| Revista: | Programación matemática y software |
| Base de datos: | |
| Número de sistema: | 000573312 |
| ISSN: | 2007-3283 |
| Autors: | Hernández-Gómez, Henry Jesús1 Canul-Reich, Juana1 |
| Institucions: | 1Universidad Juárez Autónoma de Tabasco. División Académica de Ciencias y Tecnologías de la Información. Cunduacán, Tabasco. México, |
| Any: | 2023 |
| Volum: | 15 |
| Número: | 2 |
| Paginació: | 32-41 |
| País: | México |
| Idioma: | Español |
| Resumen en inglés | Data visualizations and machine learning are two areas of computer science that converge in the analysis and understanding of datasets. This convergence allows for a comprehensive and multidimensional understanding of a phenomenon, with the purpose of addressing complex questions from different perspectives. The objective of this article is to describe and demonstrate the use of visualizations on clustering models to derive contexts of bacterial coexistence in underlying groups of patients diagnosed with Bacterial Vaginosis (VB) positive. For this purpose, a previously developed hierarchical agglomerative clustering model was employed using a VB dataset. In conclusion, our evidence demonstrates that data visualizations are effective in identifying relevant patterns of bacterial coexistence in groups of VB-positive patients. This reveals significant relationships among different bacteria in specific groups, wherein it is possible to distinguish the presence of various types of Lactobacillus, such as Jensenii, Crispatus, LGasseri, Liner, and anaerobic bacteria such as Atopobium, Gardnerella, Megasphaera, and Mycoplasma. These findings highlight the utility of data visualizations in understanding and identifying the contexts of bacterial coexistence in this medical condition. |
| Resumen en español | Las visualizaciones de datos y el aprendizaje automático son dos áreas de las ciencias de la computación en las que existe una convergencia en el análisis y entendimiento de los conjuntos de datos. Esta convergencia permite la comprensión completa y multidimensional de un fenómeno, con el propósito de abordar interrogantes complejas desde diferentes perspectivas. El objetivo de este artículo es describir y mostrar el uso de visualizaciones sobre modelos de clustering para derivar contextos de coexistencia bacteriana en grupos subyacentes de pacientes con un diagnóstico de Vaginosis Bacteriana (VB) positivo. Para este fin, se empleó un modelo previamente desarrollado de clustering jerárquico aglomerativo en el cual se utilizó un conjunto de datos de VB. En conclusión, nuestras evidencias demuestran que las visualizaciones de datos son efectivas para identificar patrones relevantes de coexistencia bacteriana en grupos de pacientes con VB-Positivo. Esto revela relaciones significativas entre distintas bacterias en grupos específicos, en los cuales es posible distinguir la presencia de varios tipos de Lactobacillus, tales como Jensenii, Crispatus, LGasseri, Liner y bacterias anaeróbicas tales como Atopobium, Gardnerella, Megasphaera y Mycoplasma. Estos hallazgos destacan la utilidad de las visualizaciones de datos para comprender e identificar los contextos de coexistencia bacteriana en esta condición médica. |
| Paraules clau: | Visualización de datos, Contextos, Vaginosis Bacteriana, Agrupamiento |
| Keyword: | Data visualization, Contexts, Bacterial Vaginosis, Clustering |
| Text complet: | Texto completo (Ver PDF) |
