Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Lamos Diaz, HenryRamirez Sierra, Yuly Andrea2023-04-0620232023-04-0620192019https://noesis.uis.edu.co/handle/20.500.14071/14025La vigilancia es una característica esencial de la práctica epidemiológica, y es el resultado de la recolección, validación, análisis e interpretación de datos de salud y enfermedades. El valor de la vigilancia implica la entrega efectiva y eficiente de información útil. Así, los sistemas de vigilancia deben ser flexibles tanto al incremento en las necesidades de información, como a la utilización de tecnologías apropiadas que permitan difundir datos oportunamente. Entonces, para afrontar la brecha en el conocimiento de la salud, la vigilancia de la salud pública puede beneficiarse de los avances en ciencias de la información, tecnologías y el aumento de bases de datos y fuentes de datos. Por consiguiente, en esta investigación se construye un marco de trabajo como una guía para la vigilancia epidemiológica, en las etapas de análisis e interpretación de datos, y difusión de la información, con apoyo del paradigma big data, adoptando técnicas de minería de datos para descubrir patrones y tendencias, y de aprendizaje automático para construir modelos predictivos, con el fin de apoyar la toma de decisiones de las autoridades de salud pública. El marco de trabajo se define teniendo en cuenta las etapas claves del descubrimiento de conocimiento en bases de datos (KDD), considerando cinco fases tales como: caracterización del área de estudio; integración y recopilación de la información; selección, limpieza y transformación; procesamiento, evaluación e interpretación de la información, y difusión y uso. Finalmente, se realiza un estudio de caso para un evento de salud pública crítico de Santander, Colombia como lo es el virus del dengue.application/pdfspainfo:eu-repo/semantics/openAccessSal Ud PúblicaVigilancia EpidemiológicaMinería De DatosAprendizaje AutomáticoBig DataUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestríaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coPublic HealthEpidemiological SurveillanceData MiningMachine LearningBig Datahttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)