Modelo predictivo del riesgo de bajo peso al nacer a partir de factores asociados en neonatos de gestantes afiliadas a Emssanar EPS del Departamento de Nariño en el periodo 2016 – 2018

Juelpaz Taticuan, Rocío del Pilar Y Molina Chingue, Víctor Alfonso (2022) Modelo predictivo del riesgo de bajo peso al nacer a partir de factores asociados en neonatos de gestantes afiliadas a Emssanar EPS del Departamento de Nariño en el periodo 2016 – 2018. Masters thesis, Universidad de Nariño.

Text 2022071.pdf Download (937kB)

Resumen

Objetivo: la presente investigación tuvo como objetivo desarrollar un modelo predictivo del bajo peso al nacer a término. Metodología: el cual, planteado un estudio de casos y controles, en todos los nacimientos de madres afiliadas a la aseguradora Emssanar, entre 2016 y 2018, se utilizò el modelo de regresión logístico para obtener un modelo Explicativo y predictivo procesado en SPSS y la Red Neuronal se utilizò para construir el modelo o algoritmo computacional predictivo y se procesò bajo el software R. Resultados: el modelo predictivo de regresión logística permite calcular la probabilidad que un neonato tenga bajo peso al nacer, esta probabilidad se estima en función de los valores de un conjunto de predictores o variables independientes (las variables que resultaron significativas son: municipio de residencia, área de residencia, ocupación de la madre, nivel educativo de la madre, Etnia, número de embarazos previos, número de hijos vivos, peso gestacional, talla de la madre, IMC, IVU, HTA, consumo de alcohol, número de controles prenatales, realización del curso psicoprofiláctico, consumo de mucronutrientes, semanas de gestación, sexo del recién nacido y categorización del SISBEN), y de los coeficientes obtenidos en el modelo. Para evaluar si las predicciones son consistentes con los desenlaces observados se evaluó la sensibilidad y la especificidad, encontrando que modelo se clasifican correctamente los casos de bajo peso en un 93,3% y se descartan correctamente los controles normo peso en un 93.8%, con un área bajo la curva de 93.8%, evidenciando una alta consistencia de las predicciones frente a los datos observados. En la aplicación de una red neuronal, para esta investigación se conto inicialmente con un conjunto de datos de 29 variables y se excluyeron número y año las cuales no son necesarias para el análisis, de los 27 restantes es se realizó un proceso de normalización: (1. Estandarizar las variables numéricas 2. Dummy coding), lo que permite finalmente la base de datos, para el procesamiento de la red quedo con 10990 observaciones y 96 variables. Los resultados de la red neuronal en su etapa de entrenamiento se presento una exactitud de 99,27% y en su etapa de comprobación una de 99,79%, una sensibilidad de 99,83% y una especificidad de 99,29%, el modelo predice a los normo pesos en un 99,94% y los bajos pesos al nacer en un 98,01%. Conclusiones: una vez desarrollada la investigación se plantea que las técnicas estadísticas aplicadas, regresión logística y red neuronal, permiten desarrollar un modelo para determinar el bajo peso al nacer. Sin embargo, se elige para esta investigación como el mejor modelo el encontrado en la técnica de redes neuronales para predecir la probabilidad tener bajo peso al nacer, esto por cuanto si hacemos el comparativo encontramos en la Red neuronal una exactitud del 99,79%, una sensibilidad del 99,4% y una especificidad del 98,01%, mientras que con regresión logística se tiene una exactitud del 93,8%, una sensibilidad del 93.8% y una especificidad del 93.3%.

Tipo de Elemento:	Tesis (Masters)
Información Adicional:	Asesor: Arsenio Hidalgo Troya Magister en Estadística
Palabras Clave:	Bajo peso al nacer, Control prenatal, Recién nacido, Madres gestantes
Asunto:	R Medicina > R Medicine (General) R Medicina > RA Public aspects of medicine R Medicina > RG Gynecology and obstetrics
Division:	Postgrados > Maestría en Salud Pública
Depósito de Usuario:	Funcionario Biblioteca Uno
Fecha Deposito:	31 Oct 2025 13:38
Ultima Modificación:	31 Oct 2025 13:38
URI:	http://sired.udenar.edu.co/id/eprint/17100

Ver Elemento