estudio y así responder algunas de las
hipótesis planteadas en estos lugares, sin embargo, para la realización
de éste proyecto se contó con la suerte de suministro de datos de la
clínica, la razón de selección de ésta fue porque en la ciudad de Neiva
actualmente se registran día a día personas con enfermedades en
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA
común, diagnósticos en común, tratándose quizá de mala conducta,
falta de purificación en las aguas por citar algunas hipótesis.
Entonces, el propósito del proyecto fuera de poner en práctica los
conocimientos adquiridos sobre Data Mining, se realiza para ayudar
de manera desinteresada aportando información valiosa al público
para que se conozcan y se enteren de los factores que afectan
actualmente a la comunidad de esta región, por último, pero no menos
importante es la razón de aprovechar esta información, crear modelos
de atributos, relacionar registros que tengan información en común,
para así mismo si es posible clasificar en grupos, comunidades o
sectores con el fin de hallar tendencias, crear predicciones y
responder hipótesis.
V. APORTE
El proyecto y toda su información dada puede ser tomado como una
guía para todas las personas y/o profesionales que deseen aprender
más acerca de realizar análisis de Data Mining o Big Data sobre
cualquier campo de ejecución. De igual manera el propósito del
proyecto ayuda a incentivar a las persona a realizar estudios y análisis
de datos que aportan conocimiento para quizá alguna entidad pública
o privada se interese en la adquisición de éste para tomar con base o
para representar como resultados.
VI. INTRODUCCIÓN
Actualmente las nuevas tecnologías de la información y
comunicación se han convertido en un elemento imprescindible del
siglo XXI. El dominio de las TIC se impone como habilidad de gran
validez para el desempeño de todo tipo de actividades en la vida
cotidiana de cualquier individuo. El desarrollo tecnológico es un
aspecto evidente en el día a día de cualquier persona: es difícil
encontrar una profesión o un momento en nuestra vida social donde
no exista la tecnología.
Siempre se ha dicho y ha sido así desde que el mundo es mundo, que
la información es poder. El ser humano siempre ha intentado conocer
e investigar a fondo todo aquello que le rodeaba para sacar el máximo
partido a sus posibilidades de progreso y éxito, y para ello, disponer
de información exclusiva y relevante, siempre ha sido de gran ayuda.
Hoy en día, vivimos en un mundo saturado de información, contamos
con herramientas tecnológicas que ponen al alcance de nuestra mano
vastas e ingentes cantidades de información y datos. La expansión de
internet y de los sistemas de información ha evolucionado
considerablemente nuestra capacidad de obtener información de una
manera fácil y rápida; Se estima que la cantidad de información del
mundo se dobla cada 20 meses [AI Magazine].
Asi mismo, día a día el ser humano consciente o no, suministra sus
datos y otra información valiosa a algunos sistemas informáticos
donde éstos sólo son dirigidos a reservarse en unos recursos de la
informática como los son las bases de datos, alojando durante largos
periodos de tiempo (en algunos casos no) esta información siendo
desconocidos por la empresas que son de gran ayuda para realizar
estudios estadísticos y obtener resultados de tendencias, obtener
resultados de hipótesis, obtener resultados para generar predicciones,
por ejemplo en el caso de empresas de mercadeo; se puede observar
una tendencia de sus ventas independientemente del producto que ésta
ofrezca y así conocer los gustos de sus clientes más concurrentes.
Resumiendo todo lo anterior en un par de palabras con gran auge y
demanda actualmente en el siglo XXI, caracterizado por el avance y
