Modelo de regresión cuantílica para la variable peso de neonatos con bajo peso al nacer utilizando imputación múltiple

Se aborda el problema de los datos faltantes en un contexto longitudinal utilizando registros de neonatos con bajo peso al nacer. El objetivo es introducir la incertidumbre generada por los datos faltantes en la estimación de parámetros del modelo y evitar la pérdida de información importante. Para ello, se utilizan registros tomados de historias clínicas de la unidad de recién nacidos del Hospital Universitario del Valle en Santiago de Cali, Colombia, recopilados durante el período 2002-2015. Estos registros forman parte de un programa de seguimiento de neonatos en diferentes periodos de crecimiento para evaluar su evolución en medidas antropométricas. Se ajustan modelos de regresión cuantílica para explicar el comportamiento de la variable peso en cuantiles específicos de inter ́es, esta variable presenta un 49 % de datos faltantes a lo largo de los seguimientos. Para abordar el problema de datos faltantes, se utiliza el método de imputación múltiple, este método genera múltiples estimaciones de los datos faltantes y combina estas estimaciones para obtener resultados más precisos de los parámetros del modelo basándose en la incertidumbre generada por los registros que faltan.

• Autores: Mora Mamian, Jose Jeler; Morales Hurtado, Johan Javier
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad del Valle
• Repositorio: Repositorio Digital Univalle
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.univalle.edu.co:10893/30346
• Acceso en línea: https://hdl.handle.net/10893/30346
• Palabra clave: Regresión (Estadistica); Imputación de datos; Neonatos; Peso al nacer
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)