Modelo predictivo basado en Machine Learning para el pronóstico de deserción a la vacunación contra el virus del papiloma humano (VPH)

• Autor: Marroquin Marroquin, Urlish Kleyber
• Formato: tesis de maestría
• Fecha de Publicación: 2021
• Institución: Universidad Peruana Unión
• Repositorio: UPEU-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upeu.edu.pe:20.500.12840/4336
• Enlace del recurso: http://repositorio-dev.upeu.edu.pe/handle/20.500.12840/4336
• Nivel de acceso: acceso embargado
• Materia: Human papillomavirus (HPV); Machine learning; Random forest classifier; Modelo predictivo; http://purl.org/pe-repo/ocde/ford#2.02.04

En la actualidad, una de las enfermedades que está causando gran cantidad de muertes en Perú, es el cáncer de cuello uterino ocasionado por el virus del papiloma humano (VPH), sin embargo, gracias a la aplicación de la vacuna contra esta enfermedad se puede prevenir y proteger por ciertas cepas del VPH. El estudio consistió en la elaboración de un modelo predictivo utilizando Machine Learning para el pronóstico de deserción en la vacunación contra el VPH en niñas del grupo etario de 9 a 13 años de edad. Los datos que se utilizaron proceden del “Sistema de vacunación contra el VPH” del Ministerio de Salud del Perú (Minsa). La metodología consistió en desarrollar cuatro modelos de aprendizaje supervisado: Decision Tree Classifier, Random Forest Classifier, Extra Trees Classifier y Extreme Gradient Boosting con la intención de comparar los resultados y elegir al modelo que presente mejor desempeño para su respectiva calibración y poder ser utilizado a través de una interfaz gráfica. Los resultados demostraron que el mejor modelo de aprendizaje fue Random Forest Classifier, con un Accuracy Score 63.6140%, AUC de 63.6183%, precisión de 64%, Recall de 63% y F1-score de 63%; esto indica que el modelo clasifica el 64% de los casos como niñas que desertan a la vacunación contra el VPH.