Modelo predictivo para la detección de diabetes tipo 2 en la población de Piura, 2024

• Autores: Maza Goycochea, David Josue, Maza Santos, Leydi Mabel
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/168498
• Enlace del recurso: https://hdl.handle.net/20.500.12692/168498
• Nivel de acceso: acceso abierto
• Materia: Diabetes mellitus tipo 2; Modelo predictivo; Factores de riesgo; https://purl.org/pe-repo/ocde/ford#2.02.04

La diabetes mellitus tipo 2 (DMT2) en Piura, Perú, presenta una prevalencia del 5.2%, superando la media nacional del 4.9%. Este estudio tuvo como objetivo desarrollar un modelo predictivo para la detección temprana de DMT2 basado en factores de riesgo locales identificables en atención primaria. Se realizó un estudio transversal analítico con 243 historias clínicas de pacientes entre 18-80 años atendidos en establecimientos de salud de Piura (2022-2024), seleccionados mediante muestreo aleatorio estratificado. Se evaluaron variables demográficas, clínicas y de estilo de vida mediante pruebas de Chi-cuadrado y Mann-Whitney U. El consumo de tabaco (χ² = 41.78, p < 0.0001), IMC elevado (U = 3960, p < 0.0001) y edad avanzada (U = 3590, p < 0.0001) fueron los predictores más significativos. El modelo de regresión logística alcanzó una precisión del 88% en la detección de DMT2, superando a los algoritmos de Random Forest (75%) y SVM (79%). Este modelo un mecanismo efectivo para la detección temprana de DMT2 en atención primaria, aunque su validación en poblaciones más grandes es necesaria para confirmar su generalización.