Modelos predictivos en la clasificación de donantes a plaquetoféresis sanguínea en el Hospital Nacional Edgardo Rebagliati Martins, Lima-Perú. 2022

• Autor: Morales del Pino, Jimmy Rinaldo
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/28379
• Enlace del recurso: https://hdl.handle.net/20.500.12672/28379
• Nivel de acceso: acceso abierto
• Materia: https://purl.org/pe-repo/ocde/ford#1.01.03; https://purl.org/pe-repo/ocde/ford#1.02.01; https://purl.org/pe-repo/ocde/ford#3.02.06; Donantes de sangre; Machine Learning; Plaquetas; Aprendizaje automático

La investigación tuvo como objetivo determinar un modelo predictivo para la clasificación de donantes aptos para plaquetoféresis sanguínea en el Hospital Nacional Edgardo Rebagliati Martins–EsSalud, Lima, durante el año 2022, a partir del análisis de una base de datos correspondiente a donantes que acudieron a este procedimiento entre los años 2015 y 2022. El estudio adoptó un diseño descriptivo, retrospectivo y no experimental, y empleó técnicas de aprendizaje automático para el desarrollo y evaluación de modelos predictivos. El procesamiento y análisis de los datos se realizaron mediante el lenguaje de programación Python en la plataforma Google Colab, siguiendo las etapas de preparación de datos, selección de modelos, entrenamiento, evaluación, ajuste de parámetros y validación. Entre los modelos evaluados, el árbol de decisión evidenció el mejor desempeño predictivo, alcanzando una exactitud de 0.89, un F1-Score de 0.91 y un área bajo la curva ROC de 0.90, lo que demuestra una alta capacidad para clasificar correctamente a los donantes aptos para el procedimiento de plaquetoféresis y resalta su utilidad como herramienta de apoyo en la toma de decisiones clínicas.