Predicción de riesgo de caída en adultos mayores a través de sensores: Un enfoque de Machine Learning.
| dc.contributor.advisor | Flores Huenchullanca, Ricardo Antonio | es |
| dc.contributor.advisor | Pinacho Davidson, Pedro Pablo | es |
| dc.contributor.author | Ramos Montesino, Emilio | es |
| dc.date.accessioned | 2025-12-01T12:51:29Z | |
| dc.date.available | 2025-12-01T12:51:29Z | |
| dc.date.issued | 2025 | |
| dc.description | Tesis presentada para optar al título de Ingeniero/a Civil Informático/a. | es |
| dc.description.abstract | Las caídas son actualmente uno de los principales peligros de salud en los adultos mayores, teniendo una alta prevalencia en Chile. Para medir el riesgo de caída existen diversos tests como el Timed Up and Go (TUG), el cual es ampliamente utilizado debido a su sencillez y fácil implemen tación. A pesar de esto, el TUG solo evalúa la duración total de la prueba, limitando la detección de patrones de marcha y estrategias compensatorias durante el test. Este trabajo propone un enfoque de aprendizaje automático, para predecir el riesgo de caída, utilizando datos de un sensor inercial colocado en la zona lumbar en adultos mayores chilenos al momento de realizar el test TUG. Se entrenaron varios modelos de Machine Learning Clásico, tal que el mejor resultado lo alcanzó el XGBoost con un F1-Score de 91.17% y un AUC de 0.96. Además, el análisis de interpretabilidad con valores SHAP reveló que las fases de Caminata de Ida y Caminata de Vuelta fueron las más de terminantes en la predicción. Finalmente, se desarrolló un dashboard interactivo en Streamlit para visualizar individualmente las predicciones, constituyendo una herramienta exploratoria de apoyo al análisis de la predicción. | es |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Informática y Ciencias de la Computación | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/13458 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Tecnología y ancianos | es |
| dc.subject | Aprendizaje de máquina | es |
| dc.subject | Inteligencia artificial | es |
| dc.title | Predicción de riesgo de caída en adultos mayores a través de sensores: Un enfoque de Machine Learning. | es |
| dc.type | Thesis | en |