Revista de Ciencias Teóricas y Computacionales
Acceso abierto

abstracto

Plataforma de análisis de Big Data para servicios de atención médica rural

Príncipe Apia

La era de la era digital ha llegado con una gran cantidad de datos que deben analizarse utilizando herramientas de análisis predictivo. En un caso de aumento exponencial de la cantidad de datos de atención médica con Internet de las cosas (drone), ha llamado la atención el análisis de big data. La tendencia actual en la recopilación de datos epidemiológicos de vigilancia de enfermedades se realiza mejor utilizando drones. Por lo tanto, viene con datos estructurados, semiestructurados y no estructurados que conducen al rastreo de datos mediante drones. Este documento propone una herramienta de big data para una técnica de aprendizaje automático adecuada para la segregación y agrupación de datos de drones, para una predicción precisa para mejorar la calidad de la atención médica. El enfoque propuesto, con el objetivo de superar el rastreo de datos con drones y proporcionar análisis en tiempo real de los datos de crowdsensing. La implementación se realizó utilizando el núcleo de Apache Spark con un algoritmo de aprendizaje automático para una mejor segregación de la transmisión en tiempo real desde diferentes fuentes de las multitudes. Según los resultados del experimento realizado, el concepto tiene el potencial de mejorar las predicciones de atención médica de calidad. El resultado del estudio indicó claramente que el clúster de K-means tiene la tasa más alta de control de segregación de datos en tiempo real en comparación con el agrupamiento basado en cuadrículas y densidad.