Comparación entre regresión logística binaria y redes neuronales en la predicción de las causas de mortalidad materna en el Ecuador del año 2020.

La presente investigación tiene como objetivo el contraste de la hipótesis, de si el uso de la técnica clásica: regresión logística binaria para la modelización de la mortalidad materna ecuatoriana, proporciona mejores resultados que la técnica de Machine Learning: redes neuronales artificiales. Al hablar de mortalidad materna es fundamental obtener un modelo que ayude a conocer la probabilidad futura y las variables asociadas a este riesgo, por lo que es necesario contar con una técnica que proporcione los mejores resultados. Se plantea un modelo predictivo con información obtenida en el INEC del Registro de Defunciones Generales año 2020, constituido por: variable dependiente mortalidad materna (causa de muerte “O”) y como variables independientes edad al fallecer (>39 años), etnia(Indígena), nivel de instrucción (ninguna y primaria), provincia(Pichincha) y lugar de ocurrencia del fallecimiento (ministerio de salud, Iess y hospital privado).El análisis de resultados se dio a partir de distintos estadísticos como KS, Matriz de confusión y COR, en los que se puede evidenciar que el uso de la RL logra mejor predicción de mortalidad materna con 5.70, 0.20 y 1.25 puntos porcentuales respectivamente por encima de los estadísticos de las RNA's. Dados los resultados se puede concluir que la RL proporciona un modelo de predicción más robusto que el de las RNA's por este motivo se corrobora que la hipótesis planteada es verdadera.

• Auteur principal: Cóndor Granada, Elena Dayana (author)
• Autres auteurs: Correa Llive, Santiago Fernando (author)
• Format: bachelorThesis
• Langue: spa
• Publié: 2022
• Sujets: Regresión logística binaria; Machine learning; Mortalidad materna; Modelo predictivo; Probabilidad futura
• Accès en ligne: http://www.dspace.uce.edu.ec/handle/25000/26706