Desarrollo y validación de modelos de aprendizaje automático para predicción de muerte neonatal en gestantes de unidad de cuidados intensivos

• Autor: Espinola Sanchez, Marcos Augusto
• Formato: tesis doctoral
• Fecha de Publicación: 2022
• Institución: Universidad Privada Antenor Orrego
• Repositorio: UPAO-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upao.edu.pe:20.500.12759/9947
• Enlace del recurso: https://hdl.handle.net/20.500.12759/9947
• Nivel de acceso: acceso embargado
• Materia: Inteligencia Artificial; Aprendizaje Automático; https://purl.org/pe-repo/ocde/ford#3.02.27

Construir y validar algoritmos de aprendizaje automático para predecir muerte neonatal a partir de características maternas y clínicas de gestantes de una unidad de cuidados intensivos. Métodos: Estudio observacional con diseño transversal. Participaron gestantes de unidad de cuidados intensivos atendidas en un hospital nacional nivel III de Perú. Se recogió información materna y se aplicaron modelos de aprendizaje automático para la predicción de muerte neonatal. Resultados: Participaron 280 gestantes, de los modelos evaluados fue seleccionado Gradient Boosting por presentar mejor F1-score, curva ROC, tiempo computacional y ratio de aprendizaje. Las variables con mayor relevancia en el modelo fueron edad gestacional, eclampsia, infección de riñón, edad materna, placenta previa complicado con hemorragia, preeclampsia severa, número controles prenatales y número abortos previos. Se obtuvo un área bajo la curva de 0.98 (IC95%: 0.97 - 1), sensibilidad 0.99 (IC95%: 0.98 - 1) y especificidad 0.98 (IC95%: 0.94 - 1). Conclusión: La predicción de muerte neonatal en una población como la nuestra de gestantes en una unidad de cuidados intensivos presenta una adecuada capacidad para predecir los casos de muerte neonatal, usando aprendizaje automático