Clasificación binaria para la predicción de trombosis
La trombosis, como otros problemas de salud, puede ser de difícil diagnóstico. El diagnostico corresponde a un pro- blema de clasificación. En este trabajo se resuelve un problema de clasificación usando software libre sobre una base de datos de pacientes del Instituto Nacional de Perinatología Isid...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2017 |
| País: | México |
| Institución: | Universidad Nacional Autónoma de México |
| Repositorio: | Redalyc-UNAM |
| OAI Identifier: | oai:redalyc.org:40453343010 |
| Acceso en línea: | https://www.redalyc.org/articulo.oa?id=40453343010 |
| Access Level: | acceso abierto |
| Palabra clave: | Ingeniería Pearson devianza lema de Neyman regresión logística Clasificación binaria |
| Sumario: | La trombosis, como otros problemas de salud, puede ser de difícil diagnóstico. El diagnostico corresponde a un pro- blema de clasificación. En este trabajo se resuelve un problema de clasificación usando software libre sobre una base de datos de pacientes del Instituto Nacional de Perinatología Isidro Espinoza Reyes con Síndrome de Anticuerpos An- tifosfolípido (SAAF) y pacientes con trombosis sin SAAF. El trabajo analizó el riesgo de que una persona padezca la enfermedad mencionada. El estudio comprende rutinas de selección de variables, de imputación y dos de clasifica - ción, una basada en regresión logística y la otra en el cociente de verosimilitud. Los resultados muestran que la cla - sificación basada en el cociente de verosimilitud fue mejor que la clasificación hecha con la regresión logística. |
|---|