expansión de la digitalización de la información y comunicación a
nivel mundial, en la que estamos presentes y obligados a adaptarnos a
ella, éstas dos palabras se conocen en el mundo tecnológico como
Minería de Datos (Traducido del inglés Data Mining).
Aquí es donde el desarrollo tecnológico a nivel computacional entra
en juego, mejores computadores con los que desarrollar análisis
exhaustivos de los datos en busca de información relevante, de
relaciones entre los datos, etc. Gracias a este desarrollo y a la
creciente necesidad de filtrar y organizar estas cantidades de datos,
nació un concepto denominado: KDD por sus siglas en inglés:
Knowledge Discovery in Databases.
Para el análisis de este proyecto se tomó como fuente de datos una
database proporcionada por una clínica de la ciudad de Neiva con un
tiempo de ocho (8) meses de funcionamiento, el objetivo luego de un
estudio consiste en crear un modelo basado en diferentes análisis de
algoritmos los cuales son proporcionados por una herramienta
software bajo licencia GPL denominada WEKA, encargada de
modelar y exprimir toda esa información en bruto y construir un
modelo de predicción.
WEKA (Waikato Environment for Knowledge Analysis) es una
herramienta que permite la experimentación de análisis de datos
mediante la aplicación, análisis y evaluación de las técnicas más
relevantes, principalmente las provenientes del aprendizaje
automático, sobre cualquier conjunto de datos del usuario.
VII. OBJETIVOS
a. OBJETIVOS GENERALES
Analizar a través de un minucioso estudio de corte estadístico los
registros de diagnósticos suministrados por la Clínica, tendiente a
determinar cuáles son las afectaciones más frecuentes de las personas
que usan el servicio en esta entidad de salud en la ciudad de Neiva,
aplicando algunas técnicas de análisis de datos que se utilizan en el
área de Machine Learning & Data Mining.
b. OBJETIVOS ESPECÍFICOS
1. Analizar la frecuencia/tendencia de los registros de
diagnóstico en la clínica.
2. Determinar las IPS con mayor registro de remisiones de
pacientes a la clínica.
3. Conocer las enfermedades que más padecen las personas y
se atienden en la clínica.
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA
4. Elaborar un documento que sirva de diagnóstico para
promover políticas que eviten la accidentalidad en la ciudad
de Neiva.
5. Hallar mediante técnicas de análisis de ser posible un patrón
de los datos y un modelo de predicción.
VIII. MARCO TEÓRICO
Los siguientes términos son algunos de los que tratamos durante el
desarrollo del proyecto y el programa WEKA que utilizaba en sus
interfaces
Dataset: Un conjunto de elementos de datos, el conjunto de datos, es
un concepto muy básico de aprendizaje automático. Un conjunto de
datos es más o menos equivalente a una hoja de cálculo bidimensional
o una tabla de base de datos. En WEKA, se implementa mediante la
clase Instance. Cada instancia consta de una serie de atributos,
cualquiera de los cuales puede ser nominal (= uno de una lista
predefinida de valores), numérico (= un número real o entero) o una
cadena (= una larga lista arbitraria de caracteres, encerrados en "
doble comillas"). WEKA también admite atributos de fecha y
atributos relacionales. La representación externa de una clase de
Instancias es un archivo ARFF, que consiste en un encabezado que
describe los tipos de atributos y los datos como una lista separada por
comas.
Clasificador: Cualquier clasificación o algoritmo de regresión en
WEKA se deriva de la clase abstracta Classifier. Un modelo de
clasificador es un mapeo complejo arbitrario de los atributos de
predicción al atributo de clase. La forma y creación específica de este
mapeo o modelo difiere de clasificador al clasificador. Por ejemplo,
ZeroR el modelo solo consiste en un solo valor: la clase más común
