https://172.23.39.185/handle/1000/72 2026-04-19T15:52:29Z https://172.23.39.185/handle/1000/468 Title : Datos Geograficos; Datos Geograficos ( updated ene 2024) Authors: MIGUEL FELIX MATA RIVERA Editors: Miguel Felix Mata Rivera Summary or description: datos geograficos ; capas base 2020-01-01T00:00:00Z https://172.23.39.185/handle/1000/467 Title : DATOS SALUD SEDESA ( Updated Ene2024) Authors: MIGUEL FELIX MATA RIVERA Editors: Instituto politecnico nacional Summary or description: Concentrado de datos procesados de la bases SICE, SAUM, SEED y SAEH; Datos de las bases de salud, SICE; SAUM, SICE y SAEH Matter: SAUM, SICE 2023-01-01T00:00:00Z https://172.23.39.185/handle/1000/393 Title : Datos de casos de enfermedades respiratorias (CIE10 ID, count per year)2005- 2015 CDMX ( updated 2024) Authors: MIGUEL FELIX MATA RIVERA; ROBERTO ESWART ZAGAL FLORES Editors: miguel felix mata rivera Summary or description: Casos de enfermedades respiratorias de 2005 a 2015 en la CDMX Matter: 2023-01-01T00:00:00Z https://172.23.39.185/handle/1000/358 Title : Codigo del Sistema web para la modelización del número de hospitalizaciones evitables ( updated 2024) Authors: CARLOS MINUTTI MARTINEZ; MIGUEL FELIX MATA RIVERA Editors: Carlos Minutti Martinez Summary or description: Los modelos presentados muestran la estimación del número de hospitalizaciones esperadas por localidad en la CDMX, dependiendo de diversos factores, como lo son la delegación, el mes, factores socio-económicos y de contaminación, etc. Valores positivos representan variables / factores que aumentan el número de hospitalizaciones esperadas y su valor muestra la magnitud del efecto que tiene en el número de casos esperados. A su vez, valores negativos representan menor número de casos esperados debidos a la variable. Únicamente se presentan en cada modelo las variables que muestran un efecto estadísticamente significativo, por lo que variables ausentes (con respecto a otros modelos), no influyen significativamente con respecto a la media. La descripción de cada variable, la magnitud de su efecto y su p-value, se muestra al colocar el puntero del ratón sobre cada barra. Es importante mencionar que el sistema no pretende ser utilizado para determinar el número de hospitalizaciones a esperar, sino que es un modelo estadístico para estudiar cómo interactúan los diferentes factores en cada enfermedad, para las hospitalizaciones ocurridas dentro de la Zona Valle de México. El modelo final se genera mediante Regresión Binomial Negativa. El archivo PICKLE original de los modelos no se incluye por razones de privacidad de los datos, en su lugar se incluye un archivo PICKLE generado a partir de datos sintéticos. Matter: Modelos predictivos 2023-01-01T00:00:00Z