Comparación de modelos de regresión logística en la detección temprana del riesgo de diabetes.

Resumen

La diabetes es un problema de salud pública mundial que afecta a 463 millones de personas y, según estudios recientes, para 2045 habrá un aumento del 51% en el número de individuos afectados por la enfermedad. La tasa de personas pre-diabéticas asintomáticas también es alta, aproximadamente el 84% de los casos, y esta particularidad impide que el paciente reciba los cuidados y tratamientos adecuados antes de que la enfermedad empeore y conduzca a otras complicaciones o incluso a la muerte. El diagnóstico precoz de la enfermedad se muestra beneficioso ante esta situación y la ciencia de datos puede contribuir a que esto se logre. El objetivo de este trabajo es proponer modelos de predicción precoz de la diabetes utilizando los métodos supervisados de Regresión Logística Binaria y Regresión Logística Binaria Multinivel, evaluando cuál de estos modelos presenta resultados más precisos. Este trabajo se basó en otro estudio, en el que se aplicaron otras metodologías, pero ninguna de ellas con el enfoque multinivel. Las respuestas de un cuestionario aplicado a pacientes, tanto diabéticos como sanos, del Hospital de Diabetes Sylhet de Bangladesh, fueron utilizadas en los modelos, el cual contenía preguntas relacionadas con síntomas generalmente asociados al diagnóstico de la diabetes. Este estudio permitió llegar a modelos con resultados satisfactorios, y evidenció que la modelización multinivel presenta mejores resultados en comparación con la Regresión Logística convencional.