en el caso de problemas de clasificación, o la mediana de todos los
valores numéricos en caso de predecir un valor numérico (=
aprendizaje de regresión). ZeroR es un clasificador trivial, pero
proporciona un límite inferior en el rendimiento de un conjunto de
datos determinado que debería mejorar significativamente con
clasificadores más complejos. Como tal, es una prueba razonable de
qué tan bien se puede predecir la clase sin considerar los otros
atributos.
Atributos: Los atributos son las características individuales que
diferencian un objeto de otro y determinan su apariencia, estado u
otras cualidades. Los atributos se guardan en variables denominadas
de instancia, y cada objeto particular puede tener valores distintos
para estas variables.
Discretize: Se usa para discretizar los atributos numéricos en los
nominales, basados en la información de la clase, a través del método
MDL de Fayyad & Irani, u opcionalmente con el método MDL de
Kononeko. Algunos esquemas de aprendizaje o clasificadores solo
pueden procesar datos nominales, por ejemplo, reglas.
Pestaña Preprocess: Permite la visualización y pre procesado de los
datos (aplicación de filtros).
Pestaña Classify: Útil para la aplicación de algoritmos de
clasificación y regresión.
Pestaña Cluster: Conjunto de técnicas de agrupación.
Pestaña Associate: Métodos de asociación.
Pestaña Select Attributes: Selección de atributos.
Pestaña Visualize: Visualización de los datos por parejas de
atributos.
Use Training Set: En esta opción se entrenará el método con todos
los datos disponibles y luego se aplicará sobre los mismos.
Supplied Test Set: Marcando esta opción tendremos la oportunidad
de seleccionar un fichero de datos con el que se probará el
clasificador obtenido con el método de clasificación usado y los datos
iniciales.
Cross‐validation: La herramienta realizará una validación cruzada
estratificada del número de particiones dado (Folds).
Percentage Split: Se define un porcentaje de los datos con el que se
construirá el clasificador y con la parte restante se realizarán las
pruebas.
Classes to Clusters Evaluation: En este modo Weka primero ignora
el atributo de clase y genera el clustering. Luego, durante la 
fase de prueba, asigna clases a los clusters, basándose en el valor 
de la mayoría del atributo de clase dentro de cada cluster. Luego
calcula el error de clasificación, basado en esta asignación y también
muestra la matriz de confusión corresondiente.
Kappa Statistic: El Coeficiente kappa de Cohen mide la
concordancia entre dos examinadores en sus correspondientes
clasificaciones de N elementos en C categorías mutuamente
excluyentes.
TP Rate (Tasa Verdaderos Positivos): Instancias correctamente
reconocidas por el sistema.
TP Rate = TP / TP + FN
FP Rate (Tasa Falsos Positivos): Instancias que son negativas pero
el sistema dice que no lo son. Por ejemplo, tenemos 439 casos que
pertenecen al grupo II y que han sido clasificadas como I.
FP Rate = FP / FP + TN
Precision: La precisión mide el número de términos correctamente
reconocidos respecto al total de términos predichos, sean estos
verdaderos o falsos términos.
TP / TP + FP
Recall: La cobertura mide la proporción de términos correctamente
reconocidos respecto al total de términos reales, dicho de otro modo,
mide en qué grado están todos los que son [2].
Recall = TP / TP + VN
IX. METODOLOGÍA
El proceso que se propuso para el desarrollo del proyecto como
primer medida fue hacer el análisis de los datos trimestralmente para
poder observar claramente el comportamiento de éstos, luego se
recopiló sólo información de la ciudad de Neiva ya que existían más
registros para poder ser manipulados y estudiados. Finalmente estos
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA

