Predicción de hipertensión arterial a través de un sistema de regresión logística

Palabras clave: Hipertensión arterial, Inteligencia Artificial, Regresión logística, Presión arterial

Resumen

En el Perú y el mundo entero la hipertensión es una enfermedad que puede avanzar sin manifestar ningún síntoma o éstos ser muy leves. Se puede tener hipertensión arterial y no sentir ninguna manifestación, la hipertensión arterial es un serio problema de salud pública en países en desarrollo como el nuestro: según la Encuesta Demográfica y de Salud Familiar de 2017, aunque la prevalencia de hipertensión en personas de 15 años a más se habría reducido de 14,8 % en 2014, a 13,6 %, implica que más de 3 millones de peruanos viven con hipertensión arterial. Por ese motivo nuestro objetivo es el rápido diagnóstico  de esta enfermedad silenciosa, en el presente trabajo se utilizó  el sistema de regresión logística, para el cual se posee un dataset de 5615 registros analizados. Este artículo presenta la posibilidad de detectar una enfermedad como la hipertensión arterial basado en inteligencia artificial, ya que este mal ha ido aumentando en los últimos años. Por ese motivo el objetivo es predecir de manera rápida un posible diagnóstico de hipertensión arterial, para ello se analizó un dataset de 5615 registros en la aplicación web Jupyter Notebook, estableciendo 9 variables de entrada y 1 de salida, además se utilizó el sistema de regresión logística, tratamientos de datos missing y outlaiers, gráficas de variables, obteniendo como resultado una precisión media aceptable del 87%.

Descargas

La descarga de datos todavía no está disponible.

Citas

Organización Mundial de la Salud. https://www.who.int/es/news-room/fact-sheets/detail/hypertension

Ministerio de Salud el 18 de mayo de 2021 - 2:55 p. https://www.gob.pe/institucion/minsa/noticias/493681-minsa-estima-que-pacientes-con-hipertension-arterial-aumentarian-en-20-durante-la-pandemia

Dr.Raul Gamboa, Revista Peruana de Cardiología: Octubre - Diciembre 1993 https://sisbib.unmsm.edu.pe/bvrevistas/cardiologia/v19_n2/la%20hiper.htm

Celia Mercedes Salcedo Poma, Capitulo 2- Modelo de Regresión Logística https://sisbib.unmsm.edu.pe/bibvirtualdata/Tesis/Basic/Salcedo_pc/enPDF/Cap2.PDF

Jose Martinez Heras-Guía rápida de IArtificial.net https://www.iartificial.net/guia-rapida-iartificial-net/

Universidad de Alcalá, “Scikit-learn, herramienta básica para el data science en Python” 2021. https://www.master-data-scientist.com/scikit-learn-data-science/

Interactive Chaos, 2019. https://interactivechaos.com/es/python/function/sklearnmodelselectiontraintestsplit

Scikit Learn, “Metrics and scoring: quantifying the quality of predictions” https://scikit-learn.org/stable/modules/model_evaluation.html

Aprende con Alf, “La librería Matplotlib” https://aprendeconalf.es/docencia/python/manual/matplotlib/

María Elvira Ferre Jaén.FEIR 45: Regresión logística. Jueves 04 abril 2019,23:30:47 https://gauss.inf.um.es/feir/45/

Failoc-Rojas Virgilio, Dataset externo almacenado zenodo.org. Criterios de cambio hipertensión Perú, datos https://zenodo.org/record/4567767#.YOsdROhKhPZ

Recibido: 2021-06-23
Aceptado: 2021-08-05
Publicado: 2021-09-30
Cómo citar
[1]
C. M. Tesillo Gomez, Y. A. Escobar Arcaya, y E. D. León Gutierrez, «Predicción de hipertensión arterial a través de un sistema de regresión logística», Innov. softw., vol. 2, n.º 2, pp. 60-74, sep. 2021.
Sección
Artículos originales

Artículos más leídos del mismo autor/a