Machine learning para la estimación de la influencia del estilo de vida en el riesgo de obesidad de la población de Colombia, México y Perú

• Autor: Santisteban Quiroz, Juan Piero
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/22901
• Enlace del recurso: https://hdl.handle.net/20.500.12672/22901
• Nivel de acceso: acceso abierto
• Materia: Estilos de vida; Obesidad; Metodología; https://purl.org/pe-repo/ocde/ford#2.02.04

En esta investigación se exploró la implementación y eficacia de una solución de Machine Learning para optimizar la estimación de la influencia del estilo de vida en el riesgo de obesidad en poblaciones de Colombia, México y Perú. A través de una metodología nueva y robusta, denominada DORA, se desarrolló una solución de Machine Learning que no solo logró incrementar significativamente la eficiencia de la estimación, sino que también redujo tanto el tiempo como el costo asociado a este proceso. La solución de Machine Learning, implementada mediante tecnologías avanzadas como Java 18 y Spring Boot para el Back-end y React para el Front-end, y hospedada en plataformas de alta disponibilidad como Render y Vercel, demostró ser una herramienta valiosa en el contexto de la salud pública y la epidemiología. Los hallazgos de esta investigación no solo validan las hipótesis propuestas, sino que también abren puertas a futuras investigaciones y aplicaciones prácticas en el ámbito de la salud y el bienestar poblacional, especialmente en entornos caracterizados por recursos y presupuestos limitados.