datos se ingresaron en el programa WEKA para analizar las

predicciones y visualizar los resultados. A continuación se muestra
gráficamente el desarrollo del proyecto paso a paso. a. Paso 1: Análisis detallado total en general (8 meses

desde Enero hasta Agosto de 2017)

Análisis Total de Personas: 1121

Figura 1. Cantidad de personas que se atendieron en la clínica según registro: Bogotá, Caldas, Cauca, Coello Tolima, Cundinamarca,
su origen. En la ciudad “Grupo” se acoplaron los registros de las Fusagasugá, Granada, La Hormiga, Mocoa, Ortega, Purificación,
siguientes ciudades/municipios resultando de cada ciudad 1 sólo Soacha, Tolima Palocabildo y Tuluá.

Figura 2. Cantidad de personas que se atendieron en la clínica según

su régimen.
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA

Figura 4. Cantidad de personas que se atendieron en la clínica y se

Figura 3. Cantidad de personas que se atendieron en la clínica según clasificaron según su servicio.
su rango de edad. Las anteriores demostraciones por medio de estadísticas nos han dado
una rápida introducción del tema, algo muy general de lo que se va a
tratar con los datos de 8 meses suministrados.

b. Paso 2: Análisis sólo Neiva: Total 254 personas

Figura 5. Cantidad de personas que ingresaron de Ginecología 0,00393700 0,39370 1,41732

acuerdo a su especialidad. 1 8 0787 28
F Fr F% F° Intensivista 0,01181102 1,18110 4,25196
3 4 2362 85
Arco en c 0,00393700 0,39370 1,41732
1 8 0787 28 Maxilo 0,00393700 0,39370 1,41732
facial 1 8 0787 28
Cardiología 0,01574803 1,57480 5,66929
4 1 315 13 Medicina 11,0236 39,6850
interna 28 0,11023622 2205 39
Cx general 0,09842519 9,84251 35,4330
25 7 9685 71 Nefrologia 0,01574803 1,57480 5,66929
4 1 315 13
Cx plástica 0,04330708 4,33070 15,5905
11 7 8661 51 Neurocx 17 0,06692913 6,69291 24,0944
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA

4 3386 88 Figura 6. Porcentaje de cantidad de personas que

ingresaron de acuerdo a su especialidad.
Neurología 0,00787401 0,78740 2,83464
2 6 1575 57 Ya que en la ciudad de Neiva se encuentran varias IPC ESE Carmen
Emilia Ospina en diferentes localidades de la ciudad, en las siguientes
Ortopedia y gráficas se observan las IPS que actualmente funcionan, siendo IPC
traumatolog 0,51181102 51,1811 184,251 Palmas, IPC Granjas e IPC Canaima el conjunto total de la IPC ESE
ía 130 4 0236 97 Carmen Emilia Ospina. También se puede observar la IPS por su
ubicación o sector es más concurrida por los pacientes.
Ortopedia y
Para mejor visualización se separaron en 3 gráficas ya que la cantidad
Traumatolo de especialidades son demasiadas, 16 en total.
gía & 0,01574803 1,57480 5,66929
Pediatría 4 1 315 13

Otorrinolari 0,01181102 1,18110 4,25196

ngología 3 4 2362 85

Pediatría 0,03543307 3,54330 12,7559

9 1 7087 06

Urología 0,04330708 4,33070 15,5905

11 7 8661 51

∑ 254 1 100 360

Tabla 1. Tabla de Frecuencias de la cantidad de

personas que ingresaron de acuerdo a su especialidad.

Figura 7. Cantidad de personas remitidas de algunas IPS

según su especialidad.

Figura 8. Cantidad de personas remitidas de algunas IPS

según su especialidad.
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA

Figura 9. Cantidad de personas remitidas de algunas IPS Figura 11. Cantidad de personas remitidas a la clínica con su
según su especialidad. respectivo diagnóstico.

De la anterior gráfica se puede observar que hay una gran

participación de personas con régimen Subsidiado y con
enfermedades que tratan de especialidad de Ortopedia, teniendo en
cuenta que las personas con este régimen tienen varios factores que
influyen antes de clasificarlas, en algunos casos son personas con
poco ingreso mensual, personas desempleadas pero económicamente
activas, personas en la tercera edad que nunca tuvieron un trabajo el
cual aspirara a pensión y entre otros factores; lamentablemente son
las más propensas a sufrir de las siguientes enfermedades:

Código Diagnóstico No.

Personas

S424 Fractura de la epífisis inferior del húmero 14

Figura 10. Cantidad de personas según su régimen remitidas de S525 Fractura de la epífisis inferior del radio 15
diferentes IPS, con especialidad de Ortopedia y Traumatología.
S529 Fractura del antebrazo, parte no 6
especificada
De ahora en adelante el análisis se enfocó en la especialidad de S822 Fractura de la diáfisis de la tibia 5
Ortopedia y Traumatología, ya que como se puede observar en las
figuras 7, 8 y 9 ésta fue la que mayores registros se obtuvieron, el
cual es un poco preocupante ya que trata de las enfermedades del
sistema músculo esquelético. Para el diagnóstico nombrado como “Otros” en la figura 11, se
unieron en el rango de 1 a 4 registros ya que no son muy frecuentes,
en total son 49 y algunos de los diagnósticos son:

Código Diagnóstico No.

