Look-up in Google Scholar
Title: Comparación de la regresión logística y redes neuronales en la predicción de la anemia en gestantes, ENDES 2022
Advisor(s): Roque Paredes, Ofelia
OCDE field: https://purl.org/pe-repo/ocde/ford#1.01.03
Issue Date: 2023
Institution: Universidad Nacional Mayor de San Marcos
Abstract: Compara los modelos predictivos de regresión logística y las redes neuronales para la predicción de la anemia en gestantes. La anemia es una enfermedad silenciosa que no presenta síntomas representativos hasta que se manifiestan signos importantes. Por tal motivo, no es percibido fácilmente por quienes la padecen. Esta es de especial preocupación si se presenta en personas vulnerables, como es el caso de los niños y las personas de la tercera edad. Para ello, es de vital importancia la detección en las primeras etapas de la vida, en especial de las gestantes, ya que podría ayudar a tomar medidas de forma preventiva. Actualmente, en el área de salud, no sólo se recurren a pruebas diagnósticas para la detección de la anemia, sino que también se recurre a técnicas predictivas para determinar si se padece la enfermedad o no. Es por ello que se propone una comparación entre dos de las técnicas más usadas en el campo predictivo. En el proceso, se encontró que el conjunto de datos presentaba desbalance en la variable dependiente (presencia de anemia) por lo que se empleó la técnica de muestreo SMOTE. Luego, en el análisis de las variables, se encontró que el número de hijos, edad, grado de instrucción y nivel de riqueza tienen influencia en la presencia de anemia. Finalmente, se encontró que las redes neuronales mostraron un mejor desempeño que la regresión logística.
Discipline: Estadística
Grade or title grantor: Universidad Nacional Mayor de San Marcos. Facultad de Ciencias Matemáticas. Escuela Profesional de Estadística
Grade or title: Licenciada en Estadística
Juror: Huamán Gutiérrez, Zoraida Judith; Rodríguez Orellana, Hugo Marino
Register date: 23-Feb-2024



This item is licensed under a Creative Commons License Creative Commons