Aplicativo móvil basado en Machine Learning para la predicción del riesgo de desarrollar Hipertensión Arterial

• Autor: Mantilla Miñano, Edwin Jhonatan
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/163414
• Enlace del recurso: https://hdl.handle.net/20.500.12692/163414
• Nivel de acceso: acceso embargado
• Materia: Aprendizaje automático; Algoritmos; Presión arterial alta; Software; Detección temprana; https://purl.org/pe-repo/ocde/ford#2.02.04

La investigación tiene como objetivo principal mejorar el proceso de predicción del riesgo de desarrollar hipertensión arterial (HTA) mediante un aplicativo móvil basado en machine learning, dirigido a adultos mayores de 18 años en el segundo trimestre del 2024. Utilizando un diseño experimental puro de tipo aplicado, se entrenó el modelo con un dataset de 441,455 registros de la BRFSS 2015, seleccionando una muestra de 29,729 registros considerando factores de riesgo validados por médicos internistas de la ciudad Trujillo ajustados a la realidad de HTA en el Perú. Para validar el modelo entrenado, se tomó como población datos reales de ciudadanos trujillanos y la muestra incluyo a 48 encuestados (10 hipertensos), mediante un muestreo no probabilístico por conveniencia. Entre los cinco modelos de clasificación binaria empleados, Random Forest obtuvo los mejores resultados con una exactitud del 98.01%, una precisión del 98.15%, un recall del 97.88% y una puntuación – F1 del 98.01%. En la validación con datos reales, el modelo identificó correctamente a los 10 hipertensos con alto riesgo de HTA. Estos resultados destacan la eficacia del modelo propuesto para predecir el riesgo de HTA, demostrando su potencial para ser implementado en aplicaciones móviles y mejorar la salud pública.