Personas

A430 Nocardiosis pulmonar 1

S099 Traumatismo de la cabeza, no especificado 2

S420 Fractura de la clavícula 4

S422 Fractura de la epífisis superior del húmero 3

S520 Fractura de la epífisis superior del cúbito 1

S824 Fractura del peroné solamente 4

 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA

c. Paso 3: Análisis en el programa WEKA
Para el desarrollo de este proyecto se tuvieron en cuenta los
atributos suministrados por la clínica, tales como Edad, Sexo,
Régimen, Entidad, IpsRemite, Diagnóstico, y servicio de cada
paciente atendido allí, para completar las siguientes tablas se
evaluó en el programa WEKA solo el atributo de Especialidad ya
que nos interesa mucho más, para ello le aplicamos 7 tipos de
algoritmos de árboles de decisión que nos ofrece el programa para
con el resultado comparar y analizar cuál de todos generó mejores
resultados.
Parámetro Especialidad

Métrica DecisionStump HoeffdingTree J48 LM RandomForest RandomTree REPTree

T

Correctly 141 163 163 162 177 177 162

Classified
Instances

Porcentaje 55.51 64.17 64.17 63.77 69.68 69.68 63.77

%

Incorrectly 113 91 91 92 77 77 92
Classified
Instances

Porcentaje 44.48 35.82 35.82 36.22 30.31 30.31 36.22

%

Kappa 0.16 0.40 0.38 0.38 0.49 0.50 0.37

statistic

Mean 0.08 0.05 0.06 0.07 0.05 0.05 0.06

absolute
error

Root mean 0.20 0.19 0.18 0.18 0.16 0.16 0.18

squared
error

Relative 90.56 65.36 74.2 78.4 63.78 58.40 75.13

absolute 3 8
error %
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA

Root 96.03 90.55 86.9 87.0 78.37 77.11 87.47

relative 4 9
squared
error %

TP Rate 0.55 0.64 0.64 0.63 0.69 0.69 0.63

FP Rate 0.39 0.27 0.30 0.28 0.25 0.24 0.30

Precision 0.33 0.63 0.64 0.65 0.70 0.69 0.60

Recall 0.55 0.64 0.64 0.63 0.69 0.69 0.63

F-Measure 0.41 0.57 0.56 0.56 0.65 0.64 0.56

MCC 0.22 0.43 0.43 0.43 0.53 0.53 0.41

ROC Area 0.62 0.75 0.74 0.78 0.86 0.87 0.73

PRC Area 0.35 0.52 0.49 0.55 0.67 0.67 0.49

El objetivo de la construcción de la tabla anterior se hizo para que Como requisito principal del análisis para los datos que hemos
se pudiera observar los resultados de los algoritmos aplicados y tratado hasta el momento es obtener un porcentaje para cada uno
podernos enfocar en las métricas que tienen mucha relevancia de las anteriores métricas mencionadas, un valor como mínimo de
como Correctly Classified Instances y Precision. 85% de confiabilidad pero lamentablemente no fue así.

# Clusters # Iterations Sum of squared Incorrectly Incorrectly clustered Seed

errors clustered instances %
instances
5 4 174.689 150.0 59.05 10

5 6 179.314 166.0 65.35 3

5 9 167.244 163.0 64.17 8

10 9 161.722 152.0 59.84 10

10 7 123.911 187.0 73.62 8

10 8 155.183 163.0 64.17 12

 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA

16 12 134.954 188.0 74.01 14

16 6 108.106 192.0 75.59 16

16 5 136.895 200.0 78.74 18

20 5 132.764 199.0 78.34 18

20 13 132.269 207.0 81.49 20

20 10 97.43 196.0 77.16 22

Algoritmo K-Means – Cluster Evaluation Ortopedia no tienen cuidado al hacer actividades demandadas y
Especialidad afectan de sus extremidades ya sea por desconocimiento o no.

