Modelo de predicción temprana de parto pretermino y crecimiento fetal excesivo utilizando machine learning.
Loading...
Date
2022
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Concepción
Abstract
El parto pretérmino (PPT) y crecimiento fetal excesivo (LGA) corresponden a dos de las principales condiciones adversas durante el embarazo. Cuyas principales complicaciones podrían ser evitadas mediante su detección temprana, lo cual no ha sido posible realizar hasta la actualidad. Es por esta razón que esta investigación se plantea la búsqueda de un modelo predictor para PPT y LGA, por medio de machine learning, utilizando variables clínicas y bioquímicas obtenidas en los controles prenatales propios del embarazo. Los datos existes de un banco de datos de 71 mujeres embarazadas fueron analizados de manera univariada y multivariada. Se utilizaron los algoritmos PCA y SIMCA, y finalmente se evaluaron los modelos supervisados mediante su sensibilidad (S), especificidad (E) y tasa de error (TE). Los resultados de la evaluación de los modelos realizados por SIMCA fueron de S=100%, E= 81% y TE de 15% para el caso de PPT utilizando variables de primer trimestre. Mientras que para LGA utilizando variables de primer trimestre se obtuvo una S=88%, E de 94% y una TE de 7%. Estos resultados permiten aceptar la hipótesis de investigación, mediante la creación de un modelo de predicción temprana de parto pretérmino y de crecimiento fetal excesivo, los que presentan un mejor rendimiento que los modelos predictivos propuestos en bibliografía hasta la fecha actual.
Description
Tesis presentada para optar al título de Bioquímico/a.
Keywords
Feto, Gestación, Crecimiento, Parto