Factores que determinan el embarazo adolescente a través de las técnicas del machine learning en el Perú, 2019-2020

• Autor: Céspedes Panduro, Bernardo
• 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:20.500.12672/25843
• Enlace del recurso: https://hdl.handle.net/20.500.12672/25843
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Embarazo en la adolescencia; https://purl.org/pe-repo/ocde/ford#1.01.03

Determina los factores más importantes que predicen el embarazo adolescente a través de la mejor técnica del machine learning en el Perú, durante los años 2019 al 2020. Para la elección de los factores asociados a la fecundidad adolescente para su posterior análisis se hace uso del marco teórico propuesto por Di Cesare e Rodríguez-Vignoli en el año 2006. Se propone nueve técnicas de machine learning como son: Máquina de Vectores Soporte, Regresión Logística Binaria, Árbol de decisión, AdaBoost, Gradient Boosting, XGBoost, ExtraTrees, Bagging y Random Forest para el estudio del embarazo adolescente en el Perú, eligiéndose la mejor técnica a partir de sus métricas (Accuracy y ROC AUC). El presente trabajo de corte transversal utilizó la base de datos de la Encuesta Demográfica y de Salud Familiar (ENDES) 2019-2020 que fue dirigida por el Instituto Nacional de Estadística e Informática (INEI), utilizándose una muestra de 16825 mujeres adolescentes encuestadas entre los años 2019 al 2020. El estudio encuentra que la mejor técnica para predecir el embarazo adolescente a partir de los factores que se han tenido en cuenta es Random Forest (Accuracy = 96.58% y AUC = 99%), por otro lado, los factores más importantes fueron: Ha tenido una primera unión, seguido por Alguna vez usó cualquier método anticonceptivo y Actualmente asiste a la escuela, colegio, instituto o universidad.