Machine learning applied to the early detection of heart attacks in patients with terminal chronic kidney disease

• Autores: Mejia Manzanares, Bryan Walter, Rivera Demanuel, Diego Richard
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/20470
• Enlace del recurso: https://hdl.handle.net/20.500.12773/20470
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Modelos Predictivos; Enfermedad Renal Crónica; https://purl.org/pe-repo/ocde/ford#2.11.02

Actualmente, uno de cada diez adultos en el mundo padecen de Enfermedad Renal Crónica. Está enfermedad se muestra por medio de la presencia de lesiones renales. Ocasiona la muerte de al menos 2.4 millones de personas al año, por lo tanto conviene estudiar y desarrollar soluciones para reducir la probabilidad de descenso. El objetivo de este estudio es el desarrollo de un modelo predictivo que ayude con la detección de ataques cardíacos a pacientes que padecen está enfermedad. Para lograr esto se aplicaron seis algoritmos los cuales son Random Forest, XgBoost, Adaboost, Decision Tree, Support Vector Machine y Gradient Boosting en la construcción del modelo. Luego se hizo la comparativa estadística por medio de las métricas de Accuracy, AUC, Recall, Precision, F1-score, Kappa y MCC para detectar el mejor modelo. Se obtuvo como mejor algoritmo a Adaboost para la construcción de modelos con la misma índole. Como resultado se hizo un modelo que ayuda a la predicción de un ataque cardiaco a personas enfermas de insuficiencia renal crónica. Este modelo permite realizar clasificaciones o predicciones de este pronóstico con buenos resultados y ayuda a reducir el riesgo de muerte en los pacientes debido a su alto porcentaje de efectividad. Además podrá ser un punto de inicio para futuros modelos que traten está misma enfermedad.