Predicción de riesgo cardiovascular
Las enfermedades cardiovasculares continúan siendo la principal causa de mortalidad mundial. Este trabajo analiza la capacidad predictiva de padecer o no enfermedad cardiovascular con el estudio de distintos algoritmos de inteligencia artificial -Random Forest, regresión logística y redes neuronales...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2025 |
| País: | España |
| Recursos: | Universitat Autònoma de Barcelona |
| Repositorio: | Dipòsit Digital de Documents de la UAB |
| Idioma: | español |
| OAI Identifier: | oai:ddd.uab.cat:318701 |
| Acesso em linha: | https://ddd.uab.cat/record/318701 |
| Access Level: | acceso abierto |
| Palavra-chave: | Enfermedad Cardiovascular Factores de riesgo Machine learning Presión arterial sistólica Cardiovascular disease Risk factors Systolic blood pressure |
| Resumo: | Las enfermedades cardiovasculares continúan siendo la principal causa de mortalidad mundial. Este trabajo analiza la capacidad predictiva de padecer o no enfermedad cardiovascular con el estudio de distintos algoritmos de inteligencia artificial -Random Forest, regresión logística y redes neuronales profundas- aplicados a un conjunto de datos clínicos de 70K y 11 variables clínicas extraído de una base abierta de la plataforma Kaggle.Tras una fase exhaustiva de preprocesamiento y depuración del conjunto de datos, se procedió al análisis mediante la plataforma BigML, con el objetivo de evaluar el riesgo cardiovascular individual a partir de factores de riesgo tradicionales. El estudio no solo permite aplicar distintos algoritmos de aprendizaje automático, sino también valorar la importancia relativa de cada variable clínica en la predicción del riesgo. Para ello, se emplearon varios tamaños muestrales y diferentes particiones de entrenamiento y prueba, lo que permitió comparar el rendimiento y la estabilidad de los modelos bajo distintas configuraciones, aportando solidez metodológica a los resultados obtenidos. |
|---|