Aplicación de un modelo predictivo para identificar individuos susceptibles al desarrollo de hipertensión arterial mediante el uso de la regresión logística y random forest en Javesalud IPS en Bogotá
La hipertensión arterial es una de las enfermedades crónicas más prevalentes en Colombia, por lo cual el diagnóstico y el tratamiento oportuno son cruciales para disminuir las complicaciones (Enfermedad renal crónica, infarto agudo de miocardio, etc). En esta investigación se desarrolló un modelo pr...
- Autores:
- Tipo de recurso:
- masterThesis
- Fecha de publicación:
- 2024
- Institución:
- Pontificia Universidad Javeriana
- Repositorio:
- Repositorio Universidad Javeriana
- Idioma:
- spa
- OAI Identifier:
- oai:repository.javeriana.edu.co:10554/66918
- Acceso en línea:
- http://hdl.handle.net/10554/66918
- Palabra clave:
- Aprendizaje de máquinas
Hipertensión arterial
Inteligencia artificial
Predicción
Regresión logística
Random forest
Prevención
Machine learning
Hypertension
Artificial intelligence
Prediction
Logistic regression
Random forest
Prevention
Maestría en administración de salud - Tesis y disertaciones académicas
Aprendizaje de máquinas
Inteligencia artificial - Bogotá (Colombia)
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| Summary: | La hipertensión arterial es una de las enfermedades crónicas más prevalentes en Colombia, por lo cual el diagnóstico y el tratamiento oportuno son cruciales para disminuir las complicaciones (Enfermedad renal crónica, infarto agudo de miocardio, etc). En esta investigación se desarrolló un modelo predictivo mediante técnicas de aprendizaje de máquinas (regresión logística y random forest) para predecir la probabilidad de desarrollo de hipertensión arterial en individuos adultos susceptibles en Javesalud IPS en Bogotá. Se trabajó con una muestra total de 808 pacientes, de los cuales 402 eran hipertensos y 406 eran no hipertensos. Según las métricas de sensibilidad, especificidad, exactitud y el área bajo la curva ROC de cada modelo, se encontró que el random forest fue superior que la regresión logística para la predicción de pacientes hipertensos. Las variables encontradas con mayor influencia en el desarrollo de la hipertensión arterial de los pacientes evaluados fueron: edad, presión arterial sistólica (PAS), presión arterial diastólica (PAD) e índice de masa corporal. Estos modelos son una herramienta para predecir e identificar oportunamente a las personas con mayor riesgo de desarrollar hipertensión arterial, por lo que permite hacer un manejo oportuno de los factores de riesgo para reducir su prevalencia, así como crear estrategias de gestión y apoyarse en ellas para la toma de decisiones. |
|---|