Regresión logística dicotómica versus red neuronal para predecir depresión en adultos mayores. Hospital Provincial Docente “Belén” y CIAM Lambayeque, 2019

• Autores: Casas Leguía, Ninive Joel, Guzmán Reyes, Rowell Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2020
• Institución: Universidad Nacional Pedro Ruiz Gallo
• Repositorio: UNPRG-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unprg.edu.pe:20.500.12893/8591
• Enlace del recurso: https://hdl.handle.net/20.500.12893/8591
• Nivel de acceso: acceso abierto
• Materia: Depresión; Red neuronal; Regresión logística; http://purl.org/pe-repo/ocde/ford#1.01.03

La presente investigación tuvo como objetivo general determinar si una red neuronal con función logística proporciona un modelo de pronóstico de depresión en adultos mayores con menor error que la Regresión Logística Dicotómica, de acuerdo a las variables predictoras consideradas, “Hospital Provincial Docente Belén y CIAM” de Lambayeque 2019. Utilizando como método de estudio de nivel observacional-analítico y transversal, con 128 adultos mayores que acudieron al “Hospital Provincial Docente Belén y CIAM” de Lambayeque, los cuales se clasificaron con depresión: Leve y Moderada-Severa. Para definir los factores asociados a la depresión se incluyeron variables independientes (edad, género, estado civil, ingreso económico, actividad física, actividad laboral, actividad sexual, atención familiar, autoridad familiar y recreación), se utilizaron los modelos de regresión logística y red neuronal. En los resultados se demostró la prevalencia de depresión fue de 34,4% moderada-severa y 65,6% leve. Se encontraron asociaciones significativas respecto a la depresión: género, actividad física, actividad sexual, atención familiar, pérdida de autoridad y pasatiempo con p<0,05. En el modelo de regresión logística mostró que no tener atención familiar (OR=26,55, IC95% 8,41-98,81) y no tener pasatiempo (OR=6,59,IC95% 2,01–24,21) fueron considerados como factores de riesgo, asimismo en la red neuronal se encontraron los mismos factores de riesgo con un penalizador decay = 5e-2 y rang = 0,7. Se concluyó que la técnica multivariante de regresión logística dicotómica y la red neuronal proporcionan características similares de pronóstico: alta precisión (91,67%), f1-score (89,53%), alta sensibilidad (87,50%), especificidad (93,75%) y bajo error (8,33%).