Modelo logístico y redes neuronales para pronóstico de anemia en menores de 3 años

Simple item page
dc.contributor.advisorMinchón Medina, Carlos Alberto
dc.contributor.authorAbanto Chavarri, Antony
dc.date.accessioned3/21/2023 13:17
dc.date.available3/21/2023 13:17
dc.date.issued2022
dc.descriptionThe main objective of this research is to determine which of the two techniques _x000D_ logistic regression and neural networks is the best predictive model to predict anemia in _x000D_ children under 3 years of age treated at the Victor Lazarte Echegaray Hospital during the _x000D_ period 2019, for this purpose a sample size of 214 children (107 with anemia and 107 _x000D_ without anemia) was used for cases and controls. For the estimation of the logistic _x000D_ regression model, 77% of the sample was used for modeling, yielding a prediction rate of _x000D_ 70.12%, the model was evaluated with the omnibus test and the Hosmer Lemeshow test, _x000D_ resulting in an optimal model, since it met all the specifications of the tests, likewise its _x000D_ predictive capacity was validated with 23% of the data producing a success rate of 60%. _x000D_ For the neural network model, the data was partitioned into 54% for training, obtaining a _x000D_ prediction rate of 71.1%, 23% of the data was used for the test and 23% for the prediction _x000D_ of the model, yielding an accuracy rate of 54% and 72% respectively, concluding that the _x000D_ best predictive model for predicting anemia in children under 3 years of age treated at the _x000D_ Victor Lazarte Echegaray Hospital is the neural network modeles_PE
dc.description.abstractEl presente trabajo de investigación tiene como objetivo principal determinar cuál _x000D_ de las dos técnicas regresión logística y redes neuronales es el mejor modelo predictivo_x000D_ para poder pronosticar la anemia en niños menores de 3 años atendidos en el Hospital_x000D_ Víctor Lazarte Echegaray durante el periodo 2019, para ello se utilizó un tamaño de _x000D_ muestra para casos y controles de 214 niños (107 con anemia y 107 sin anemia). Para la _x000D_ estimación del modelo de regresión logística se utilizó el 77% de la muestra para el_x000D_ modelamiento, arrojando una tasa de predicción del 70.12%, se evaluó el modelo con la _x000D_ prueba ómnibus y el test de Hosmer Lemeshow, resultando ser un modelo óptimo, pues _x000D_ cumplió con todas las especificaciones de los test, así mismo se validó su capacidad _x000D_ predictiva con el 23% de la data produciendo una tasa de acierto del 60%. Para el modelo _x000D_ de redes neuronales se particionó la data en 54% para el entrenamiento, obtenido una tasa _x000D_ de predicción del 71.1%, para la prueba se usó el 23% de la data y para la predicción del _x000D_ modelo el 23%, arrojando una tasa de acierto del 54% y 72% respectivamente, concluyendo _x000D_ que el mejor modelo predictivo para predecir la anemia en niños menores de 3 años _x000D_ atendidos en el Hospital Víctor Lazarte Echegaray es el de redes neuronaleses_PE
dc.description.uriTesises_PE
dc.identifier.urihttps://hdl.handle.net/20.500.14414/16145
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de Trujilloes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/es_PE
dc.sourceUniversidad Nacional de Trujilloes_PE
dc.sourceRepositorio institucional - UNITRUes_PE
dc.subjectAnemiaes_PE
dc.subjectRedes Neuronaleses_PE
dc.subjectRegresión Logísticaes_PE
dc.titleModelo logístico y redes neuronales para pronóstico de anemia en menores de 3 añoses_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineEstadísticaes_PE
thesis.degree.grantorUniversidad Nacional de Trujillo.Facultad de Ciencias Físicas y Matemáticases_PE
thesis.degree.levelTítulo Profesionales_PE
thesis.degree.nameIngeniero Estadísticoes_PE
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
ABANTO CHAVARRI, Antony - SUBIDA.pdf
Size:
2.43 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Estadística