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

Vista sencilla de ítem
dc.contributor.advisorSalas Fuentes, Rodrigo
dc.contributor.authorGiovanetti Riotti, Macarena Alejandra
dc.date.accessioned2022-04-04T20:55:50Z
dc.date.available2022-04-04T20:55:50Z
dc.date.issued2021-12-20
dc.description.abstractLa 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.en_ES
dc.facultadFacultad de Cienciasen_ES
dc.identifier.citationGiovanetti, M. (2021). Modelos explicables de Aprendizaje Automático para la predicción de complicaciones perinatales en mujeres embarazadas con diabetesen_ES
dc.identifier.urihttp://repositoriobibliotecas.uv.cl/handle/uvscl/3955
dc.language.isoesen_ES
dc.publisherUniversidad de Valparaísoen_ES
dc.subjectDIABETES GESTACIONALen_ES
dc.subjectVARIABLES (ESTADISTICA)en_ES
dc.subjectREGRESION LOGISTICAen_ES
dc.titleModelos explicables de Aprendizaje Automático para la predicción de complicaciones perinatales en mujeres embarazadas con diabetesen_ES
dc.typeTesisen_ES
uv.catalogadorVC CIENen_ES
uv.departamentoInstituto de Estadisticaen_ES
uv.notageneralTítulo de Ingeniero Estadísticoen_ES
uv.profesorinformantePardo, Fabián (Profesor Co-Guía)
uv.profesorinformanteBertini, Ayleen (Profesora Co-Guía)

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Modelos explicables de aprendizaje automático para la predicción de complicaciones perinatales en mujeres embarazadas con diabetes.pdf
Tamaño:
3.79 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
384 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis