Modelo predictivo de riesgo asociado a la anemia en niños menores de 5 años en la MICRORED Yauri provincia de Espinar - Cusco, 2019

• Autor: Canaza Espezua, Gary
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/15335
• Enlace del recurso: http://repositorio.unap.edu.pe/handle/20.500.14082/15335
• Nivel de acceso: acceso abierto
• Materia: Modelo de regresión logística; Modelo predictivo; Anemia; Factor de riesgo; Árboles de decisión; https://purl.org/pe-repo/ocde/ford#1.01.03

El problema de carencia de hierro constituye el principal problema de salud pública que afecta al país, por tanto, la anemia cobra vital importancia no solamente por su alta prevalencia sino por el impacto epidemiológico y social que tiene este problema en la salud de los niños. La presente investigación se propuso como objetivo el determinar un modelo predictivo de riesgo asociado a la anemia en niños menores de 5 años en la MICRORED Yauri, de la provincia de Espinar - Cusco 2019. Se planteo como hipótesis que el modelo predictivo permite realizar la predicción de riesgo asociado a la anemia en niños menores de 5 años. La metodología incluye el uso del método científico, siendo una investigación de tipo básica, nivel relacional, diseño no experimental, con una muestra probabilística de 322 niños. Para alcanzar los objetivos se analizó la base de datos proporcionada por el Sistema de Información del Estado Nutricional del niño menor de cinco años y Gestantes que acceden al Establecimiento de Salud (SIEN) de la DIRESA provincia de Espinar – Cusco correspondiente al año 2019. El modelo clasificador, es el siguiente: Ln(Y)=-8.304+0.582x_1-1.718x_2+4.534x_3+3.349x_10, cuya prueba de bondad de ajuste de Hosmer y Lemeshow, a un nivel de significación de 0.05, es de p-valor=0.088, con un coeficiente de determinación de Nagelkerke de 85.8%. La tasa de clasificación de verdaderos negativos (no anémico pronosticados como no anémicos) fue del 93.8%; mientras que la tasa más relevante en este caso, clasificar correctamente a los niños anémicos (verdaderos positivos) fue de 96.2%, demostrando gran capacidad predictiva del modelo.