Aplicación Web Basado en Minería de Datos usando la Técnica de Naive Bayes para la Predicción de la obesidad en edad infantil en los Hospitales Públicos de Lima

Abstract

La obesidad infantil es una enfermedad que actualmente causa mucha preocupación a nivel mundial y provoca distintas comorbilidades en los niños como lo son la diabetes y los trastornos respiratorios, además de ser un factor de riesgo para el COVID-19. Por estas razones es que existen varias investigaciones que buscan predecir esta enfermedad utilizando distintas técnicas de Minería de Datos como Árboles de Decisión, Regresión Logística, Sistemas Neuro – Difusos entre otros. El presente trabajo de investigación realiza la predicción de que un menor de 5 años padezca de obesidad en un futuro usando la técnica Naive Bayes; el conjunto de datos para implementar el modelo contó con 770 registros y 27 variables extraídas del aplicativo e-Qhali. Las pruebas fueron efectuadas sobre 317 registros obteniendo un modelo con 72% de precisión y 93% de sensibilidad, y al comparar la técnica Naive Bayes con otras técnicas de clasificación como Regresión Logística, Random Forest y SVM, esta alcanzó el mayor porcentaje de sensibilidad.

Algoritmos de clasificación para la detección de obesidad en adolescentes: Un estudio comparativo entre KNN y árboles de decisión

“…En [8], se utilizó la técnica Naive Bayes para predecir la obesidad en niños menores de 5 años. Se utilizó un conjunto de datos de 770 registros y 27 variables extraídos del aplicativo e-Qhali para implementar el modelo.…”