En la tabla anterior se hizo uso de la opción de Classes to

Clusters Evaluation el cual puede encontrar la definición en el
apartado del marco teórico. Obteniendo como buen resultado
hacer el análisis con 16 cluster y 16 semillas (Seed), ya que tiene
coherencia con la cantidad de datos que puede tomar la métrica de
Especialidad.
Otra razón fue porque el valor del error cuadrático fue bajo en
comparación con los demás.
Conclusión
El análisis predictivo ha dejado de estar reservado a grandes
corporaciones, gobiernos o universidades y se ha generalizado
como una herramienta más de la Busines Intelligence (Inteligencia
de los negocios) a disposición de todo tipo de empresas y
organizaciones. El requerimiento fundamental para realizar
análisis predictivo es la existencia de un conjunto lo
suficientemente amplio de datos como para permitir detectar en
ellos patrones que permitan formular reglas capaces de anticipar
previsiones. [7]
La capacidad de almacenar y gestionar conjuntos de datos masivos
ha crecido de manera exponencial en los últimos años al tiempo
que ha aparecido una cultura empresarial y gubernamental que
apuesta por la recolección de datos de manera sistematizada, en la
confianza de que en algún momento podrá extraerse de los
mismos información relevante.
Se deduce que los mayores registros que existen sobre Ortopedia y
Traumatología en la ciudad de Neiva de acuerdo a los datos
suministrados afectan directamente a personas con régimen
subsidiado sabiendo que a estas las afectan muchos factores y la
gran mayoría pertenecen a la denominada población vulnerable.
Puede considerarse que estas personas afectadas por alguna
fractura u otro diagnóstico perteneciente a la especialidad de
Referencias
[1] “Análisis de Viabilidad de la implementación de redes
Big Data en Colombia”, Jorge Eduardo Reíta Reyes &
Héctor Javier Salinas Hernández, 2016,
http://repository.udistrital.edu.co/bitstream/11349/4018/1/Big-
data-FINAL-SI-1-1%20%281%29.pdf
[2] “Aplicación de Algoritmos de clasificación supervisada
usando WEKA”, Ing. Corso, Cynthia Lorena,
http://www.investigacion.frc.utn.edu.ar/labsis/Publicaciones/congr
esos_labsis/cynthia/CNIT_2009_Aplicacion_Algoritmos_Weka.p
df
[3] “Análisis de Datos en WEKA. Pruebas de selectividad”, María
García Jiménez, Aránzazu Álvarez Sierra,
http://www.it.uc3m.es/jvillena/irc/practicas/06- 07/28.pdf
[4] “Aplicación de técnicas de Minería de Datos a Datos obtenidos
por el Centro Andaluz de Medio Ambiente (CEAMA)”, Francisco
José García Gonzales, 2013,
http://masteres.ugr.es/moea/pages/tfm-
1213/tfm_garciagonzalezfrancisco_1/!
[5] “Minería de Datos para el análisis de datos Meteorológicos”,
Néstor Darío Duque M & Mauricio Orozco A & Luisa Hincapié,
http://www.docentes.unal.edu.co/morozcoa/docs/Duque2011.pdf
[6] “Análisis inteligente de datos aplicado al proceso de nivelación
en la Universidad Técnica Estatal de Quevedo”, H. Escobar. & W.
Burbano. & A. Puris, http://www.uteq.edu.ec/doc/page/35/Grupos
%20de%20Investigaci%C3%B3n/tics/150-965-1-PB.pdf
[7] “Análisis predictivo: técnicas y modelos utilizados y
aplicaciones del mismo - herramientas Open Source que permiten
 CORPORACIÓN UNIVERSITARIA DEL HUILA “CORHUILA”
FACULTAD DE INGENIERÍA

su uso”, Carlos Espino Timón & Xavier Martínez Fontes, 2017,

http://openaccess.uoc.edu/webapps/o2/bitstream/10609/59565/6/c
aresptimTFG0117mem%C3%B2ria.pdf

[8] “Algoritmos de Clustering y aprendizaje automático aplicados

a Twitter”, Eric-Joel Blanco-Hermida Sanz, Enero-2016,
https://upcommons.upc.edu/bitstream/handle/2117/82434/113257.
pdf?sequence=1&isAllowed=y

[9] “Técnicas de Agrupamiento para el análisis de datos

cuantitativos y cualitativos”, Ignacio Javier Benítez Sánchez,
Valencia – Septiembre 2005,
https://www.researchgate.net/profile/Ignacio_Benitez/publication/
239526131_Tecnicas_de_Agrupamiento_para_el_Analisis_de_Da
tos_Cuantitativos_y_Cualitativos/links/00b7d51c15cca2cb1f0000
00/Tecnicas-de-Agrupamiento-para-el-Analisis-de-Datos-
Cuantitativos-y-Cualitativos.pdf