Inteligencia artificial en salud pública: desarrollo de un modelo predictivo para estimar el porcentaje de anemia en comunidades peruanas

Gayoso Liviac, Diego Danilo

dc.contributor.advisor	Durand Concha, Fernando Enrique	es_ES
dc.contributor.author	Gayoso Liviac, Diego Danilo	es_ES
dc.date.accessioned	2025-05-06T20:30:10Z
dc.date.available	2025-05-06T20:30:10Z
dc.date.issued	2025
dc.identifier.other	217840	es_ES
dc.identifier.uri	https://hdl.handle.net/20.500.12866/17029
dc.description.abstract	Introducción: La anemia es un problema mundial de salud pública, que afecta especialmente a poblaciones vulnerables como niños, embarazadas y adultos mayores. En el Perú, la prevalencia de anemia en niños menores de 3 años ronda entre el 40% y 50%, con mayor porcentaje en zonas rurales, situación que ha persistido en el tiempo a pesar de los esfuerzos por reducirla. Objetivo del estudio: Se propone desarrollar un modelo predictivo basado en técnicas de Inteligencia Artificial o Machine Learning para estimar el porcentaje de anemia en comunidades peruanas, aprovechando datos abiertos de salud pública. Diseño del estudio: Se propone un estudio observacional retrospectivo de tipo longitudinal, utilizando datos secundarios recopilados por el Ministerio de Salud. Población y muestra: La población de estudio comprende las comunidades a nivel nacional (departamentos, provincias y distritos del Perú), sin enfocarse en un departamento específico. No se realizará muestreo, dado que se utilizarán todos los datos disponibles en las fuentes abiertas del MINSA sobre anemia. Procedimientos y técnicas: Se recopilarán y depurarán los registros de anemia y otras variables teóricamente relacionadas. Luego se entrenará un modelo de machine learning utilizando algoritmos supervisados (Random Forest) para predecir la prevalencia de anemia en cada comunidad en función de los determinantes de salud identificados. Análisis estadístico: Se evaluará el desempeño del modelo mediante métricas como la exactitud (accuracy), recuperación (recall), precisión (precision) y el área bajo la curva (AUC). Se espera que el modelo logre identificar patrones complejos entre los determinantes de la salud y la anemia.	es_ES
dc.format	application/pdf	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Universidad Peruana Cayetano Heredia	es_ES
dc.rights	info:eu-repo/semantics/openAccess	es_ES
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es	es_ES
dc.subject	Inteligencia Artificial	es_ES
dc.subject	Informática en Salud Pública	es_ES
dc.subject	Anemia	es_ES
dc.title	Inteligencia artificial en salud pública: desarrollo de un modelo predictivo para estimar el porcentaje de anemia en comunidades peruanas	es_ES
dc.title.alternative	Artificial intelligence in public health: development of a predictive model to estimate the percentage of anemia in peruvian communities	es_ES
dc.type	info:eu-repo/semantics/report	es_ES
thesis.degree.name	Segunda Especialidad Profesional en Administración y Gestión en Salud	es_ES
thesis.degree.grantor	Universidad Peruana Cayetano Heredia. Facultad de Medicina Alberto Hurtado	es_ES
thesis.degree.discipline	Administración y Gestión en Salud	es_ES
dc.publisher.country	PE	es_ES
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#1.02.00	es_ES
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#3.02.06	es_ES
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#3.03.05	es_ES
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#5.06.02	es_ES
renati.author.dni	73999104
renati.advisor.orcid	https://orcid.org/0000-0003-3203-0311	es_ES
renati.advisor.dni	09425278
renati.type	https://purl.org/pe-repo/renati/type#trabajoAcademico	es_ES
renati.level	https://purl.org/pe-repo/renati/level#tituloSegundaEspecialidad	es_ES
renati.discipline	419109	es_ES
renati.juror	Medina Collado, Carlos Alberto	es_ES