Clasificación binaria para la predicción de trombosis

Blanca Rosa Pérez Salvador; Carlos Gabriel Sánchez Lordméndez; Héctor Alfredo Baptista González

Ayuda

Clasificación binaria para la predicción de trombosis

Blanca Rosa Pérez-Salvador ^[1] ; Carlos Gabriel Sánchez-Lordméndez ^[2] ; Héctor Alfredo Baptista-González ^[3]
1. [1] Universidad Autónoma Metropolitana
  
  Universidad Autónoma Metropolitana
  
  México
2. [2] Universidad Nacional Autónoma de México
  
  Universidad Nacional Autónoma de México
  
  México
3. [3] Instituto Nacional de Perinatología
  
  Instituto Nacional de Perinatología
  
  México
Mostrar afiliaciones +
Localización: Ingeniería, investigación y tecnología, ISSN 1405-7743, ISSN-e 2594-0732, Vol. 18, Nº. 4, 2017
Idioma: español
Títulos paralelos:
- Binary classification to predict familiar thrombosis
Enlaces
- Texto completo
Resumen
- español
  La trombosis, como otros problemas de salud, puede ser de difícil diagnóstico. El diagnostico corresponde a un problema de clasificación. En este trabajo se resuelve un problema de clasificación usando software libre sobre una base de datos de pacientes del Instituto Nacional de Perinatología Isidro Espinoza Reyes con Síndrome de Anticuerpos Antifosfolípido (SAAF) y pacientes con trombosis sin SAAF. El trabajo analizó el riesgo de que una persona padezca la enfermedad mencionada. El estudio comprende rutinas de selección de variables, de imputación y dos de clasificación, una basada en regresión logística y la otra en el cociente de verosimilitud. Los resultados muestran que la clasificación basada en el cociente de verosimilitud fue mejor que la clasificación hecha con la regresión logística.
- English
  Thrombosis and other health problems can be difficult to diagnose. The diagnosis is a classification problem. In this work a classification problem is solved using free software on a database of patients from the National Institute of Perinatology Isidro Reyes Espinoza (Instituto Nacional de Perinatología Isidro Espinoza Reyes) with thrombosis problems. In this work the risk that a person will develop the disease mentioned was analyzed. The study includes, variables selection, imputation and analysis of two classification methods: one based on logistic regression and the other in the likelihood ratio. The results indicate that the likelihood ratio classification was better than logistic regression classification.