Modelos explicables de Aprendizaje Automático para la predicción de complicaciones perinatales en mujeres embarazadas con diabetes

Fecha

2021-12-20

Formato del documento

Tesis

ORCID Autor

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad de Valparaíso

ISBN

ISSN

item.page.issne

item.page.doiurl

Departamento o Escuela

Instituto de Estadistica

Determinador

Recolector

Especie

Nota general

Resumen

La diabetes es considerada uno de los desafíos sanitarios de mayor crecimiento del siglo XXI, esto debido al aumento exponencial de esta afección en los últimos 20 años. A continuación se realizará un estudio a 11.100 gestantes que padecen diabetes atendidas entre los años 2015 al 2021 en el hospital San Camilo de la región de Valparaíso, en la provincia de San Felipe. Esto con el objetivo de conocer el impacto de variables clínicas y sociodemográficas en la predicción de las complicaciones perinatales a través de modelos explicables de machine learning. Del estudio realizado se obtuvo que las variables como el hipotiroidismo, la edad y la obesidad son los factores de riesgo que presentan una mayor asociación con las pacientes diabéticas. Por otro lado, el mejor clasificador para la predicción en la mayoría de las complicaciones resulto ser el bosque aleatorio. Por último, fue posible conocer mediante el método de SHAP el aumento de la probabilidad de presencia de una complicación a través de la interacción entre las variables regresoras.

Descripción

Lugar de Publicación

Auspiciador

Palabras clave

DIABETES GESTACIONAL, VARIABLES (ESTADISTICA), REGRESION LOGISTICA

Licencia

URL Licencia

Colecciones