info:eu-repo/semantics/article
CARDIOVASCULAR RISK ASSESSMENT USING CLASSIFICATION MODELS
VALORACIÓN DE RIESGO CARDIOVASCULAR MEDIANTE MODELOS DE CLASIFICACIÓN
Autor
Castellanos Vázquez, Jorge Castellanos
Santiago Moreno, Agustín
Bouza Herrera, Carlos
Sautto Vallejo, José Maclovio
Institución
Resumen
According to the World Health Organization (WHO): every year, approximately 37 million people in the world suffer a cardiovascular event and approximately 46% of those people die from these causes. It is known that the occurrence of a cardiovascular event results from the interaction of different risk factors in which we can include hypertension, high levels of blood lipids, diabetes, obesity and smoking. The diagnosis of cardiovascular risk can be made from the presence of any of these risk factors; moreover, there are pocket calculators that allow estimating cardiovascular risk from a model proposed by Framingham, which is essentially a generalized linear model. In the present work, in addition to using the Framingham model, other classification models are used such as Decision Trees, logistic regression and Random Forest. The objective is to choose the best classification model based on goodness criteria such as the correct classifications rate, relative efficiency and deviance. Según la organización mundial de la salud (OMS): cada año, aproximadamente 37 millones de personas en el mundo sufren un evento cardiovascular y, aproximadamente 46% de esas personas mueren por dichas causas. Se sabe que la ocurrencia de un evento cardiovascular resulta de la interacción de diferentes factores de riesgo en los que podemos incluir la hipertensión, niveles altos de lípidos en la sangre, diabetes, obesidad y tabaquismo. El diagnóstico de riesgo cardiovascular puede hacerse a partir de la presencia de cualquiera de estos factores de riesgo, es más, existen calculadoras de bolsillo que permiten estimar el riesgo cardiovascular a partir de un modelo propuesto por Framingham, que en esencia es un modelo lineal generalizado. En el presente trabajo, además de utilizar el modelo de Framingham, se utilizan otros modelos de clasificación tales como Decision Trees, regresión logística y Random Forest. El objetivo consiste en elegir el mejor modelo de clasificación a partir de criterios de bondad tales como la tasa de clasificaciones correctas, la eficiencia relativa y la devianza.